Cette start-up suisse lève 16 millions pour son IA spécialisée dans les phénomènes naturels
La start-up zurichoise Jua a récemment levé 16 millions de dollars pour élaborer un modèle IA innovant, destiné à analyser et prédire les phénomènes naturels, à commencer par les événements météorologiques.
Jua, une start-up basée à Zurich, a levé 16 millions de dollars dans le but de développer un modèle d'intelligence artificielle (IA) axé sur le monde naturel, rapporte Techcrunch. La jeune pousse, dont la technologie se trouve à un stade précoce de développement, se concentre dans un premier temps sur la prédiction de modèles météorologiques. La levée de fonds a été menée conjointement par 468 Capital et Green Generation Fund, avec la participation de plusieurs autres investisseurs dont InnoSuisse. Jua avait déjà levé 2,5 millions d’euros à l'automne 2022.
Andreas Brenner, PDG et cofondateur de Jua, confie à Techcrunch que le changement climatique et la volatilité géopolitique créent un besoin urgent de modèles prédictifs plus précis, particulièrement dans des secteurs tels que l'énergie, l'agriculture, les transports et les services gouvernementaux. La firme zurichoise ambitionne de construire un modèle fondamental pour le monde naturel qui serait plus vaste et intégrerait davantage de données que des modèles existants tels que GraphCast de Google DeepMind ou FourCastNet de Nvidia. L’objectif est en outre de réduire les coûts opérationnels grâce à un système nécessitant 10 000 fois moins de ressources informatiques que les systèmes existants. Le modèle de Jua, incorporant des données diverses telles que les images satellites et la topographie, s'appuie sur environ 5 pétaoctets de données d'entraînement.
Le modèle de Jua vise à jeter les bases d'une compréhension plus large du monde physique, avec des implications potentielles dans divers domaines allant de la science des matériaux à la biomédecine. Sur son site web, la jeune pousse helvétique présente différents cas d’usage pour sa technologie en développement. Par exemple, pour le secteur de l’énergie, l'amélioration des prévisions de puissance et de demande en fonction des conditions météorologiques. Ou encore l’identification précoce et proactive des événements météorologiques majeurs, tels que les tempêtes ou les baisses de température significatives.
