ChatGPT invente des faits. Gemini confabule des sources. Tous les grands modèles d’IA actuels se trompent parfois — et personne ne sait vraiment quand. Une jeune entreprise a décidé de repartir de zéro pour régler ce problème une fois pour toutes. Voici comment, et pourquoi ça change tout.
Divulgation : Proactive Risk Management est mon client. Permion est un partenaire stratégique associé à PARMINC. Ce billet reflète ma lecture sincère et indépendante de leur technologie, mais vous méritez de le savoir dès le départ. – Michelle Blanc –
L’IA ment. Tout le monde le sait. Personne ne l’a vraiment réglé.
En 2023, un avocat américain a soumis un mémoire à la Cour suprême en s’appuyant sur des jugements trouvés avec ChatGPT. Problème : ces jugements n’avaient jamais existé. L’IA les avait inventés de toutes pièces, avec des dates, des noms de juges, des numéros de dossiers — tout faux. L’avocat a failli perdre sa licence.
Ce n’est pas une erreur isolée. C’est une caractéristique fondamentale de tous les grands modèles de langage actuels — ChatGPT, Gemini, Claude et tous les autres. Ces systèmes ne « savent » pas vraiment les choses. Ils font des statistiques sur des milliards de mots et produisent ce qui semble le plus plausible. La plupart du temps, c’est juste. Parfois, c’est faux. Et le système lui-même ne fait pas la différence.
On appelle ça des hallucinations — le terme technique pour désigner ces moments où un modèle d’IA génère avec aplomb une information fausse, inventée de toutes pièces, comme si elle était vraie. Et malgré des années d’efforts des plus grandes entreprises technologiques de la planète, le problème n’est toujours pas réglé. Parce que, selon Arun Majumdar, PDG de Permion, on s’est attaqué aux mauvais symptômes. Le vrai problème est bien plus profond.
L’ADN des processeurs : Comprendre l’ISA
Pour comprendre la solution de Permion, il faut saisir un concept technique fondamental que vous n’avez probablement jamais entendu : l’ISA, ou Instruction Set Architecture — qu’on traduit par Architecture d’Ensemble d’Instructions.
Imaginez que chaque processeur — la puce dans votre téléphone, votre ordinateur, ou les immenses centres de données qui font tourner ChatGPT — parle un langage maternel. Ce langage définit toutes les opérations élémentaires que la puce peut effectuer : additionner deux nombres, lire une case mémoire, comparer deux valeurs. Chaque instruction est soit juste, soit fausse. Vrai ou faux. Noir ou blanc. Il n’y a pas de « à peu près ». C’est ça, une ISA.
Les ISA de tous nos processeurs actuels — Intel, ARM, NVIDIA — ont été conçues il y a des décennies pour cette logique déterministe. Or l’IA fonctionne sur un principe fondamentalement différent : la probabilité. Un modèle de langage ne calcule pas la « bonne » réponse — il calcule la réponse la plus probable. Cette incompatibilité fondamentale entre le fonctionnement de l’IA et le langage des puces sur lesquelles elle tourne génère un gaspillage colossal — en énergie, en temps de calcul, et en fiabilité.
Arun Majumdar, fondateur de Permion, compare ça à construire une maison sur un terrain marécageux : vous pouvez poser le meilleur revêtement de plancher du monde, la maison va quand même s’affaisser. Le problème est dans les fondations — dans l’ISA — pas dans les finitions.
La thèse centrale de Permion est donc radicale : on ne peut pas créer une IA vraiment fiable en adaptant des ISA conçues pour autre chose. Il faut concevoir une ISA native pour l’IA, depuis zéro.
La neurosymbolique : Quand l’intuition rencontre la logique
Avant d’expliquer ce que Permion a construit, il faut comprendre le concept clé de leur approche : la neurosymbolique (ou neuro-symbolique). Le mot est intimidant, mais l’idée est remarquablement intuitive.
Pensez à deux types de collègues au travail. Le premier est intuitif et créatif — il reconnaît instantanément les patterns, fait des connexions inattendues, comprend le sous-texte d’une réunion. C’est ce que font les réseaux de neurones artificiels (le « neuro ») : percevoir, reconnaître, associer. Rapide et flexible, mais pas toujours rigoureux.
Le deuxième collègue est méthodique et précis. Quand il calcule un budget, il vérifie chaque chiffre. Quand il analyse un contrat, il lit chaque clause. Il ne devine pas — il démontre, étape par étape. C’est ce que fait le raisonnement symbolique (le « symbolique ») : appliquer des règles logiques formelles, vérifier la cohérence, prouver un résultat.
Les IA actuelles n’ont que le premier collègue. La neurosymbolique, c’est l’ambition de les mettre ensemble dans un seul système — une IA qui perçoit comme le créatif ET qui prouve comme le méthodique, les deux en dialogue permanent.
Ce n’est pas une idée nouvelle — les chercheurs y travaillent depuis des décennies. Permion prétend avoir résolu les problèmes techniques qui avaient jusqu’ici rendu cette fusion impraticable à grande échelle.
L’inspiration initiale est venue d’un grand théoricien de l’IA, Marvin Minsky, qui proposait dans les années 1980 un modèle du cerveau en deux parties : un « A-Brain » qui observe et apprend pendant que le « B-Brain » calcule et agit. Dès mai 2020 — deux ans et demi avant ChatGPT — Majumdar avait construit un premier prototype de machine virtuelle neurosymbolique fonctionnelle en s’inspirant directement de ce modèle.
Qui est Arun Majumdar, et pourquoi devrait-on le croire?
Arun Majumdar n’est pas un entrepreneur né de la vague ChatGPT. Il travaille sur ces questions depuis plus de vingt ans, en collaboration avec le Dr John F. Sowa — l’un des pionniers mondiaux de la logique conceptuelle appliquée à l’informatique, auteur de travaux qui ont fondé une partie de ce que l’IA moderne sait faire avec les graphes de connaissance. Ensemble, ils ont publié dans des revues de recherche évaluées par des pairs, développé des standards pour la communauté IA mondiale, et fondé Permion en 2018.
Quand l’équipe a lancé Permion publiquement en janvier 2023, elle avait accumulé 350 000 heures de développement avec son équipe pour construire son système depuis zéro — pas en adaptant un modèle existant, mais en repensant les fondations mêmes, ISA incluse.
Le XVM™ : Une machine virtuelle qui parle les deux langues
Le produit phare de Permion s’appelle XVM™, pour X-Machines Virtual Machine. Une machine virtuelle est un processeur logiciel — un ordinateur dans l’ordinateur — qui peut tourner sur pratiquement n’importe quelle puce existante : Intel, ARM, NVIDIA, Raspberry Pi, appareils militaires embarqués.
Le « X » renvoie aux X-Machines, un modèle mathématique formel inventé en 1974 pour décrire des systèmes qui ont non seulement des états (comme un feu de circulation qui passe du rouge au vert), mais aussi une mémoire et des transformations de données. Une X-Machine ne demande pas seulement « dans quel mode suis-je? » — elle demande « que sais-je, comment est-ce que je le mets à jour, et comment est-ce que j’agis sur cette base? »
Ce qui rend le XVM™ unique, c’est qu’il fusionne en natif — au niveau même de l’ISA — les deux modes de traitement : le moteur neural pour reconnaître les patterns dans les données brutes, et le moteur symbolique pour appliquer des règles logiques formelles et vérifier la cohérence. Ce n’est pas une surcouche ajoutée après coup. C’est inscrit dans l’ADN de la machine.
Résultat concret : chaque inférence — chaque réponse que le système produit — peut être accompagnée d’une chaîne de raisonnement vérifiable. Une preuve, au sens mathématique du terme. Comme un comptable qui ne vous donne pas seulement le total, mais vous montre chaque ligne du calcul. Ces preuves peuvent même être enregistrées sur une blockchain — rendant chaque décision de l’IA immuable, auditable, certifiable.
Les Smart Tokens : quand un token devient un pont intelligent
Un autre concept clé de la technologie Permion est celui des Smart Tokens. Pour comprendre leur importance, il faut d’abord savoir ce qu’est un token ordinaire.
Dans tous les modèles de langage actuels, le texte est découpé en tokens — des fragments qui peuvent être un mot complet, une syllabe, ou un morceau de mot. « Intelligence » peut devenir trois tokens : « Intel », « li », « gence ». Toute l’IA fait des statistiques sur ces fragments. Le problème : si les tokens ne représentent que du texte naturel, le système doit tout résoudre par des approximations probabilistes denses. C’est coûteux, lent, et c’est là que naissent les hallucinations.
Permion réinvente le token de fond en comble. Dans le XVM™, un Smart Token n’est pas un simple fragment de texte — c’est un pont intelligent entre la perception neurale et le raisonnement symbolique. Un Smart Token peut encoder non seulement du texte, mais aussi des opérateurs logiques, des contraintes, des références à des bases de données externes, des appels de fonctions, des règles de gouvernance.
L’effet pratique est puissant : quand un Smart Token encode une référence à un module symbolique, le système route cette partie du travail vers un calcul discret et exact — beaucoup moins énergivore que de le faire traiter par le réseau neuronal dense. Moins de tokens traversent les couches d’attention coûteuses. L’énergie est économisée non pas en optimisant le modèle existant, mais en éliminant structurellement le travail superflu.
Le vrai problème énergétique de l’IA — et comment l’ISA l’attaque à la source
L’IA actuelle est une catastrophe énergétique. Entraîner un grand modèle de langage consomme autant d’électricité que plusieurs centaines de maisons pendant un an. Faire tourner ChatGPT pour des millions d’utilisateurs exige des centres de données dont la consommation rivalise avec celle de petites villes. Et cette demande explose.
Arun Majumdar a identifié quelque chose de contre-intuitif : dans les systèmes d’IA actuels, la majorité de l’énergie n’est pas dépensée à calculer — elle est dépensée à déplacer des données. De la mémoire vers le processeur, du processeur vers la mémoire, encore et encore. Un accès à la mémoire principale peut consommer des centaines de fois plus d’énergie qu’une simple addition. C’est comme si, pour faire une addition, vous deviez marcher jusqu’à l’autre bout de la ville pour aller chercher chaque chiffre.
C’est ce que les ingénieurs appellent l’impedance mismatch — le désaccord d’impédance — entre les workloads IA et les processeurs conçus pour autre chose. Tout l’effort de l’industrie pour rendre l’IA plus efficace (modèles plus petits, entraînement plus court, meilleur matériel) s’attaque aux symptômes. Permion attaque la cause : en concevant une ISA où la réduction d’énergie n’est pas un effort supplémentaire, mais une propriété native de l’architecture.
La philosophie de Permion se résume en une formule : « des tokens aux transistors ». Tout le système est co-conçu, du plus petit fragment de texte jusqu’à la puce physique. Et Permion travaille justement à fabriquer cette puce — ce serait la première puce d’IA neurosymbolique au monde.
Le clonage de l’expertise humaine : Préserver ce qui ne s’écrit pas
L’un des usages les plus fascinants — et les plus proches du quotidien des organisations — que Majumdar envisage pour le XVM™ est ce qu’il appelle le clonage de l’expertise humaine.
Voici le problème. Votre organisation a une ingénieure senior qui travaille chez vous depuis 28 ans. Elle connaît tous les fournisseurs, toutes les exceptions aux règles habituelles, tous les cas particuliers que les manuels n’expliquent pas. Elle sait pourquoi on ne commande jamais à ce fournisseur entre juillet et août, pourquoi ce client mérite toujours une remise exceptionnelle, comment interpréter cette clause d’une façon que même les avocats ont mis des années à comprendre. Et tout ça est dans sa tête. Nulle part ailleurs.
Ce type de connaissance tacite — ce que les humains savent sans pouvoir vraiment l’expliquer systématiquement — est ce que les LLM (Large Language Models, les modèles de langage comme ChatGPT) ne peuvent pas vraiment capturer. Parce que cette connaissance ne réside pas dans des documents. Elle se transmet par l’expérience, l’observation, les corrections informelles au fil du temps.
La technologie neurosymbolique de Permion s’attaque à ce défi autrement. En observant un expert en temps réel — pas seulement ce qu’il dit, mais comment il raisonne, quelles exceptions il fait et pourquoi — le XVM™ peut construire un modèle dynamique de son expertise, encodé en logique formelle du premier ordre (le niveau le plus rigoureux du raisonnement mathématique) et en graphes de connaissance. Un modèle qui peut être inspecté, mis à jour, transmis, et amélioré avec le temps. Une mémoire institutionnelle vivante — pas un PDF qui prend la poussière.
Des gouvernements du G7 croient en l’entreprise. Permion n’est pas une startup qui présente des diaporamas. Ses produits sont déjà déployés dans des environnements parmi les plus exigeants au monde.
L’entreprise a conclu des partenariats stratégiques avec plusieurs joueurs des infrastructures critiques pour déployer des solutions IA fiables dans des missions difficiles. Le XVM™ et le DSME™ (Digital Subject Matter Expert — un moteur de raisonnement IA pour l’analyse de données complexes multi-sources) sont disponibles sur le AWS Marketplace réservé à la communauté du gouvernement américain (ICMP) — un catalogue ultra-certifié d’Amazon Web Services, accessible uniquement aux agences gouvernementales vérifiées.
Et surtout : la technologie XVM™ fait partie du G7 GovAI Challenge — le défi G7 sur l’IA gouvernementale, une initiative des sept pays les plus industrialisés du monde pour identifier des solutions IA dignes de confiance pour les administrations publiques. Pour le Canada, qui cherche à développer une souveraineté numérique sérieuse en matière d’IA, c’est un signal à ne pas ignorer.
Conclusion : l’IA qui répond, et l’IA qui prouve
Toute l’IA que vous utilisez aujourd’hui est conçue pour être impressionnante. Permion a conçu une IA pour être fiable.
Ce n’est pas un gadget de plus. C’est un changement de paradigme complet — dans l’ISA, dans le design des tokens, dans l’architecture même de la façon dont une machine traite l’information. Passer d’une IA qu’on utilise prudemment, avec un regard critique permanent sur chaque output, à une IA dont on peut faire confiance aux conclusions de la même façon qu’on fait confiance à une calculatrice.
Arun Majumdar et son équipe ont fait un pari audacieux : ignorer les raccourcis, repartir de zéro, et bâtir les fondations que l’IA aurait dû avoir depuis le début. Après 350 000 heures de développement, des partenariats avec plusieurs gouvernements du G7, ils semblent avoir trouvé quelque chose que beaucoup croyaient impossible.
La vraie question n’est pas « L’IA est-elle intelligente? ». Elle est « L’IA peut-elle prouver qu’elle a raison? ». Permion a répondu oui — et l’architecture neurosymbolique du XVM™ en est la démonstration.
Pour le Québec et le Canada, qui cherchent à bâtir une souveraineté numérique sérieuse en matière d’IA, ce genre de technologie mérite qu’on s’y intéresse — avant que tout le monde l’ait déjà adoptée.
—
Note sur la rédaction : L’intelligence artificielle (Claude d’Anthropic) m’a assistée dans la recherche, la structuration et la rédaction de ce billet, à partir des sources primaires fournies. La sélection des sources, l’orientation éditoriale, les jugements exprimés et la validation du contenu sont les miens.
Sources : Articles LinkedIn d’Arun Majumdar (Permion) — « The Instruction Set Architecture of AI » (23 fév. 2026), « Human Expertise Cloning: The Permion Way » (6 fév. 2026), « Tokens to Transistors: XVM™ Energy Aware AI » (23 jan. 2026). The AI Morning Read (podcast Apple, 26 jan. 2026). G7 GovAI Challenge — Impact Canada.
Michelle Blanc, M.Sc. — michelleblanc.com
#IntelligenceArtificielle #Neurosymbolique #Permion #ISA #SmartTokens #TransformationNumérique #InnovationIA #SouverainetéNumérique
