Dans le paysage en pleine expansion des technologies et des outils d'intelligence artificielle (IA), la start-up française Navinspire IA, fondée en mai 2024 et spécialisée dans la création de grands modèles de langage (LLM), se distingue avec une promesse singulière : proposer une alternative open source, écoresponsable et souveraine aux LLM des géants tels qu'OpenAI, Google ou Meta. La start-up a présenté début septembre son modèle NavinLLM-7B, disponible sous licence Apache 2.0 sur Hugging Face : doté de 7 milliards de paramètres, il est conçu pour être librement utilisé dans des projets non commerciaux, offrant aux développeurs et chercheurs un accès gratuit aux IA génératives dites “avancées”. Surtout, Navinspire IA souhaite se positionner comme un acteur clé de la lutte contre le changement climatique en mettant son LLM au service de la réduction de l'empreinte carbone de nombreux secteurs.
Une IA conçue pour réduire l’empreinte carbone
En effet, Navinspire IA a pour ambition d’être non seulement performant mais aussi écologiquement responsable. “En optimisant les processus décisionnels et en améliorant l'efficacité énergétique, nos solutions d'IA permettent une réduction significative des émissions de CO2”, affirme la start-up française.
Le LLM NavinLLM-7B intègre des technologies de réalité augmentée afin de réduire les déplacements physiques. En outre, la start-up propose également des produits appelés “NegoPrice IA” et “VerdIA” qui sont spécialement conçus pour intégrer des critères environnementaux dans les décisions commerciales, offrant aux entreprises des moyens d’agir plus écologiquement dans leurs démarches.
Génération de contenu
NavinLLM-7B ne se distingue pas que pour son engagement environnemental, mais également pour la polyvalence qu’elle propose. En effet, ce modèle est en capacité de réaliser diverses tâches telles que la génération de texte, la traduction, les questions-réponses, et la rédaction d’e-mails. De plus, ce dernier a été entraîné sur un large corpus en français et en anglais, regroupant des données issues de multiples sources.
