IA—ction dévoile les 7 lauréats de sa première edition

baCta ambitionne d’accompagner la transition écologique de l’industrie agroalimentaire grâce à l’IA et à la biologie de synthèse.

Sa plateforme de bio-production permet de concevoir, via fermentation microbienne et modélisation intelligente, des ingrédients durables destinés aux industriels. En optimisant des micro-organismes capables de produire des molécules complexes à grande échelle, baCta propose une alternative bas-carbone aux procédés pétrochimiques traditionnels. Un projet où la puissance de calcul joue un rôle clé pour explorer, simuler et accélérer la conception biologique.

Caiman développe des modèles d’IA appliqués à l’imagerie médicale en oncologie, avec l’ambition d’améliorer la détection de biomarqueurs sur des images non annotées.

Leur approche répond à un double défi : accroître la précision diagnostique tout en renforçant l’explicabilité des résultats pour les équipes cliniques. L’entraînement de ces modèles profonds, sensibles à la qualité et à la diversité des données, repose sur une capacité de calcul massive, indispensable pour atteindre des niveaux de performance compatibles avec les usages médicaux.

Matricis développe le premier modèle d’IA de confiance spécifiquement dédié à la gynécologie. Leur technologie vise à assister les radiologues dans l’interprétation d’images complexes, en renforçant la détection précoce et la précision diagnostique. Pour atteindre des performances fiables et cliniquement robustes, l’entraînement des modèles nécessite d’importantes ressources GPU et une maîtrise rigoureuse des environnements de calcul.

En s’attaquant à un domaine médical exigeant, Matricis mise sur la puissance de calcul pour garantir sécurité, fiabilité et conformité réglementaire.

Praxy.ai développe des modèles d’IA souveraine conçus pour accompagner les professionnels de santé. Leur technologie vise à optimiser les processus médicaux tout en garantissant sécurité, conformité et protection des données sensibles. Les applications nécessitent des modèles robustes, entraînés sur de larges jeux de données complexes, nécessitant ainsi un environnement HPC performant.

Praxy.ai s’inscrit dans une stratégie de souveraineté numérique forte, répondant à la demande croissante d’outils IA fiables, explicables et adaptés aux contraintes du monde médical.

Raidium s’attaque à l’entraînement d’un modèle de fondation multimodal dédié à la radiologie, combinant vision, texte et données cliniques. En développant des architectures capables d’interpréter différents types d’informations médicales simultanément, l’entreprise vise à améliorer la précision des diagnostics et la pertinence des recommandations. Ces modèles de grande taille nécessitent d’importantes ressources GPU, tant pour l’entraînement initial que pour les phases continues d’optimisation.

Raidium positionne ainsi le HPC comme ressource stratégique pour une IA médicale de nouvelle génération.

Replico conçoit des jumeaux numériques inspirés du système nerveux périphérique, combinant biomimétisme et intelligence artificielle. Ce type de modélisation, qui implique des dynamiques biologiques fines et non linéaires, nécessite des simulations computationnelles intensives pour reproduire les comportements réels. La start-up s’appuie sur le HPC pour accélérer ses expérimentations, valider ses hypothèses et itérer rapidement sur des modèles complexes.

Replico ouvre ainsi la voie à de nouvelles applications biomédicales et scientifiques.

Sonaide entraîne des modèles de deep learning spécialisés dans l’analyse et la détection de signaux sonores pour des applications santé. Ces réseaux doivent interpréter des données audio complexes, souvent bruitées, tout en garantissant précision et réactivité. L’entraînement de transformeurs temporels et de modèles acoustiques avancés requiert une puissance GPU importante pour atteindre des performances temps réel.

Grâce au HPC, Sonaide développe des outils capables de détecter précocement des signaux critiques via l’écoute numérique.