Inkling : open-weight 975 B à fine-tuner sur vos données

Le 15 juillet 2026, Thinking Machines Lab — la startup fondée en février 2025 par Mira Murati, ancienne CTO d'OpenAI — a publié son premier modèle disponible au grand public : Inkling. C'est un modèle Mixture-of-Experts open-weight, entraîné sur 45 billions de tokens de texte, images, audio et vidéo, avec une fenêtre de contexte de 1 million de tokens. Ses poids sont disponibles en téléchargement sur Hugging Face depuis le jour du lancement.

Inkling n'est pas présenté par le lab comme le modèle le plus puissant du marché. Le message de Thinking Machines est plus ciblé : c'est une base open-weight multimodale de qualité, conçue pour être fine-tunée sur vos propres données via la plateforme Tinker, le service de personnalisation maison. Pour les entreprises qui veulent contrôler leur modèle d'IA sans dépendre d'un fournisseur fermé, c'est un positionnement distinct de celui d'OpenAI, Anthropic ou Google.

Cet article présente les faits confirmés sur Inkling, son architecture, ses performances annoncées, et la question centrale pour les PME/ETI : cette promesse de fine-tuning accessible tient-elle face aux alternatives existantes ?

L'équipe derrière Inkling : Murati, Schulman, Zoph

Thinking Machines Lab a été fondée en février 2025 avec une équipe issue des principales labos IA mondiaux :

Mira Murati : ancienne CTO d'OpenAI, où elle a supervisé le lancement de GPT-4, DALL-E 3, Codex et l'intégration de ChatGPT. Elle a quitté OpenAI en octobre 2024 pour cofonder Thinking Machines.
John Schulman : cofondateur d'OpenAI et un des architectes de la technique RLHF (Reinforcement Learning from Human Feedback), qui a fondamentalement amélioré l'alignement des LLM.
Barret Zoph : ancien vice-président de la recherche IA chez Google DeepMind, connu pour ses travaux sur l'architecture des transformers et le scaling.

Le lab a levé 2 milliards de dollars en seed à une valorisation de 12 milliards de dollars avant même d'avoir sorti le moindre produit — un record pour un financement initial en IA générative. Cette capacité de financement témoigne de la crédibilité de l'équipe, mais soulève aussi des attentes élevées sur la qualité des modèles à venir.

L'approche de Thinking Machines diffère explicitement de celle de ses anciens employeurs : plutôt qu'un modèle universel fermé, le lab mise sur des modèles spécialisables, ouverts et adaptables aux besoins précis de chaque organisation. C'est une thèse qui rejoint celle défendue par Mistral en Europe.

Architecture : MoE 975 B, 45 T tokens, multimodal

Inkling repose sur une architecture Mixture-of-Experts (MoE) transformer avec les caractéristiques suivantes :

975 milliards de paramètres totaux, avec 41 milliards de paramètres actifs par token. Seule une fraction des experts est activée à chaque inférence, ce qui maintient la puissance d'un très grand modèle avec un coût de calcul maîtrisé.
45 billions de tokens d'entraînement : texte, images, audio et vidéo. La nature multimodale native est un différenciateur important — la plupart des modèles open-weight de cette taille ne gèrent que le texte, ou ajoutent la vision en module séparé.
1 million de tokens de contexte : fenêtre étendue permettant l'analyse de longs documents, de bases de code volumineuses ou de transcriptions longues en une seule passe.
Conçu pour le fine-tuning : l'architecture et les poids sont optimisés pour être fine-tunés efficacement — c'est un choix délibéré d'ingénierie, pas un simple avantage marginal.

Le fait que le modèle ait été entraîné sur de l'audio et de la vidéo en plus du texte et des images le distingue des autres modèles open-weight disponibles à ce jour. En pratique, cela ouvre des cas d'usage comme l'analyse de transcriptions de réunions, le traitement de vidéos de formation, ou l'indexation de contenus audio/vidéo dans des bases documentaires.

Open-weight sur Hugging Face et fine-tuning via Tinker

Les poids d'Inkling sont disponibles dès aujourd'hui sur Hugging Face, sans restriction d'accès. Toute équipe technique peut télécharger le modèle, le déployer sur son infrastructure et l'inférer sans payer de token à Thinking Machines. Pour les PME avec une infrastructure GPU ou un accès cloud, c'est un point d'entrée très accessible.

Thinking Machines propose également Tinker, une plateforme de fine-tuning cloud dédiée à Inkling. Tinker permet de :

Charger vos propres données d'entraînement (documents internes, transcriptions, exemples métier) sans les envoyer à un fournisseur tiers opaque.
Lancer un fine-tuning supervisé ou RLHF sans expertise ML interne avancée.
Déployer le modèle fine-tuné via une API privée ou en export local.

Ce schéma — modèle open-weight + plateforme de fine-tuning propre — rappelle l'approche de Mistral AI avec ses modèles et sa La Plateforme. La différence est la multimodalité native et la taille du modèle (975 B vs les modèles Mistral entre 7 B et 141 B au sens large). Pour les outils internes sur mesure qui doivent s'adapter au vocabulaire et aux processus de votre entreprise, ce type d'architecture est particulièrement adapté. Notre équipe accompagne ce type d'intégration dans le cadre de projets d'automatisation métier.

Positionnement et performances : honnêteté du lab

Un point notable dans la communication de Thinking Machines : le lab n'affirme pas qu'Inkling est le meilleur modèle disponible. TechCrunch et Bloomberg rapportent que le lab reconnaît explicitement qu'Inkling n'est pas le modèle le plus fort sur les évaluations globales, mais qu'il représente la meilleure base open-weight pour la personnalisation — en combinant multimodalité native, taille significative et conception fine-tuning-first.

Cette honnêteté est un signal positif pour une évaluation rigoureuse. Sur les benchmarks disponibles au 15 juillet 2026 :

Les performances générales d'Inkling se situent en dessous des modèles frontier fermés comme Fable 5, GPT-5.6 ou Kimi K3.
Le lab positionne Inkling au-dessus de Llama 4 sur les tâches multimodales, notamment grâce à l'entraînement sur audio et vidéo.
Les résultats de fine-tuning sur des domaines spécifiques montrent une amélioration significative par rapport aux performances base, confirmant la thèse de personnalisation.

Pour les PME, la vraie question n'est pas la performance brute d'Inkling face à Fable 5, mais sa performance après fine-tuning sur vos données métier. Un modèle 975 B fine-tuné sur vos processus internes peut surpasser un modèle frontier généraliste sur vos tâches spécifiques — c'est la promesse fondamentale que l'open-weight rend possible, comme l'illustre notre guide sur comment fonctionne le RAG pour des cas analogues.

Cas d'usage concrets pour les PME/ETI

Inkling est particulièrement adapté à plusieurs scénarios concrets rencontrés en entreprise :

1. Base documentaire interne avec contexte long

La fenêtre de 1 million de tokens permet d'indexer et d'interroger des corpus documentaires volumineux (manuels techniques, bases légales, historiques de tickets) directement dans le modèle. Couplé à du fine-tuning sur vos documents internes, le résultat est un assistant documentaire fortement contextualisé à votre domaine.

2. Traitement de transcriptions et de vidéos

L'entraînement natif sur audio et vidéo ouvre des cas d'usage difficiles à traiter avec des modèles texte-only : résumé automatique de réunions enregistrées, indexation de formations vidéo, extraction d'informations depuis des entretiens ou des appels clients.

3. Agent interne fine-tuné sur vos processus

En fine-tunant Inkling via Tinker sur vos procédures métier, emails types ou bases de connaissance, vous obtenez un agent aligné sur votre organisation. Contrairement à un chatbot connecté à GPT ou Fable 5, ce modèle ne requiert pas de prompt engineering complexe pour respecter vos conventions — il les a apprises à l'entraînement.

4. Déploiement souverain sans abonnement par token

Une fois les poids téléchargés et le fine-tuning effectué, l'inférence peut être entièrement on-premise. Vos données ne quittent plus votre infrastructure, le coût est celui de votre calcul propre, et vous n'êtes plus dépendant de la disponibilité ou des variations tarifaires d'un fournisseur. Pour les données sensibles (RH, brevets, finances), c'est un argument décisif. Pour en savoir plus sur ce type de déploiement, consultez notre guide sur le LLM on-premise en entreprise. Pour un accompagnement sur mesure, contactez notre équipe.

FAQ — Inkling de Thinking Machines : Mira Murati publie le premier modèle open-weight 975 B fine-tunable sur vos données — la promesse tient-elle ?

Inkling est-il le modèle le plus performant sur le marché en juillet 2026 ?

Non, et Thinking Machines le reconnaît explicitement. Inkling n'est pas conçu pour dominer les benchmarks globaux face à Fable 5 ou GPT-5.6. Son avantage est d'être la meilleure base open-weight pour le fine-tuning multimodal disponible à ce jour — une proposition différente, ciblant les organisations qui veulent un modèle personnalisé plutôt qu'un généraliste externe.

Peut-on déployer Inkling en local sans envoyer de données à Thinking Machines ?

Oui. Les poids d'Inkling sont disponibles sur Hugging Face depuis le 15 juillet 2026. Vous pouvez télécharger les poids, déployer le modèle sur votre infrastructure GPU (on-premise ou cloud privé), et inférer sans aucun appel à une API externe. Aucune donnée ne quitte votre périmètre. La plateforme Tinker est optionnelle — elle facilite le fine-tuning dans le cloud Thinking Machines si vous ne disposez pas de l'infrastructure en interne.

Quelle est la différence entre Inkling et les modèles Mistral Large ou Llama 4 ?

Les différences principales sont : (1) la multimodalité native sur texte, images, audio et vidéo — Mistral et Llama gèrent essentiellement le texte et les images ; (2) la taille (975 B paramètres totaux, 41 B actifs) — supérieure aux modèles Mistral disponibles publiquement ; (3) l'écosystème Tinker dédié au fine-tuning. En contrepartie, Inkling est moins mature que Llama 4 (moins de retours communautaires) et ses benchmarks généraux sont en dessous de Fable 5.

Combien coûte l'utilisation d'Inkling via l'API Thinking Machines ?

Thinking Machines n'a pas encore publié de grille tarifaire officielle pour l'accès API à Inkling à la date de cet article. Le modèle est disponible gratuitement en open-weight sur Hugging Face. L'accès via Tinker (fine-tuning et API managée) sera proposé selon des modalités à préciser — à surveiller sur le site officiel de Thinking Machines.

Quel matériel est nécessaire pour faire tourner Inkling en local ?

Un modèle MoE avec 41 B paramètres actifs requiert moins de ressources qu'un modèle dense de même taille totale. À titre indicatif, des configurations de 4 à 8 GPU A100 (80 Go) sont typiquement suffisantes pour une inférence fluide à cette densité d'activation. Des techniques de quantisation (4-bit, 8-bit via llama.cpp, vLLM ou HuggingFace Transformers) peuvent réduire significativement les besoins mémoire au prix d'une légère perte de qualité.

Thinking Machines est-elle fiable sur la durée — risque startup à considérer ?

Thinking Machines a levé 2 milliards de dollars en seed à une valorisation de 12 milliards avant tout produit — un financement qui lui confère une runway confortable. L'équipe fondatrice (Murati, Schulman, Zoph) est parmi les plus reconnues du secteur IA. La publication d'Inkling en open-weight réduit le risque de dépendance : même si la startup disparaissait, les poids téléchargés resteraient opérationnels dans votre infrastructure.

Inkling de Thinking Machines : Mira Murati publie le premier modèle open-weight 975 B fine-tunable sur vos données — la promesse tient-elle ?