Sakana AI lance Fugu, le système multi-modèle qui apprend à coordonner ses IA

Un labo tokyoïte qui parie sur la coordination apprise

Sakana AI, le laboratoire de recherche fondé en 2023 à Tokyo par David Ha (ancien directeur de Google Brain), Llion Jones (co-auteur du papier fondateur « Attention is All You Need ») et Ren Ito, vient de passer à l'étape commerciale. Après une beta publique ouverte en avril 2026, le framework Fugu est disponible officiellement depuis le 22 juin 2026 via une API compatible OpenAI. La promesse : accéder à plusieurs modèles IA spécialisés en automatisation et intelligence artificielle comme s'il s'agissait d'un seul interlocuteur.

Ce positionnement n'est pas anodin. Là où la plupart des systèmes multi-agents vous demandent de coder vous-même la logique de coordination, Fugu l'apprend. Concrètement, c'est un système multi-modèle : il combine dynamiquement plusieurs LLMs frontier de fournisseurs différents (OpenAI, Anthropic, Google…) et décide à chaque requête lequel ou lesquels mobiliser, sans workflow figé. La couche d'orchestration est elle-même un modèle entraîné, pas une suite de règles codées en dur.

TRINITY et Conductor : deux coordinateurs qui ont appris à déléguer

Fugu repose sur deux briques scientifiques acceptées à la conférence de recherche en IA ICLR 2026. La première, TRINITY, est un coordinateur évolutionnaire de 0,6 milliard de paramètres. Il attribue à chaque agent l'un des trois rôles disponibles : Thinker (raisonnement), Worker (exécution) ou Verifier (vérification indépendante). Sa particularité tient à sa compacité : il gère la coordination sans consommer la majorité de la capacité de calcul.

La deuxième brique, Conductor, est un orchestrateur de 7 milliards de paramètres entraîné par renforcement. Il découvre des stratégies de coordination en langage naturel et peut se désigner lui-même comme agent Worker, créant ainsi des topologies récursives. Cette propriété permet de scaler la performance au moment de l'inférence, sans réentraînement.

Concrètement, pour une tâche complexe (analyse de sécurité, compétition Kaggle de plusieurs heures, recherche scientifique automatisée), Fugu Ultra peut mobiliser plusieurs agents frontier de différents fournisseurs et les faire travailler en parallèle ou en séquence, selon ce que Conductor juge optimal. Les utilisateurs peuvent aussi exclure certains fournisseurs pour des raisons de conformité ou de confidentialité, ce que peu de solutions d'orchestration offrent nativement.

Des chiffres qui méritent qu'on s'y arrête

Sakana AI publie ses benchmarks sur la page produit officielle, et ils sont frappants. Sur SWE-Bench Pro, qui mesure la capacité à résoudre des tickets GitHub réels en ingénierie logicielle, Fugu Ultra atteint 73,7 %, contre 69,2 % pour Claude Opus 4.8, dont nous avions détaillé les performances à son lancement, 58,6 % pour GPT 5.5 et 54,2 % pour Gemini 3.1 Pro. La version standard de Fugu, elle, plafonne à 59,0 %, juste devant GPT 5.5 : l'écart de 14,7 points avec Fugu Ultra mesure ce que rapporte le calcul supplémentaire à l'inférence. Sur LiveCodeBench, Fugu Ultra atteint 93,2 % ; sur GPQA-Diamond, 95,5 %.

Ces scores sont obtenus en combinant des modèles frontier existants, pas en entraînant un nouveau méga-modèle. C'est là le pari de Sakana AI : le prochain gain de performance ne viendra pas d'un modèle plus grand, mais d'une meilleure coordination entre modèles. David Ha, CEO du laboratoire, positionne les modèles d'orchestration comme la prochaine frontière, au-delà de la simple course à la taille des modèles.

Cette approche fait écho à ce qu'on observe avec d'autres modèles frontier lancés récemment. GPT-5, par exemple, pousse lui aussi la logique de raisonnement vers des architectures composites. La course ne se joue plus uniquement sur le nombre de paramètres, mais sur la façon dont les capacités sont organisées et déclenchées à la volée.

Ce que Fugu change (et ce qu'il ne change pas encore)

Fugu existe en deux variantes. La version standard convient aux tâches quotidiennes de code et de chat. Fugu Ultra, taillée pour des sessions longues, est facturée 5 USD par million de tokens en entrée et 30 USD en sortie, ou via des abonnements mensuels.

Une limite concrète à signaler pour les équipes françaises et européennes : Fugu n'est pas encore disponible dans l'Union européenne ni dans l'Espace économique européen. La conformité RGPD est en cours. Les équipes qui souhaitent travailler dès maintenant avec des agents IA auto-orchestrés devront donc patienter ou passer par une infrastructure tierce hébergée hors EEE.

Pour les développeurs qui travaillent déjà avec des outils d'agents, la compatibilité API OpenAI simplifie l'intégration. Là où Hermes Agent, qui s'installe en local en quelques minutes, offre une orchestration locale et pilotable, Fugu s'inscrit dans une logique cloud multi-provider avec coordination apprise. Les deux approches répondent à des besoins différents : souveraineté et contrôle fin d'un côté, scalabilité et performance brute de l'autre.