Intelligence Collective : La Nouvelle Frontière de l'IA
107 175 modèles d'IA se coordonnent au sein d'un seul modèle d'Intelligence Collective.
De l'IA individuelle à l'Intelligence Collective
L'IA a passé la dernière ère à rendre les modèles individuels plus performants. La prochaine frontière est collective.
Différents modèles apportent des perspectives différentes, et ce n'est pas un simple slogan : le théorème du jury de Condorcet et le théorème de prédiction par la diversité de Hong et Page montrent qu'une diversité structurée peut surpasser une expertise isolée. Les stratégies collectives structurées mettent cette recherche en pratique : les modèles raisonnent indépendamment, se vérifient mutuellement et convergent vers une réponse unique et auditable.
Le but n'est pas d'avoir plus de modèles. C'est de faire en sorte que des intelligences différentes coopèrent mieux.
C'est l'Intelligence Collective. Ailin¹ la fait déjà tourner.
Ailin¹ Collective : le mécanisme derrière l'affirmation
Ailin¹ est conçue pour l'Intelligence Collective. Le routage, la découverte, l'orchestration et la vérification sont des mécanismes qui la servent. Puisant dans 107 175 identifiants de modèles détectables, chaque requête est acheminée via l'une des 32 stratégies d'orchestration enregistrées : un modèle unique quand la vitesse prime, plusieurs modèles coordonnés pour raisonner, débattre et se vérifier mutuellement quand l'exactitude prime.
Les réponses collectives incluent la traçabilité de la décision. Le chemin de coordination reste inspectable.
- Quels modèles ont tourné
- Quelle stratégie les a coordonnés
- Ce qu'a coûté le collectif
Testé face aux modèles de pointe, en toute transparence
Nous avons testé le collectif face à GPT-5.5-pro, Claude Opus 4.8, Gemini 3.1 Pro et Grok 4.3, évalué par des réponses objectives et vérifiées par machine plutôt que par le goût. Dans une expérience auditable et reproductible, le collectif a surpassé les quatre. Consultez le dépôt.
Ailin¹ arrive le 15 septembre 2026.
Rejoignez-la avant la disponibilité générale et contribuez à façonner la première version.
Collectif Ailin¹
Chaque requête passe par la même cascade de routage avant qu'un seul modèle ne soit appelé, une cascade capable de mobiliser des stratégies collectives fondées sur des résultats de recherche évalués par les pairs sur la décision de groupe, dont le théorème du jury de Condorcet et le théorème de prédiction par la diversité de Hong et Page. Nommez exactement ce que vous voulez, et c'est honoré immédiatement. Ne dites rien, et la cascade décide.
L'état de l'art n'est pas une boîte noire. Ce sont deux leviers que vous contrôlez.
Cinq alias couvrent toute la gamme, du modèle unique instantané au consensus à cinq modèles. Deux champs indépendants fixent les limites : max_cost est un plafond, quality_target est un plancher. Définissez l'un, l'autre, ou les deux. Ailin¹ Collective ne franchit jamais la limite que vous définissez.
La plupart des plateformes vous tendent une liste de modèles et appellent cela un choix. Ailin¹ vous tend deux leviers indépendants, pas un seul curseur : la qualité que la réponse doit atteindre, et ce que vous êtes prêt à dépenser pour l'obtenir.
-
Plafonnez la dépense et laissez la qualité trouver son propre niveau.
-
Garantissez un plancher et laissez le coût suivre la demande.
-
Fixez un corridor exact entre les deux.
| Alias | Optimise | Coût typique | À utiliser quand |
|---|---|---|---|
| ailin-auto | Équilibre adapté, décidé requête par requête | Normal | Par défaut. Aucune contrainte au-delà d'un équilibre entre coût et qualité. |
| ailin-best | Qualité, coût sans limite | Le plus élevé | Travaux où l'exactitude est critique et où le coût n'est pas la contrainte déterminante. |
| ailin-fast | Latence, modèle unique | Faible | Chemins interactifs soumis à un budget de latence strict. |
| ailin-economy | Coût, plafond strict appliqué | Le plus bas | Traitements de fond à haut volume |
| ailin-consensus | Exactitude par vérification croisée indépendante | Plus élevé, délibérément | L'erreur silencieuse est le mode de défaillance que vous payez pour éliminer. |
Chaque réponse renvoie la traçabilité de la décision dans ailin_metadata : strategy_used, models_used et cost_usd, de sorte que la décision de routage peut être vérifiée au lieu d'être tenue pour acquise.
Requête : votre client OpenAI existant, une seule ligne changée
from openai import OpenAI
client = OpenAI(
base_url="https://api.ailin.one/v1",
api_key="YOUR_KEY",
)
response = client.chat.completions.create(
model="ailin-consensus",
messages=[{"role": "user", "content": "..."}],
extra_body={"max_cost": 0.15}
)Réponse
{
"ailin_metadata": {
"strategy_used": "ailin-consensus",
"models_used": [
"gpt-5.5-pro",
"claude-opus-4.8",
"gemini-3.1-pro"
],
"final_decider_model_id": "claude-opus-4.8",
"final_decider_role": "synthesizer",
"cost_usd": 0.0842,
"subcalls": [
{ "model_id": "gpt-5.5-pro", "role": "voter", "cost_usd": 0.0301, "latency_ms": 1840, "success": true },
{ "model_id": "claude-opus-4.8", "role": "synthesizer", "cost_usd": 0.0288, "latency_ms": 2010, "success": true },
{ "model_id": "gemini-3.1-pro", "role": "voter", "cost_usd": 0.0253, "latency_ms": 1650, "success": true }
]
}
}Comment Ailin¹ Collective décide : la cascade de routage
Une cascade en couches, évaluée du plus rapide au plus lent. Chaque requête se résout aussi tôt qu'elle le peut sans risque, si bien que les requêtes simples aboutissent vite tandis que les plus difficiles mobilisent les couches profondes.
Avant la cascade : le cache sémantique Un quasi-doublon d'une requête récente renvoie aussitôt la réponse mise en cache. Le triage et les six couches ci-dessous ne sont pas simplement contournés : ils sont intégralement ignorés.
-
Routage explicite
Vous l'avez nommé, un alias, un modèle ou une stratégie, donc cette couche résout la requête instantanément. Elle l'emporte toujours sur toutes les couches situées en dessous, et si ce que vous avez nommé ne peut pas réellement être satisfait, la requête échoue net plutôt que de retomber silencieusement sur autre chose.
-
Triage
Un modèle dédié lit l'intention et la complexité de la tâche et recommande une stratégie avant qu'aucun modèle du collectif ne s'exécute. Une analyse réelle, pas une table de correspondance, ce qui représente donc un véritable appel (modeste) en soi.
-
Archive de configurations
Se débloque après 5 résultats enregistrésDès qu'au moins 5 résultats sont enregistrés pour une niche de tâche, Ailin¹ Collective réutilise ce qui a déjà fait ses preuves plutôt que de le redéterminer.
-
Frontière coût / qualité / latence
Se débloque après 3 résultats enregistrésOptimise directement le compromis multi-objectif (qualité, coût, vitesse, taux de réussite) dès que suffisamment d'historique existe, même sans correspondance exacte encore prouvée pour cette niche.
-
Préférence de stratégie apprise
Se débloque après 5 résultats enregistrésUn bandit Thompson Sampling pondère les stratégies selon leurs résultats réels et mesurés dans le temps, affinant les valeurs par défaut de la cascade elle-même, et s'audite lui-même : si son taux de récompense mesuré global tombe sous 95 % du meilleur instantané jamais enregistré, le bandit ramène automatiquement l'intégralité de son état appris à ce meilleur instantané connu.
-
Heuristique de repli
Si aucune couche précédente ne résout la requête, une heuristique déterministe et notée sélectionne la stratégie à partir du type de tâche, de la complexité et du pool de modèles disponibles. La résolution de la stratégie aboutit toujours à une décision, consignée dans
strategy_used.
Après la cascade : le portail de gouvernance des coûts Quel que soit le choix des couches 1 à 6, sauf routage explicite de votre part, une dernière vérification peut encore rétrograder un choix collectif coûteux vers un modèle unique lorsque le gain estimé ne franchit pas le seuil requis. Seule une requête explicite échappe elle aussi à cette vérification.
Les couches 3 à 5 se débloquent indépendamment à mesure que l'historique d'utilisation s'accumule pour une niche de tâche, à partir de 3 résultats enregistrés pour la frontière coût/qualité/latence et jusqu'à 5 pour l'archive de configurations et le bandit de préférence apprise ; d'ici là, c'est l'heuristique déterministe et auditable de la couche 6 qui tranche chaque fois que les couches 1 et 2 ne résolvent pas la requête en premier.
32 stratégies, fondées sur la recherche
Des dizaines de façons pour les modèles de penser ensemble, toutes auditables. Les différents problèmes bénéficient de différentes formes de raisonnement collectif.
Aucune n'est improvisée. Chaque stratégie du catalogue correspond à un résultat précis et nommé de la recherche sur la coordination ou la décision collective, pas à une intuition interne déguisée en science.
-
consensus
Théorème du jury de Condorcet (1785) : vote majoritaire entre 3 à 5 modèles, avec un seuil minimal de diversité pour que l'accord ne puisse pas venir de raisonnements clonés.
-
diversity-ensemble
Théorème de prédiction par la diversité de Hong et Page (PNAS, 2004) : compose par construction une équipe qui maximise la diversité sur tous les axes.
-
debate
Les modèles s'opposent au fil de tours structurés, avec un modérateur.
-
swarm-explore
Exploration parallèle, sélectionnée automatiquement par le triage pour les travaux ouverts de conception et d'architecture.
-
stigmergic-refinement
Convergence par un artefact partagé plutôt que par un vote, sélectionnée automatiquement par le triage pour la rédaction de forte complexité.
-
expert-panel
Revue indépendante multi-rôles avant l'envoi d'une réponse, adressable directement pour les requêtes à forte exigence de vérification.
-
tri-role-collective
Planner, Solver, Auditor : une machine à états déterministe, pas un coordinateur entraîné, qui empêche structurellement l'Auditor d'être le même modèle ou la même passe de raisonnement que celle qui vient de produire la réponse en tant que Solver.
- +25 autres stratégies
Ce n'est pas vous qui choisissez le modèle. C'est le Collectif Ailin¹.
De la simplicité quand la tâche est simple. De la profondeur quand elle ne l'est pas. Vous fixez les bornes, le Collectif Ailin¹ décide à l'intérieur, et un champ le surpasse toujours.
Vous n'avez jamais à décider si une requête a besoin d'un modèle ou de cinq. Chaque requête passe par Ailin¹ Collective, la même cascade de routage qui se trouve derrière ailin-auto, avant qu'un seul modèle ne soit appelé. Vous savez exactement ce que vous voulez ? Nommez-le : un alias comme ailin-fast, un modèle précis, ou strategy: "single", et Ailin¹ Collective l'honore immédiatement, sans négociation, sans latence supplémentaire. Ne dites rien, et la cascade lit la tâche elle-même et choisit une forme qui lui convient. Exécuter un modèle unique via Ailin¹ n'est ni un repli ni une régression. C'est une voie de premier plan qu'Ailin¹ Collective emprunte constamment, délibérément.
Modèle unique
Une voix cohérente du début à la fin. Coût réduit, latence réduite, et exactement aussi accessible que l'alternative.
ailin-fast
Collectif multi-modèles
Des proposants indépendants travaillent en parallèle, vérifiés et réconciliés par un synthétiseur avant que vous ne voyiez une seule réponse, afin que la divergence soit interceptée avant de vous atteindre, pas après.
ailin-consensus
Qu'en est-il du travail créatif et des refactors ?
Sur les tâches objectivement vérifiables, vérifiées par machine et non par un jugement de goût, c'est le collectif qui l'emporte. Sur le travail créatif ouvert, un modèle unique bien choisi l'emporte tout aussi nettement. C'est précisément pour cela que le triage existe : la cascade ne fait pas la moyenne entre les types de tâches, elle les distingue. Le travail créatif passe en mode unique par défaut. Le travail vérifiable passe en mode collectif.
Vous ne choisissez pas entre simple et approfondi en mémorisant quand utiliser l'un ou l'autre. Vous dites ce que vous savez, Ailin¹ Collective complète ce que vous n'avez pas dit, et la commande manuelle reste toujours à un seul champ de distance.
Des milliers de modèles. Seuls les bons s'activent.
Le Collectif est l'avantage
L'accès à davantage de modèles n'est pas la percée. Ce qui compte, c'est ce qui se passe quand des intelligences différentes peuvent travailler ensemble. Ailin¹ transforme un écosystème de 107 175 identifiants de modèles, découvert en continu, en un collectif, puis n'active que le sous-ensemble dont chaque stratégie a besoin.
-
Toujours à jour
Un modèle nouvellement publié est indexé dès le cycle de découverte où il apparaît, sans attendre de cycle de publication.
-
Plein spectre
Texte, vision, audio et embeddings dans le même catalogue, derrière le même point de terminaison.
Pourquoi l'intelligence devient plus puissante quand elle devient collective
L'IA a été construite autour de modèles individuels. Sa prochaine frontière est collective. Les modèles individuels peuvent être extraordinairement capables, mais chacun reflète encore sa propre architecture, son historique d'entraînement, ses angles morts et ses modes d'échec. L'Intelligence Collective permet à des modèles indépendants d'apporter des perspectives différentes, de défier les hypothèses, de se spécialiser, de comparer des alternatives et de vérifier les résultats lorsque la tâche le permet. Ce qui suit n'est pas une liste de souhaits. Ce sont cinq mécanismes déjà en production, pas une feuille de route.
Un coût proche d'un modèle unique, quand cela compte
Sur les tâches qu'une machine peut vérifier, un vérificateur déterministe accepte immédiatement la bonne réponse et court-circuite le reste du collectif, si bien que le coût sur ces tâches se rapproche bien plus de celui d'un modèle unique que du reste du collectif, précisément là où l'avantage de précision du collectif est le plus fort.
Résilience
La panne d'un fournisseur n'a pas à devenir la vôtre. Le collectif contourne de lui-même les modèles dégradés et les défaillances, et chaque réponse porte toujours la traçabilité de la décision : quelle stratégie a tourné, quels modèles, et quel en a été le coût.
Diversité par construction
Fournisseur, architecture et objectif d'entraînement sont dissociés par une sélection en tourniquet (round-robin), si bien que deux modèles consécutifs dans une même exécution ne partagent jamais le même fournisseur. C'est le théorème de prédiction par la diversité de Hong et Page intégré directement dans la couche de routage, pas l'espoir que des données d'entraînement différentes finissent par diverger utilement. Cela met en évidence les angles morts ; cela ne promet pas de les effacer.
Dépendance réduite à un seul fournisseur
Un collectif s'étend sur plusieurs fournisseurs, de sorte que la feuille de route, les prix ou la politique d'un seul fournisseur ne définissent pas votre produit à eux seuls.
Spécialisation dynamique
Le bon spécialiste pour la bonne tâche : raisonnement, code, vision, contexte long ou faible latence, élu en temps réel pour chaque requête.
Questions fréquentes
Des réponses directes, avec le champ, le fichier ou le chiffre derrière chacune.
Intégration & bases
chat/completions, responses, embeddings, models) est compatible sans modification, avec un bloc additionnel ailin_metadata qui porte la traçabilité des décisions. Pointez votre client existant vers le point de terminaison Ailin¹, changez l'en-tête d'authentification, et la même forme de requête fonctionne.Collectif Ailin¹ & stratégies
ailin-auto (valeur par défaut équilibrée, laissez la cascade décider), ailin-best (qualité d'abord, coût sans limite), ailin-fast (latence d'abord, modèle unique), ailin-economy (coût d'abord, plafond strict appliqué), ailin-consensus (exactitude par vérification croisée indépendante). Commencez par ailin-auto. N'en choisissez un autre que si vous savez quelque chose que le routeur ignore.<strategy>:<tier>, par exemple consensus:large, verrouillant le mécanisme exact et le palier tarifaire.ailin-fast, strategy: "single"), et ce même champ vous donne une vérification multi-modèles indépendante (expert-panel, tri-role-collective) si c'est réellement ce que vous voulez à la place.Coût & responsabilité
max_cost plafonne strictement la dépense avant qu'aucun modèle ne soit appelé ; si le coût estimé de la stratégie qui serait exécutée le dépasse, la requête échoue avec 400 strategy_budget_exceeded au lieu de dépenser en silence au-delà du budget. quality_target est le plancher associé. Chaque réponse renvoie le chiffre réel : ailin_metadata.cost_usd, avec un détail poste par poste. Les stratégies multi-modèles coûtent sensiblement plus cher qu'un modèle unique. Pour les tâches qu'une machine peut vérifier (extraction structurée, mathématiques, code avec tests, questions factuelles), cette prime disparaît presque totalement : quand le court-circuit déterministe d'une stratégie vérifiée se déclenche, notre dernier benchmark de pointe a mesuré un coût collectif d'environ 2,98 $/Mtok, soit environ 100 fois moins cher que le chemin collectif non vérifié, et du même ordre de grandeur que la tarification d'un modèle unique.ailin_metadata.final_decider_model_id, le modèle exact qui a produit votre réponse, ainsi que final_decider_role (primary, synthesizer, fallback ou cache) et un tableau complet subcalls[] listant chaque participant avec son propre coût, sa latence et son résultat. Si vous remontez un problème de qualité à un fournisseur, c'est cet identifiant qui compte, pas « l'API Ailin¹ ». Si vous devez reconstituer pourquoi une décision multi-modèles a abouti à ce résultat précis, activez la trace de coordination persistée : GET /v1/collective/runs/:id/trace renvoie une chronologie de chaque phase à la milliseconde près, construite de sorte qu'un client ne puisse jamais confirmer l'existence même de l'exécution d'un autre client : une recherche sur l'ID d'exécution d'un tiers renvoie le même 404 qu'une exécution qui n'a jamais existé.Preuves & confiance
/source, /license), la provenance de version SLSA/Sigstore et un SBOM au format SPDX accompagnent chaque version publiée. Ce qui n'est pas encore fait : la certification formelle. SOC 2 et ISO 27001 sont en cours, pas certifiés, donc si vos achats ont besoin d'une attestation précise, demandez-la à votre équipe commerciale plutôt que de la déduire d'un contenu marketing, le nôtre inclus. Vous n'êtes pas non plus obligés de nous croire sur parole : le moteur de coordination derrière les chiffres de cette page est public sur github.com/ailinone/collective-intelligence (AGPL-3.0-or-later), scripts de benchmark et données brutes inclus.Aidez à construire l'Ère Collective de l'IA
La prochaine frontière de l'IA est collective, et elle devrait être construite en ouvert. Dans notre propre benchmark, un consensus vérifié a répondu correctement à 37 des 38 tâches objectivement vérifiables, contre 68 à 82 % pour des modèles de pointe isolés, et n'a jamais une seule fois sélectionné une réponse fausse. La documentation couvre toute la surface de l'API. Le dépôt contient le moteur de coordination, les scripts de benchmark et les données brutes derrière ce résultat.