Sakana Fugu : l'orchestrateur IA japonais qui commande tous les modèles

Les performances revendiquées par le laboratoire japonais

Le laboratoire Sakana AI avance des chiffres impressionnants pour positionner son orchestrateur face aux géants du marché. Selon leur rapport technique publié le 24 juin 2026, Fugu Ultra obtient un score de 73,7 sur le SWE Bench, un test d'évaluation basé sur des problèmes de code réels. Ce résultat le place au-dessus des références actuelles comme GPT 5.5, qui stagne à 58,6, et le rapproche des 80 points atteints par Fable 5 avant que son accès ne soit restreint. Meydeey souligne toutefois que ces métriques proviennent exclusivement des équipes de Sakana. Aucun organisme tiers n'a encore audité ces résultats de manière indépendante. Il est donc impératif de conserver une posture de testeur et d'évaluer l'outil sur tes propres cas d'usage professionnels plutôt que de te fier aveuglément aux plaquettes commerciales.

Pour illustrer la puissance de son modèle, Sakana a également publié des tests réalisés sur Lichess contre le moteur Stockfish configuré à 2100 ELO. Les graphiques montrent que Fugu parvient à remporter des parties en trouvant des coups magistraux, avec une probabilité de victoire qui explose généralement autour du dix-huitième coup. Meydeey apporte une nuance importante sur cette démonstration : bien que le niveau 2100 ELO soit très élevé, le rapport met en avant quatre victoires spécifiques. Il est tout à fait possible que le laboratoire ait fait jouer cinquante parties à son modèle pour ne conserver et n'exposer que les quatre meilleures. Ces résultats prouvent une capacité de raisonnement profond, mais exigent des essais prolongés en conditions réelles pour confirmer leur constance.

Le coût de la dépendance à un modèle unique

Le marché de l'intelligence artificielle est aujourd'hui dominé par une poignée d'acteurs américains et chinois. Cette concentration crée une vulnérabilité majeure pour les entreprises qui bâtissent leurs processus sur une seule interface de programmation. Meydeey rappelle l'épisode du 12 juin 2026, où l'accès à des modèles comme Fable 5 a été brutalement coupé pour de nombreux utilisateurs. Si ton infrastructure repose exclusivement sur un fournisseur qui décide de modifier ses conditions, de bloquer ta région ou de subir une panne prolongée, toute ton activité s'arrête. La stratégie de Sakana répond directement à cette problématique en proposant une couche d'abstraction. Si un modèle spécifique devient indisponible, l'orchestrateur bascule automatiquement sur une alternative compétente sans que tu aies à modifier ton code.

Au-delà de la sécurité de l'infrastructure, l'utilisation d'un modèle unique limite la richesse des résultats. Chaque intelligence artificielle possède son propre entraînement et sa propre représentation sémantique. Meydeey utilise l'image des nuages de points : la distance mathématique entre les concepts varie d'un modèle à l'autre. En interrogeant une seule source, tu t'enfermes dans ses biais et ses limites cognitives. L'orchestration permet de confronter ces différentes visions du monde. En combinant les forces de plusieurs modèles, tu obtiens des réponses plus nuancées, des analyses plus exhaustives et un code beaucoup plus robuste. C'est le principe même de la méthode du banc de poissons défendue par les fondateurs de Sakana.

La mécanique de routage de Fugu et Fugu Ultra

Le fonctionnement de Sakana repose sur deux architectures distinctes adaptées à des besoins différents. La version standard de Fugu est conçue pour la rapidité et les tâches quotidiennes. Face à une requête simple, le modèle analyse le besoin et route instantanément la demande vers l'intelligence artificielle la plus qualifiée de son répertoire. Il apprend en continu les spécialités de chaque outil : il peut déterminer qu'un modèle précis excelle en mathématiques, qu'un autre domine en biologie, et qu'un troisième est le meilleur pour le débogage. Cette approche élimine la nécessité de choisir manuellement le bon outil pour chaque petite tâche.

Pour les défis techniques majeurs, Fugu Ultra déploie une stratégie d'équipe beaucoup plus lente mais redoutablement efficace. L'orchestrateur endosse trois rôles successifs. Il agit d'abord comme un penseur qui décompose ton problème complexe en plusieurs sous-tâches. Ensuite, il distribue ces missions à des travailleurs spécialisés. Par exemple, pour la création d'un serveur Python, il peut confier l'écriture du code à un modèle spécifique. Enfin, il intervient comme vérificateur en demandant à une autre intelligence artificielle, réputée pour sa rigueur, de relire le travail du premier. Meydeey précise que cette méthode permet souvent de repérer des failles de sécurité ou des erreurs logiques qu'un modèle seul aurait laissées passer. Le système synthétise ensuite l'ensemble pour te livrer un résultat final propre et fonctionnel.

• Le Penseur analyse la requête globale et élabore un plan d'action détaillé.
• Le Travailleur exécute les sous-tâches en utilisant les modèles les plus adaptés.
• Le Vérificateur contrôle la qualité du travail produit et signale les éventuelles erreurs.
• Le Synthétiseur assemble les différentes parties validées pour formuler la réponse finale.

Les limites de la souveraineté et de la confidentialité

Malgré son origine japonaise et sa promesse d'indépendance, Sakana Fugu n'est pas une solution miracle pour la protection des données sensibles. Meydeey avertit que l'orchestrateur loue l'intelligence des géants américains pour fonctionner. Quand tu soumets une requête à Fugu, celui-ci la transmet aux modèles sous-jacents pour obtenir les réponses. Si tu es avocat, fiscaliste, ou si tu manipules des informations confidentielles, tes données finiront inévitablement sur les serveurs des entreprises que tu cherchais potentiellement à éviter. Ce système ne remplace pas une installation locale sécurisée pour les secteurs soumis à des règles de confidentialité strictes.

Il est également crucial de dissiper l'illusion de l'open source autour de ce projet. Bien que Sakana s'appuie sur des publications de recherche publiques comme Trinity et Conductor, le modèle Fugu lui-même est totalement fermé. Les poids du réseau, la logique de routage exacte et les critères de sélection des modèles restent la propriété exclusive du laboratoire. Tu ne peux pas télécharger Fugu pour l'héberger sur tes propres serveurs. De plus, au moment de son lancement, l'outil bloque purement et simplement les utilisateurs situés en Europe et au Royaume-Uni pour des raisons de conformité au RGPD. L'utilisation d'un réseau privé virtuel reste la seule solution temporaire pour y accéder depuis ces territoires.

Le positionnement tarifaire et l'adoption sur le marché

L'accès à la technologie de Sakana se fait selon deux modèles économiques distincts. Le laboratoire propose des abonnements mensuels fixés à 20, 100 ou 200 dollars selon le niveau de service requis, s'alignant ainsi sur les standards des offres professionnelles du marché. Pour les développeurs qui préfèrent une intégration par interface de programmation, Fugu propose une facturation à l'usage. Meydeey note que si le coût d'entrée reste compétitif, le tarif appliqué sur les tokens de sortie est nettement supérieur à celui de ses concurrents directs. Cette tarification s'explique par la multiplication des appels internes nécessaires pour faire collaborer plusieurs modèles avant de te livrer la réponse finale.

Malgré ces coûts et les restrictions géographiques, l'adoption de Fugu par les professionnels est déjà visible. Sur des plateformes de routage comme OpenRouter, le modèle Ultra se hisse rapidement dans les classements d'utilisation. Il est massivement sollicité par des applications de développement avancées telles que Hermes, Cursor, OpenClose et Codex. Cette présence dans le top des outils de production démontre que Fugu dépasse le stade de la simple curiosité technique. Les développeurs acceptent de payer un prix de sortie plus élevé car le gain de temps sur le débogage et la qualité du code généré compensent largement l'investissement initial.