Sentient Foundation recrute Julie Belião, vétérane de Mozilla AI, comme VP Produit pour construire des outils de provenance des modèles
Points clés
- •Sentient Foundation a nommé Julie Belião, ancienne VP Produit de Mozilla.ai et ingénieuse de Google comptant plus d'une décennie de travaux en IA multilingue, au poste de Vice-Présidente Produit.
- •La mission de Belião couvre l'auto-amélioration récursive et la provenance des modèles, avec pour objectif de construire des produits prouvant sur quoi un modèle d'IA a été entraîné et d'où il provient, Sentient indiquant qu'aucune preuve standard n'existe actuellement.
- •Chez Mozilla.ai, Belião a dirigé le plan open source de 61 dépôts et co-écrit en 2025 un article avec Mozilla et EleutherAI soutenant que les données d'entraînement de l'IA devraient être sous licence, bien documentées et d'origine clairement établie.
- •Le Fingerprinting Leaderboard de Sentient, lancé en octobre, a attaqué dix méthodes d'empreinte proposées et révélé que presque toutes pouvaient être vaincues sans dégrader le modèle, y compris sa propre méthode Perinucleus, qui avait placé 24 576 empreintes dans Llama-3.1-8B.
- •Cette nomination intervient alors que des tentatives d'extraction ont été rapportées : OpenAI a déjoué une campagne de distillation liée à des personnes proches de Moonshot AI, tandis qu'Anthropic a tracé plus de 16 millions de requêtes vers Claude provenant de trois laboratoires chinois utilisant environ 24 000 faux comptes.

Sentient Foundation a nommé Julie Belião, ancienne VP Produit de Mozilla.ai et ingénieuse chevronnée de Google, au poste de Vice-Présidente Produit. Belião dirigera les efforts de l'organisation à but non lucratif pour transformer ses recherches sur la preuve de l'origine des modèles d'IA en logiciels réellement utilisables par les développeurs.
Ce que Belião supervisera
Son périmètre couvre deux domaines : l'auto-amélioration récursive, c'est-à-dire des systèmes d'IA qui s'améliorent eux-mêmes, et la provenance des modèles. La fondation indique qu'il n'existe pas encore de méthode standard pour prouver sur quoi un modèle d'IA a été entraîné ni d'où il provient, et la mission de Belião est de construire des produits opérationnels capables de le faire.
Une décennie de travail open source et d'IA multilingue
Durant son passage chez Mozilla.ai, Belião a dirigé le plan open source de 61 dépôts et contribué à développer la communauté de développeurs de l'organisation. En 2025, elle a co-écrit "Towards Best Practices for Open Datasets for LLM Training" avec Mozilla et EleutherAI. La Mozilla Foundation la cite comme collaboratrice sur l'article aux côtés de la directrice exécutive d'EleutherAI, Stella Biderman, et de Mark Surman de Mozilla. L'article soutenait que les données d'entraînement de l'IA devraient être sous licence, bien documentées et d'origine clairement établie. Cette même prémisse — que l'origine doit être prouvable — est la question que son nouveau rôle pose désormais au niveau du modèle, là où Sentient affirme qu'aucune preuve standard n'existe actuellement.
Avant Mozilla, Belião a consacré plus de dix ans à l'IA multilingue, contribuant aux travaux sur les données vocales et linguistiques de Google Assistant, Google Translate et YouTube, tous des produits de Google (NASDAQ : GOOGL). Elle est titulaire d'un doctorat en informatique de l'Université Paris Nanterre.
Pourquoi la provenance des modèles d'IA compte désormais
Cette nomination intervient dans un contexte de série de tentatives rapportées d'extraction de capacités propriétaires de modèles. Fin septembre, OpenAI a déclaré avoir stoppé un effort coordonné visant à extraire le raisonnement étape par étape de ses modèles d'IA, liant cette campagne à des personnes proches de Moonshot AI, le créateur de Kimi. En février, Anthropic a rapporté que trois laboratoires chinois d'IA avaient envoyé plus de 16 millions de requêtes à son modèle Claude à l'aide d'environ 24 000 faux comptes, indiquant que ces laboratoires cherchaient à extraire les capacités de Claude. Anthropic a attribué plus de 3,4 millions de ces échanges à Moonshot.
Le problème persiste plus largement : lorsqu'un modèle est copié, affiné ou distillé dans un autre système, les acheteurs ne peuvent souvent pas savoir sur quoi il a été entraîné.
Sentient s'est attaquée à ce défi en octobre avec le lancement de son Fingerprinting Leaderboard, un test ouvert visant à déterminer si les méthodes de preuve de l'origine d'un modèle peuvent survivre à la copie, au fine-tuning et aux tentatives délibérées de suppression. Les chercheurs de Sentient ont construit des attaques contre dix méthodes d'empreinte proposées, et les résultats ont montré que presque toutes pouvaient être vaincues sans dégrader le modèle — y compris la méthode Perinucleus de Sentient elle-même, qui avait placé 24 576 empreintes dans Llama-3.1-8B.
« Le fingerprinting place la preuve à l'intérieur du modèle », a expliqué Sachi Kamiya, directrice venture et croissance de la fondation. Elle a comparé cette technique aux marques cachées utilisées par les peintres de la Renaissance pour revendiquer leur œuvre.
Ces recherches s'appuient sur les travaux OML de Sentient, sigle de Open-access, Monetizable, and Loyal AI Model Serving, menés avec l'Université de Princeton et l'Université de Washington. Le projet vise à permettre aux créateurs de partager des modèles ouverts tout en pouvant prouver ultérieurement leur propriété.
À propos de Sentient
Sentient a été lancée en février comme organisation à but non lucratif basée à Singapour, s'engageant à maintenir l'intelligence artificielle générale open source. En juin, elle a consacré 42 millions de dollars en subventions et investissements aux acteurs de l'open source. Ses projets, dont ROMA, OpenDeepSearch et ses travaux d'empreinte OML, ont accumulé plus de 12 500 étoiles GitHub, et des chercheurs de Google (NASDAQ : GOOGL), Microsoft (NASDAQ : MSFT) et Meta (NASDAQ : META) les ont cités.
Cette nomination constitue désormais un test de passage de la recherche au produit avec un critère d'évaluation façonné par Sentient elle-même : son classement d'octobre a révélé que presque toutes les méthodes d'empreinte proposées — y compris la sienne — pouvaient être vaincues, et la fondation affirme qu'il n'existe pas encore de méthode standard pour prouver sur quoi un modèle a été entraîné ni d'où il provient. Transformer ces recherches en produits de provenance opérationnels est le vide que Belião a été recrutée pour combler.
Source : Cryptopolitan