Que sont les Large Quantitative Models (LQMs) ?

Les Large Quantitative Models (LQMs) constituent une catégorie d’IA fondamentalement différente des Large Language Models (LLMs) qui alimentent les chatbots comme ChatGPT ou Gemini. Selon SandboxAQ, les LQMs sont une « IA ancrée dans le monde physique » .

En quoi les LQM diffèrent-ils des LLM ?

Les différences portent sur trois aspects : les données d’entraînement, l’objectif et le type de résultat.

Données et apprentissage. Les LLM sont entraînés sur des textes issus d’Internet (livres, articles, conversations) pour comprendre et générer du langage humain. Les LQM, eux, sont entraînés sur des données quantitatives et les lois fondamentales de la physique, de la chimie et des mathématiques . SandboxAQ les décrit comme des modèles bâtis sur des données numériques structurées, et non sur du texte .

Objectif. Les LLM optimisent la compréhension et la génération de langage – prédire le mot suivant dans une phrase, résumer un document. Les LQM optimisent des objectifs quantitatifs précis, comme prédire les propriétés d’un matériau, le comportement chimique d’une molécule ou des indicateurs de risque financier .

Résultat. Les LLM produisent du texte, des résumés, des dialogues. Les LQM produisent des prédictions, simulations et insights d’ingénierie ancrés dans la réalité physique . Comme l’explique SandboxAQ, là où un LLM peut décrire une réaction chimique, un LQM peut la simuler .

Jack Hidary, PDG de SandboxAQ, estime que les LQM éclipseront les LLM dans des secteurs comme la pharmacie, les matériaux, l’énergie et la finance . L’entreprise insiste sur le fait que les LQM ne remplacent pas les LLM mais les complètent : les LLM gèrent l’interaction humaine, les LQM la précision quantitative .

Quels modèles sont proposés ?

SandboxAQ propose dans un premier temps deux produits LQM via le Google Cloud Marketplace :

• AQCat (découverte de matériaux) – sera disponible en premier
• AQPotency (découverte de médicaments) – suivra après AQCat

Les deux sont accessibles via le Marketplace. SandboxAQ a également rendu ses LQM accessibles via les principaux LLM, permettant aux chercheurs de les interroger en langage naturel via des interfaces qu’ils connaissent déjà .

Qu’est-ce que la suite Gemini for Science ?

Gemini for Science n’est pas un modèle unique. Il s’agit d’une suite d’outils expérimentaux d’IA annoncée par Google à l’I/O 2026 (19-20 mai 2026), conçue pour accélérer la méthode scientifique . On peut la considérer comme une « couche d’orchestration » pour la recherche scientifique .

Gemini for Science regroupe trois piliers :

• Génération d’hypothèses (Hypothesis Generation) – bâtie sur Co-Scientist, une équipe d’agents IA qui collaborent pour générer, débattre et évaluer des hypothèses de recherche. Google a publié le jour même un article dans Nature validant l’approche .
• Découverte computationnelle (Computational Discovery) – bâtie sur AlphaEvolve et ERA (Empirical Research Assistance). Selon les benchmarks publiés au lancement, ERA aurait surpassé le modèle de prévision du CDC pour les maladies infectieuses .
• Analyse de la littérature (Literature Insights) – bâtie sur NotebookLM, offrant une synthèse automatique de la littérature et une analyse des recherches .

Gemini for Science inclut également Science Skills, une couche séparée dans Google Antigravity qui se connecte à plus de 30 bases de données en sciences de la vie .

Les outils expérimentaux sont accessibles via Google Labs à l’adresse labs.google/science, avec un accès progressif à partir du lancement .

Logique commerciale du partenariat

Pour Google Cloud : les LQM de SandboxAQ représentent une nouvelle catégorie de charge de travail à haute valeur ajoutée – l’IA scientifique et quantitative – qui stimule la consommation du cloud. Google Cloud se dote ainsi d’un produit différencié et de qualité professionnelle, aux côtés de ses modèles Gemini polyvalents, se positionnant comme le fournisseur d’infrastructure pour la « découverte scientifique native IA » .

Pour SandboxAQ : le Google Cloud Marketplace offre un accès immédiat à la vaste base de clients professionnels de Google, un canal d’achat et de facturation fiable, et une infrastructure scalable – incluant l’intégration avec NVIDIA DGX Cloud sur Google Cloud . SandboxAQ, spin-off d’Alphabet désormais valorisée à 5 milliards de dollars, approfondit ainsi une relation commerciale naturelle .

Ce que l’inscription au Marketplace signifie pour l’IA scientifique

C’est une étape commerciale pour l’IA scientifique. C’est la première fois que des Large Quantitative Models spécialisés – une catégorie distincte des LLM généralistes – sont disponibles via un grand Marketplace cloud avec des processus d’achat, de facturation et de sécurité professionnels .

Cela signale que l’IA scientifique passe des laboratoires et des déploiements sur mesure à une catégorie de produit standardisée et commerciale que les entreprises peuvent acheter « sur étagère ». Jack Hidary, PDG de SandboxAQ, a déclaré que les LQM éclipseront les LLM dans des secteurs comme la pharmacie, les matériaux, l’énergie et la finance ; la disponibilité sur Marketplace est l’infrastructure qui rend cette transition possible.

Points clés à retenir

• Les LQM sont entraînés sur la physique, la chimie et les mathématiques – pas sur du texte – et optimisent les prédictions quantitatives plutôt que la génération de langage.
• AQCat (matériaux) et AQPotency (médicaments) sont les deux premiers modèles LQM disponibles sur le Google Cloud Marketplace.
• Gemini for Science est une suite d’orchestration, pas un modèle unique, regroupant Co-Scientist, AlphaEvolve, ERA et NotebookLM.
• Le partenariat fait de Google Cloud l’épine dorsale infrastructurelle de l’IA scientifique tout en offrant à SandboxAQ une distribution professionnelle.
• L’inscription au Marketplace représente la première fois que des LQM spécialisés sont disponibles via un canal d’achat cloud professionnel.

Que sont les Large Quantitative Models (LQMs) ?

Les Large Quantitative Models (LQMs) constituent une catégorie d’IA fondamentalement différente des Large Language Models (LLMs) qui alimentent les chatbots comme ChatGPT ou Gemini. Selon SandboxAQ, les LQMs sont une « IA ancrée dans le monde physique » .

En quoi les LQM diffèrent-ils des LLM ?

Les différences portent sur trois aspects : les données d’entraînement, l’objectif et le type de résultat.

Données et apprentissage. Les LLM sont entraînés sur des textes issus d’Internet (livres, articles, conversations) pour comprendre et générer du langage humain. Les LQM, eux, sont entraînés sur des données quantitatives et les lois fondamentales de la physique, de la chimie et des mathématiques . SandboxAQ les décrit comme des modèles bâtis sur des données numériques structurées, et non sur du texte .

Objectif. Les LLM optimisent la compréhension et la génération de langage – prédire le mot suivant dans une phrase, résumer un document. Les LQM optimisent des objectifs quantitatifs précis, comme prédire les propriétés d’un matériau, le comportement chimique d’une molécule ou des indicateurs de risque financier .

Résultat. Les LLM produisent du texte, des résumés, des dialogues. Les LQM produisent des prédictions, simulations et insights d’ingénierie ancrés dans la réalité physique . Comme l’explique SandboxAQ, là où un LLM peut décrire une réaction chimique, un LQM peut la simuler .

Jack Hidary, PDG de SandboxAQ, estime que les LQM éclipseront les LLM dans des secteurs comme la pharmacie, les matériaux, l’énergie et la finance . L’entreprise insiste sur le fait que les LQM ne remplacent pas les LLM mais les complètent : les LLM gèrent l’interaction humaine, les LQM la précision quantitative .

Quels modèles sont proposés ?

SandboxAQ propose dans un premier temps deux produits LQM via le Google Cloud Marketplace :

• AQCat (découverte de matériaux) – sera disponible en premier
• AQPotency (découverte de médicaments) – suivra après AQCat

Les deux sont accessibles via le Marketplace. SandboxAQ a également rendu ses LQM accessibles via les principaux LLM, permettant aux chercheurs de les interroger en langage naturel via des interfaces qu’ils connaissent déjà .

Qu’est-ce que la suite Gemini for Science ?

Gemini for Science n’est pas un modèle unique. Il s’agit d’une suite d’outils expérimentaux d’IA annoncée par Google à l’I/O 2026 (19-20 mai 2026), conçue pour accélérer la méthode scientifique . On peut la considérer comme une « couche d’orchestration » pour la recherche scientifique .

Gemini for Science regroupe trois piliers :

• Génération d’hypothèses (Hypothesis Generation) – bâtie sur Co-Scientist, une équipe d’agents IA qui collaborent pour générer, débattre et évaluer des hypothèses de recherche. Google a publié le jour même un article dans Nature validant l’approche .
• Découverte computationnelle (Computational Discovery) – bâtie sur AlphaEvolve et ERA (Empirical Research Assistance). Selon les benchmarks publiés au lancement, ERA aurait surpassé le modèle de prévision du CDC pour les maladies infectieuses .
• Analyse de la littérature (Literature Insights) – bâtie sur NotebookLM, offrant une synthèse automatique de la littérature et une analyse des recherches .

Gemini for Science inclut également Science Skills, une couche séparée dans Google Antigravity qui se connecte à plus de 30 bases de données en sciences de la vie .

Les outils expérimentaux sont accessibles via Google Labs à l’adresse labs.google/science, avec un accès progressif à partir du lancement .

Logique commerciale du partenariat

Pour Google Cloud : les LQM de SandboxAQ représentent une nouvelle catégorie de charge de travail à haute valeur ajoutée – l’IA scientifique et quantitative – qui stimule la consommation du cloud. Google Cloud se dote ainsi d’un produit différencié et de qualité professionnelle, aux côtés de ses modèles Gemini polyvalents, se positionnant comme le fournisseur d’infrastructure pour la « découverte scientifique native IA » .

Pour SandboxAQ : le Google Cloud Marketplace offre un accès immédiat à la vaste base de clients professionnels de Google, un canal d’achat et de facturation fiable, et une infrastructure scalable – incluant l’intégration avec NVIDIA DGX Cloud sur Google Cloud . SandboxAQ, spin-off d’Alphabet désormais valorisée à 5 milliards de dollars, approfondit ainsi une relation commerciale naturelle .

Ce que l’inscription au Marketplace signifie pour l’IA scientifique

C’est une étape commerciale pour l’IA scientifique. C’est la première fois que des Large Quantitative Models spécialisés – une catégorie distincte des LLM généralistes – sont disponibles via un grand Marketplace cloud avec des processus d’achat, de facturation et de sécurité professionnels .

Cela signale que l’IA scientifique passe des laboratoires et des déploiements sur mesure à une catégorie de produit standardisée et commerciale que les entreprises peuvent acheter « sur étagère ». Jack Hidary, PDG de SandboxAQ, a déclaré que les LQM éclipseront les LLM dans des secteurs comme la pharmacie, les matériaux, l’énergie et la finance ; la disponibilité sur Marketplace est l’infrastructure qui rend cette transition possible.

Points clés à retenir

• Les LQM sont entraînés sur la physique, la chimie et les mathématiques – pas sur du texte – et optimisent les prédictions quantitatives plutôt que la génération de langage.
• AQCat (matériaux) et AQPotency (médicaments) sont les deux premiers modèles LQM disponibles sur le Google Cloud Marketplace.
• Gemini for Science est une suite d’orchestration, pas un modèle unique, regroupant Co-Scientist, AlphaEvolve, ERA et NotebookLM.
• Le partenariat fait de Google Cloud l’épine dorsale infrastructurelle de l’IA scientifique tout en offrant à SandboxAQ une distribution professionnelle.
• L’inscription au Marketplace représente la première fois que des LQM spécialisés sont disponibles via un canal d’achat cloud professionnel.