Flower Labs lance un modèle pensé pour sortir du cloud
Flower Labs a publié Endeavor 1.0 le 1er septembre 2026, et le billet de blog de l'entreprise elle-même - signé par le chief scientist Nicholas Lane avec ses collègues Lorenzo Sani et Yan Gao - le décrit comme "un modèle généraliste de pointe pour le raisonnement, la programmation et le travail d'agent à long horizon, disponible via Flower ou pour un déploiement privé". Cette seconde option est le véritable produit : une organisation peut faire tourner Endeavor sur ses propres serveurs au lieu d'appeler une API hébergée, et le modèle est construit autour de l'apprentissage fédéré, une méthode d'entraînement qui améliore un modèle à partir de données conservées à des emplacements séparés sans que ces données quittent ces emplacements.
La promesse concrète est qu'un hôpital, une banque ou une administration puisse utiliser un modèle de pointe sans envoyer de dossiers patients, d'historiques de transactions ou de documents classifiés vers le cloud d'un tiers. Flower Labs défend cette idée depuis sa création en 2023, quand l'entreprise a construit un framework open source pour l'apprentissage fédéré ; Endeavor est sa première tentative d'associer cette infrastructure à un modèle assez performant pour concurrencer les systèmes généralistes que la plupart des entreprises utilisent déjà par défaut.
Qui est derrière Flower Labs, et qui regarde de près
Flower Labs est une spin-off de l'université de Cambridge avec des bureaux à Londres et à Hambourg, fondée par une équipe qui compte des anciens de Y Combinator, et elle a levé environ 23 millions de livres depuis 2023 selon les informations publiées au moment du lancement. Nicholas Lane, cofondateur et chief scientist de l'entreprise, est professeur d'apprentissage automatique à Cambridge et a formulé l'ambition de l'entreprise en termes explicitement politiques lors du lancement : "L'Europe ne devrait pas avoir à louer indéfiniment son intelligence à une poignée d'entreprises américaines."
L'entreprise cite le NHS et JP Morgan comme clients ou partenaires pilotes. Les deux opèrent sous des règles strictes de protection ou de localisation des données qui rendent une solution tout-cloud plus difficile à justifier en interne, et les deux sont le genre d'acheteur dont les équipes achats demandent, avant toute chose, où vont les données.
Ce qu'héberger soi-même un modèle de pointe implique vraiment
Un abonnement à une API cloud cache son coût opérationnel dans une facture mensuelle ; héberger soi-même un modèle de pointe déplace ce coût vers le bilan et la masse salariale de l'acheteur, et c'est la véritable décision que prend une organisation en choisissant Endeavor plutôt que GPT-5.6 Sol ou Claude Fable 5 via une API standard. Faire tourner l'inférence d'un modèle de cette taille sur site signifie posséder ou louer les accélérateurs nécessaires, entretenir une équipe de machine learning operations qui applique correctifs et mises à jour, et construire soi-même la couche de coordination de l'apprentissage fédéré qui permet à plusieurs sites ou services de contribuer à l'entraînement sans regrouper leurs données brutes en un seul endroit.
Rien de tout cela n'est propre à Flower Labs ; tout fournisseur d'"IA souveraine" vendant un déploiement sur site demande à l'acheteur d'échanger un abonnement prévisible contre un engagement en capital et en personnel qui ne se rentabilise que si le modèle reste utile pendant des années, pas des mois. La composante d'apprentissage fédéré ajoute une couche supplémentaire que la plupart des acheteurs n'avaient jamais eu à évaluer auparavant : prouver que le protocole de coordination qui garde les données d'un hôpital dans l'hôpital tient réellement face à une attaque déterminée ou à une mauvaise configuration, et pas seulement face à la description marketing qu'en fait Flower Labs.
Les chiffres de benchmark n'ont pour l'instant aucune source indépendante
Flower Labs affirme qu'Endeavor égale GPT-5.6 Sol d'OpenAI et Claude Fable 5 d'Anthropic sur certaines tâches et dépasse Kimi K3 de Moonshot sur d'autres, et chacune de ces comparaisons repose pour l'instant uniquement sur les propres tests de Flower Labs. Aucun organisme de benchmark indépendant n'a publié de reproduction de ces résultats à ce jour, et les documents de lancement de l'entreprise ne précisent pas quelles suites de benchmark, catégories de tâches ou conditions d'évaluation ont produit ces affirmations de parité et de supériorité.
Cet écart pèse plus lourd pour Endeavor que pour un modèle purement hébergé dans le cloud, car un acheteur qui évalue un déploiement sur site ne peut pas simplement résilier un abonnement si le modèle sous-performe après quelques semaines d'usage réel ; il a déjà engagé un budget matériel et intégration avant de pouvoir mener sa propre comparaison à grande échelle. Les références au NHS et à JP Morgan fonctionnent de la même façon : ce sont un signal de crédibilité réel, car les deux organisations ont de bonnes raisons d'être prudentes face aux affirmations d'un fournisseur, mais les relations sont décrites par Flower Labs elle-même, et aucune des deux institutions n'a publié son propre compte-rendu de résultats.
L'argument de la souveraineté est le produit, et il reste à vérifier
La façon dont Nicholas Lane présente Endeavor comme une réponse à la location d'intelligence auprès d'entreprises américaines place Flower Labs au coeur d'un débat politique européen en cours, pas seulement dans une catégorie de produit, et ce cadrage accomplit un vrai travail commercial : il offre aux acheteurs du secteur public et des secteurs régulés un fournisseur dont tout le discours correspond à une préférence d'achat que plusieurs gouvernements européens ont déjà exprimée publiquement. Ce contexte fait du lancement d'Endeavor une donnée réelle dans le débat sur l'IA souveraine, plutôt qu'une simple annonce de financement déguisée.
Cela ne rend pas les affirmations sous-jacentes vérifiées pour autant. Un acheteur qui compare Endeavor à un abonnement chez un grand fournisseur cloud doit encore répondre à deux questions distinctes avant d'engager un budget : le modèle tient-il ses promesses sur ses propres charges de travail, et le coût opérationnel de l'héberger soi-même est-il inférieur à ce qu'il paie déjà pour le confort. Flower Labs a donné au marché un produit réel sur lequel tester ces questions ; elle n'a pas encore donné à quiconque en dehors de l'entreprise les preuves permettant d'y répondre.
Servola Journal
Nous faisons cela pour tous ceux qui essaient de suivre ce que la technologie fait à nos vies. Les personnes qui la construisent, et les personnes à qui cela arrive. Le Servola Journal existe pour que ce que nous apprenons appartienne à tous.
Personne ne nous paie pour cela. Pas de publicité, pas de mur payant, gratuit pour tous. Nous croyons simplement que comprendre ce qui nous arrive à tous ne devrait pas dépendre de qui peut se permettre de payer pour cela.
Si cela vous a apporté quelque chose aujourd'hui, dites-le-nous pour que nous continuions. Suivez-nous, laissez un like, ou écrivez un commentaire positif. Nous les lisons tous, et ce sont eux qui nous font continuer.
À lire ensuite: Domyn lève 1,1 milliard, à 90% en dette | La sécurité email, une question de juridiction
