Vous avez commencé en médecine avant de vous orienter vers l’ingénierie électronique, informatique puis mécanique. Quel a été le fil conducteur de ces choix et quel déclic vous a menée à créer ONTBO ?
Depuis le début, je poursuis le même objectif : améliorer la relation entre l’Homme et la machine et cela passe par une humanisation de cette dernière. Comprendre comment fonctionne l’intelligence — humaine d’abord, artificielle ensuite. La médecine m’a apporté une vision biologique du fonctionnement cognitif. L’électronique m’a donné les outils pour modéliser les systèmes ; et la mécanique des fluides m’a permis de comprendre comment une structure peut s’adapter, apprendre et réagir.
Le déclic pour créer ONTBO est venu lorsque j’ai réalisé que les systèmes d’IA actuels, malgré leur puissance, se limitaient à ressortir les données qu’ils avaient absorbées sans les traiter ni les hiérarchiser : ils prédisent des mots, mais ne se souviennent pas, ne contextualisent pas et ne raisonnent pas. Il manquait une couche essentielle : la cognition. ONTBO est né pour changer la donne.
En quoi ONTBO se distingue-t-il des approches actuelles des grands modèles d’IA ?
Alors que les grands modèles d’IA reposent sur une logique d’hyper-augmentation, toujours plus de paramètres, plus de données, plus de compute, ONTBO fait le choix inverse : ajouter une couche cognitive qui apporte de la continuité, de la compréhension et de la mémoire aux modèles existants tout en réduisant leurs coûts de calcul.
ONTBO n’est pas un nouveau LLM, mais une intelligence complémentaire : une mémoire long terme, un raisonnement explicable, une gestion du contexte et un apprentissage en temps réel. Cette approche permet aux agents IA d’être plus fiables, plus cohérents, moins coûteux et surtout plus intelligents — non pas par la taille, mais par la compréhension.
Avez-vous déjà des cas d’usage concrets ou des retours terrain significatifs ?
Oui, et ce sont justement ces retours terrain qui confirment la valeur de notre approche cognitive. ONTBO est déjà intégré dans plusieurs environnements réels — assistants internes, copilotes métiers et agents automatisés — où la continuité contextuelle est critique.
Les résultats sont nets : une réduction moyenne de 95 % du coût en tokens, une amélioration de +90 % du score de cohérence contextuelle, et surtout un taux de rappel n°1 mondial, avec plus de 20 points d’avance sur les solutions concurrentes.
Les équipes qui utilisent ONTBO observent surtout une amélioration de la fiabilité de leurs agents : meilleure continuité d’une interaction à l’autre, réduction des hallucinations, et capacité à maintenir un fil logique grâce à une mémoire longue durée structurée.
Ces déploiements démontrent que la cognition n’est plus un concept théorique, mais un avantage opérationnel concret pour rendre les IA plus stables, plus cohérentes et beaucoup plus efficaces.
Enfin, en quoi le thème United by Tech de JFD résonne-t-il avec votre vision de l’IA, et comment s’assurer que la technologie rapproche les individus plutôt qu’elle ne les oppose ?
Je suis convaincue que la technologie n’a de sens que si elle crée du lien, de la compréhension et de la confiance. L’IA ne doit pas remplacer l’humain, mais l’aider à mieux penser, mieux décider et mieux collaborer.
Pour qu’elle rapproche plutôt qu’elle n’isole, il faut une IA qui respecte le contexte, la mémoire et l’intention humaine. Une IA qui ne cherche pas à imposer des réponses, mais à soutenir la compréhension. C’est exactement la raison d’être d’ONTBO : rendre l’IA plus fiable, plus explicable, plus humaine. Aujourd’hui on ne peut plus se permettre de faire des boîtes noires.
La confiance naît de la continuité, de la transparence et de la cohérence. En donnant aux systèmes d’IA une forme de cognition — mémoire contextuelle, structure et raisonnement — on crée des outils qui renforcent le lien entre les individus, plutôt que de le fragiliser.
Je crois que United by Tech défend une technologie qui nous relie par la compréhension plutôt que par la surenchère. Plus de données, plus de performances, plus de rapidité… À quoi bon s’il faut à chaque fois prompter des données déjà énoncées chronologiquement ? Nous avons assez généré, il est temps de comprendre. Et c’est cette voie que nous devons porter ensemble.
***
Athénaïs Oslati, fondatrice & CEO d’ONTBO et Membre JFD
Athénaïs Oslati est ingénieure-scientifique en intelligence artificielle cognitive et CEO de ONTBO, reconnue pour ses travaux sur la cognition appliquée à l’IA, notamment par Forbes 30 Under 30, le Gouvernement français, et plusieurs prix majeurs de l’innovation.
Elle conçoit des systèmes qui pensent — non pour imiter l’humain, mais pour le comprendre.
En fondant ONTBO, elle poursuit une ambition claire : doter les agents IA d’une continuité cognitive réelle, capable de mémoire long terme, de raisonnement contextuel et d’apprentissage en temps réel.
Ses recherches se situent au croisement des neurosciences et de l’intelligence artificielle, avec un objectif, celui de dépasser du machine learning au machine understanding.
Son impact a été salué par le prix i-Nov, le Prix Tilder de la Femme Ingénieure en IA 2025, et par Challenges qui classe Ontbo parmi les 100 entreprises où investir.
Athénaïs défend une vision d’une IA plus fiable, plus consciente du contexte et moins énergivore.
Une IA qui se souvient c’est un progrès. Une IA qui comprend, c’est une (r)évolution.
