Ricursive Intelligence, une société spécialisée dans la conception de puces d’IA, vient de publier son premier modèle de langage ouvert. Ripple-65B Preview totalise 80,52 points sur TerminalBench 2.1, un banc d’essai de programmation en ligne de commande, soit, d’après l’entreprise, le meilleur résultat parmi les modèles ouverts américains. Facture annoncée pour l’ensemble de la recherche et du développement : 32 millions de dollars.
Un résultat de premier plan pour un budget modeste, en apparence. Les autres évaluations publiées par l’entreprise nuancent nettement le tableau.
Un score qui dépend de l’outillage autour du modèle
TerminalBench ne note pas un modèle seul. Il note un modèle placé dans un harness, c’est-à-dire l’environnement logiciel qui lui donne accès au terminal, lui renvoie les résultats de ses commandes et orchestre ses essais successifs. Pour Ripple, l’entreprise s’appuie tantôt sur Terminus 2, tantôt sur OpenCode.
Deux harness différents pour un seul score : ces 80,52 points mesurent un couple modèle plus outillage, pas une capacité brute qu’on retrouverait telle quelle dans son propre environnement. Un harness maison, une autre gestion du contexte, des délais d’exécution différents, et le résultat peut bouger.
Le périmètre de la comparaison est étroit, lui aussi : meilleur score parmi les modèles ouverts américains. Ce double filtre, géographique et de licence, se défend pour un public soucieux de souveraineté ou de conformité, mais il écarte du classement tous les autres modèles ouverts.
Trois autres tableaux, trois écarts avec Inkling 2 Small
Les chiffres publiés mettent Ripple face à un modèle concurrent, Inkling 2 Small, sur trois autres évaluations de code et d’agents :
- SWE-Bench Pro v2.0 Hard : 79,1 % pour Ripple, 86,3 % pour Inkling 2 Small, soit 7,2 points d’écart ;
- DeepSWE v1.1 : 44,3 % contre 72,1 %, soit 27,8 points d’écart ;
- MCP Atlas : 71,67 % contre environ 85 % (85,4 et 85,0 selon les deux mesures indiquées), soit près de 14 points.
L’écart sur DeepSWE est le plus lourd : avec 27,8 points, Ripple résout plus d’un tiers de tickets en moins que son rival. Le titre de record repose donc sur un seul banc d’essai, quand trois autres le contredisent dans la comparaison directe.
Un record sur TerminalBench indique que le modèle sait enchaîner des commandes dans un terminal. Il ne garantit ni la résolution de tickets logiciels complexes, ni la bonne utilisation d’outils via MCP (Model Context Protocol, le standard de connexion des agents à des outils externes). Pour un agent de code qui doit corriger un bug dans un dépôt réel, ces trois tests parlent peut-être davantage.
32 millions de dollars : ce que la facture englobe
La somme avancée par Ricursive couvre, selon l’entreprise, tous les frais de recherche et de développement, entraînement compris. Ce n’est donc pas le seul coût de calcul du pré-entraînement, ce qui rend la comparaison avec le budget d’autres laboratoires délicate : chacun découpe sa comptabilité différemment.
Un autre ordre de grandeur aide à situer l’effort : 12 000 milliards de tokens pour 65 milliards de paramètres, soit environ 185 tokens vus par paramètre. Le modèle a beaucoup lu pour sa taille, ce qui est une voie plus économique à l’usage que de gonfler le nombre de paramètres, puisque l’inférence coûte proportionnellement à la taille du modèle.
Trente-deux millions pour décrocher un titre sur un banc d’essai et rester derrière sur les autres, cela se lit comme un bon début plus que comme un aboutissement : le nom même du modèle, « Preview », le dit.
Dense, ouvert, taillé pour Nvidia : l’argument du déploiement
Ripple-65B Preview adopte une architecture Transformer dense, où tous les paramètres travaillent à chaque token, au lieu du mixture-of-experts (MoE) devenu courant, qui n’en active qu’une fraction. Le modèle est optimisé pour le matériel Nvidia et disponible sur Hugging Face sous licence Apache 2.0, l’une des plus permissives : usage commercial, modification et redistribution sans restriction notable.
C’est probablement son meilleur atout face à Inkling 2 Small : il devrait être plus simple à déployer sur son propre matériel. Un modèle dense de 65 milliards de paramètres se charge et se sert sans la logique de routage des experts, ce qui simplifie l’hébergement pour une équipe qui veut garder son code et ses données chez elle.
Pour un développeur qui hésite, la méthode est simple : relancer Ripple dans son propre harness, sur ses propres dépôts, plutôt que de se fier au score de 80,52 points. Si l’outillage maison reproduit des résultats proches, la licence et la facilité d’hébergement pèseront lourd. Sinon, l’écart sur DeepSWE rappellera qu’un titre sur un seul test n’en fait pas un modèle de référence.
Vous avez aimé celui-ci ?
La newsletter du vendredi réunit les articles de la semaine, avec leurs sources.
Offert à l'inscriptionMa configuration Claude Code, avec mes skills, mes sous-agents et mes hooks, prêts à copier.
Sources
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 22 évaluations
Faire appel à mes services →
