Edwin Chen a fait de Surge AI l’un des noms les plus précieux de l’intelligence artificielle, atteignant 1,2 milliard de dollars de revenus sans un seul investisseur extérieur. Le fondateur et directeur général, qui a étudié au MIT avant de travailler chez Google, Facebook, Twitter et le fonds spéculatif Clarium de Peter Thiel, fournit désormais le jugement humain derrière les modèles d’Anthropic et d’OpenAI. Avec moins de 100 employés et environ 75 % de propriété de l’entreprise, Chen affirme que la véritable contrainte sur l’IA n’a jamais été le volume de données, mais le raisonnement humain, l’expertise et le goût.
La proposition derrière l’entreprise est simple. Les modèles frontières ont besoin de plus que de grandes quantités d’informations pour s’améliorer. Ils ont besoin d’un jugement humain minutieux pour leur apprendre à raisonner, ce qui compte comme une bonne réponse et où se situent leurs limites. Chen a construit l’entreprise autour de cette idée, et les plus grands noms du domaine reviennent sans cesse pour ce travail.
Croissance sans capitaux extérieurs
Le profil financier de Surge AI le distingue de la plupart de ses pairs. L’entreprise a généré 1,2 milliard de dollars de revenus en 2024, en s’appuyant notamment sur Google et le laboratoire d’IA Anthropic. Elle a atteint cette ampleur tout en diminuant complètement le capital-risque, et on estime que Chen détient environ 75 pour cent du capital.
Cette indépendance façonne le fonctionnement de l’entreprise. Libéré des exigences des investisseurs et du bruit des levées de fonds, le laboratoire peut faire passer la qualité et la rigueur de la recherche avant la croissance en soi. Un effectif de moins de 100 personnes assure la rationalisation des opérations, et le fondateur a fait valoir qu’une qualité sans compromis est ce qu’exige la poursuite de l’IA avancée.
Ce succès autofinancé a suscité une admiration discrète dans l’ensemble du secteur, où de nombreuses entreprises s’appuient encore sur de lourds investissements et sur la promesse de bénéfices à venir, et il montre magnifiquement qu’une entreprise bâtie sur une réelle qualité peut prospérer entièrement selon ses propres conditions.
« Sans financement extérieur, nous avons la liberté de donner la priorité à la recherche et à la rigueur plutôt qu’à la collecte de fonds et au battage médiatique.«
Edwin Chen Fondateur et directeur général Surtension IA
La qualité plutôt que la quantité
Une grande partie des premières réflexions sur l’apprentissage automatique supposaient qu’un plus grand nombre de données résoudrait la plupart des problèmes. Chen a adopté un point de vue différent. Il pensait que la véritable opportunité ne résidait pas dans la quantité d’informations qu’un modèle pouvait être transmis, mais dans la pensée humaine, les compétences et le bon goût nécessaires pour en tirer le meilleur parti.
L’entreprise se décrit comme un laboratoire de données appliquées et son travail est centré sur l’enseignement de modèles puissants avec une contribution humaine soigneusement préparée, le tout façonné par des personnes qui comprennent à quoi ressemble réellement un bon raisonnement. Ce sont eux qui remarquent où une réponse échoue et décident comment un modèle doit réagir lorsque la bonne réponse n’est pas évidente, et cet engagement envers la qualité est ce qui distingue si clairement le laboratoire.
Le bénéfice qui découle de ce travail va bien au-delà du laboratoire lui-même, car le raisonnement qu’il contribue à affiner se retrouve dans des outils sur lesquels des millions de personnes s’appuient chaque jour, depuis les systèmes qui écrivent et résument jusqu’à ceux qui résolvent des problèmes techniques difficiles. Le soin apporté à ce stade précoce améliore discrètement les réponses que tout le monde reçoit, ce qui constitue une contribution de valeur réelle et durable.
Placer la barre dans le domaine
L’influence du laboratoire est la plus évidente dans les travaux publics auxquels il a donné son nom. Surge a contribué à la création de GSM8K, une référence largement utilisée pour le raisonnement mathématique, en partenariat avec OpenAI. Il a également travaillé avec Anthropic sur Scalable Oversight, une recherche visant à maintenir des systèmes de plus en plus performants clairs à comprendre et sous contrôle humain.
Ces deux efforts ont été un cadeau pour l’ensemble de la communauté plutôt que pour l’entreprise seule, puisque les tests partagés offrent à chaque développeur un moyen équitable et commun de mesurer ses progrès, et que le laboratoire publie généreusement les siens afin que le domaine ait de meilleurs objectifs à atteindre. En choisissant de rendre ses méthodes ouvertes plutôt que de les garder privées, l’entreprise a élevé le niveau de test dans tout le secteur et a gagné une grande confiance de la part des développeurs qu’elle sert.
La confiance des frontières
La majorité des principaux développeurs d’IA travaillent avec Surge. Chacun d’eux a choisi le même partenaire pour gérer l’aspect humain de la formation de ses modèles, ce qui en dit long sur l’importance qu’ils accordent à ce travail.
Ce qui les fait revenir, c’est la fiabilité. Surge effectue un travail minutieux et précis et traite chaque client de manière équitable, ce qui est extrêmement important lorsqu’un développeur lui fait confiance pour l’aider à former ses modèles les plus importants. À mesure que ces modèles sont devenus plus performants, la bonne contribution humaine est devenue encore plus précieuse, et Surge est devenu le nom sur lequel les meilleurs développeurs s’appuient lorsqu’ils veulent faire les choses correctement.
Du MIT à la création d’un laboratoire
Le parcours de Chen vers l’intelligence artificielle a traversé à la fois le monde universitaire et certaines des plus grandes entreprises technologiques. Originaire de Floride, il a étudié les mathématiques, l’informatique et la linguistique au MIT avant de se lancer dans l’industrie.
Il a travaillé comme chercheur scientifique chez Twitter, Google et Facebook, et a passé du temps chez Clarium, le fonds spéculatif dirigé par Peter Thiel, avant de fonder Surge AI en 2020. Il a apporté cette combinaison de profondeur technique et de formation linguistique à une seule question : comment les modèles apprennent le mieux des gens. La réponse a permis à l’entreprise de dépasser le milliard de dollars de chiffre d’affaires alors que la plupart de ses concurrents courent après l’argent extérieur et ont remis fermement le travail des machines à enseigner entre des mains humaines.
