Projet Ares : construire une intelligence qui comprend le monde physique
L'IA générative a appris à écrire. Elle ne sait toujours pas qu'une pompe chauffe, qu'un stock fond ou qu'une équipe fatigue. Ares est notre pari : une intelligence française qui voit les opérations réelles, les simule et les anticipe. Voici le fond de notre démarche.
Quand nous avons annoncé le projet Ares, nous l'avons présenté en quelques lignes : notre recherche en intelligence artificielle, trois briques, une conviction souveraine. Ce billet est le contrepoint long de cette annonce. Il explique ce que nous construisons vraiment, pourquoi nous avons choisi comme frontière de recherche la compréhension du monde physique, et comment trois chantiers en apparence très différents, un système d'intelligence opérationnelle pour l'industrie, une plateforme de décision souveraine et un atelier d'entraînement de modèles, forment en réalité un seul et même projet.
Le point de départ : l'IA sait lire, elle ne sait pas voir
L'IA générative a accompli quelque chose de réel : elle manipule le langage avec une aisance qui aurait semblé impossible il y a peu. Mais posez-lui les questions qui font la journée d'un directeur d'usine, d'un exploitant de réseau ou d'un chef de site, et l'illusion se dissipe. Quelle machine va lâcher en premier ? Que se passe-t-il sur ma production si ce fournisseur livre avec dix jours de retard ? Cette dérive de température est-elle un capteur fatigué ou un roulement qui meurt ?
Ces questions ont deux caractéristiques que le langage seul ne capture pas. D'abord, elles portent sur un système physique : des machines, des flux, des stocks, des équipes, reliés par des dépendances bien réelles, où une vanne qui fuit en amont devient une pénurie en aval. Ensuite, la réponse n'est presque jamais dans un document : elle est éparpillée entre un historien de capteurs, une GMAO, trois exports Excel, les mails d'un chef d'équipe et la mémoire d'un ancien qui part à la retraite l'an prochain.
Nous appelons cette matière la donnée morte : tout ce qu'un site produit comme information et n'exploite jamais. La plupart des sites industriels en regorgent. Elle décrit leur fonctionnement réel bien mieux que n'importe quel rapport, et personne ne la lit, parce qu'aucun humain ne peut la lire en entier.
Le pari d'Ares tient en une phrase : une intelligence qui voit, anticipe et protège. Voir, c'est assembler cette donnée éparse en une image fidèle et vivante des opérations. Anticiper, c'est simuler ce qui va se passer plutôt que constater ce qui s'est passé. Protéger, c'est mettre cette capacité au service de ceux dont les décisions engagent des choses qui ne pardonnent pas : une production, un réseau, une mission.
Furnace : le modèle vivant d'un site industriel
La première brique, Furnace, s'attaque au terrain industriel. Son idée centrale est simple à énoncer : toute opération industrielle, quelle qu'elle soit, est un pipeline, un flux qui traverse des stades. De la matière entre, se transforme, sort ; de l'énergie circule ; des équipements s'usent ; des équipes interviennent. Un datacenter, une ligne d'embouteillage, une station d'épuration et un réseau électrique se décrivent tous dans cette grammaire commune de flux, de stocks, de transformations et de dépendances.
Sur cette grammaire, Furnace construit un jumeau numérique : un graphe où chaque équipement, chaque flux, chaque dépendance est un objet relié aux autres, alimenté en continu par les données du site, y compris la donnée morte que personne n'ouvrait. Sur ce graphe, le système fait tourner la physique élémentaire des opérations : la chaleur qui s'accumule, les débits qui se conservent, l'usure qui progresse, les files qui s'allongent. La simulation propage les conséquences d'un état vers ses futurs possibles, là où un modèle purement statistique se limite à prolonger le passé.
C'est cette combinaison, le graphe plus la simulation, qui change la nature des réponses. « Ce roulement montre une signature de fin de vie » devient : « et si vous ne faites rien, voilà la ligne qui s'arrête, dans cet ordre, avec ce préavis ». L'anticipation cesse d'être une alerte isolée pour devenir un scénario que l'exploitant peut dérouler, contester et comparer à un autre. Nous avons donné un avant-goût de cette logique dans la maintenance prédictive expliquée ; Furnace en est la généralisation à l'ensemble des opérations d'un site.
Un mot sur un choix d'ingénierie qui nous coûte cher et auquel nous tenons : Furnace est conçu pour fonctionner chez le client, y compris coupé d'internet. Un site sensible ne devrait jamais avoir à choisir entre l'intelligence et l'isolement.
Citadel : la même exigence, portée au niveau régalien
La deuxième brique, Citadel, transpose cette capacité là où l'exigence est maximale : la défense et la sécurité nationale. Le problème de fond y est structurellement le même, des sources hétérogènes, un système réel complexe, des décisions lourdes à prendre vite, mais l'environnement change tout : cloisonnement strict des informations, environnements isolés par construction, traçabilité absolue de qui a vu quoi et de comment une conclusion a été produite.
Citadel est, en somme, le durcissement de tout ce que nous construisons : la fusion de sources, la simulation de scénarios et l'aide à la décision, dans un cadre où chaque composant doit être souverain de bout en bout, du serveur jusqu'aux poids du modèle. C'est là que StrucTime-7B, notre modèle de fondation entraîné de zéro, prend tout son sens : dans ces environnements, une brique d'IA dont on ne peut pas documenter l'origine complète est une brique inutilisable.
Factory : l'atelier qui fabrique le cerveau
La troisième brique est la moins visible et, à long terme, peut-être la plus importante. Factory est notre atelier d'entraînement : l'outillage qui prépare les corpus, lance et pilote les entraînements, évalue les modèles, trace chaque version, comme d'autres tracent chaque lot d'une production. Nous racontons ce que cet atelier produit dans nos billets de lab, dont le premier est déjà en ligne.
Si nous investissons dans l'atelier autant que dans les modèles, c'est le fruit d'une conviction : dans dix ans, les modèles auront changé plusieurs fois ; la capacité à en fabriquer restera. Un modèle est un produit périssable, une machine à apprendre ne l'est pas.
Le cerveau : petit, spécialisé, et qui ne sait pas tout
Reste la question du modèle lui-même. Dans Ares, le savoir vit à l'extérieur des poids : les faits, les référentiels, l'état du site sont stockés dans le graphe et les bases, où ils restent traçables, corrigeables et datés. Le modèle de langue joue le rôle d'orchestrateur : il comprend une demande, interroge le graphe, déclenche une simulation, assemble une réponse et cite d'où elle vient.
Ce cerveau a un nom : StrucTime-7B, notre modèle de fondation français, entraîné de zéro dans notre lab, avec ses déclinaisons à plus grande échelle pour les terrains qui exigent davantage de profondeur d'analyse. La séparation entre le savoir et le raisonnement a une conséquence que nous assumons pleinement : le modèle pivot peut rester sobre et local. Un orchestrateur n'a pas besoin de connaître la date de naissance de tous les monarques d'Europe ; il a besoin de raisonner juste sur ce que le graphe lui donne. Un modèle sobre, c'est un modèle qui tourne sur site, sans dépendance à un cloud tiers, à un coût énergétique raisonnable, et qu'on peut auditer. La sobriété n'est pas une concession, c'est une propriété du design.
Ce que nous refusons
Un projet se définit aussi par ses refus. Trois principes ne sont pas négociables dans Ares.
L'IA ne décide pas seule. Elle prépare, simule, recommande, chiffre les conséquences. La décision appartient à un humain identifié, et le système est construit pour que ce soit structurellement vrai, pas seulement affiché.
Pas de conclusion sans chemin. Toute recommandation doit pouvoir montrer son raisonnement : les données mobilisées, les hypothèses de simulation, ce qui la ferait changer. Une boîte noire qui a raison est déjà un problème ; une boîte noire qui se trompe est une faute.
La maîtrise de bout en bout. Tout ce qui est critique dans la chaîne, des données aux poids, doit pouvoir être opéré en France, chez nous ou chez le client. Ce choix demande plus de temps et d'investissement qu'un assemblage de services existants. C'est le prix d'une technologie qu'on possède, et nous avons expliqué dans notre guide de l'IA souveraine pourquoi ce prix nous semble le bon calcul.
Un terrain choisi
Nous savons exactement où nous jouons. La recherche mondiale en IA poursuit, avec des moyens considérables, des modèles généralistes toujours plus vastes, et ces travaux bénéficient à tout le monde, nous compris. Notre programme poursuit un but différent : le monde physique et opérationnel, où la justesse du système entier, le graphe, la simulation, la traçabilité, la capacité à fonctionner sur un site isolé, fait la valeur. Ce terrain demande des choix d'architecture qui lui sont propres, et c'est à eux que nous consacrons nos forces. Chaque étage d'Ares est construit pour ce terrain, depuis le premier jour.
C'est aussi pour cela que ce journal existe. Nous publierons nos avancées, nos choix et nos résultats, au rythme réel du travail. La suite se lira ici.
Questions fréquentes
Ares est-il un produit qu'on peut acheter ? Ares est le nom de notre programme de recherche, pas une référence au catalogue. Ses briques deviennent des produits à leur rythme : Furnace et Citadel sont en construction avec des terrains d'expérimentation, Factory est notre outillage interne. Notre logiciel de gestion StrucTime, lui, est disponible dès aujourd'hui et bénéficie déjà de ces travaux.
Quel rapport entre Ares et StrucTime ? Les deux se nourrissent. StrucTime nous donne une compréhension intime des opérations des petites et moyennes entreprises, et ses fonctions d'automatisation profitent de notre recherche. Ares vise des systèmes plus lourds, mais la philosophie est commune : la donnée qui circule, l'humain qui décide.
Pourquoi communiquer sur une recherche en cours plutôt qu'attendre des résultats définitifs ? Parce que la crédibilité se construit par la preuve progressive. Publier nos étapes nous oblige à la rigueur et permet à nos clients, partenaires et futurs collègues de juger sur pièces.
Travaillez-vous seuls ? Nous construisons le cœur en interne, c'est le principe même du projet. Autour, nous cherchons activement les bons compagnons de route : sites industriels prêts à expérimenter, partenaires institutionnels, et ingénieurs que ce programme motive. La page contact est ouverte.