Alterra Labs annonce une levée de 12,5 M$ en seed, menée par Oak HC/FT avec la participation de Flare Capital Partners et Company Ventures, pour développer des environnements médicaux simulés permettant de tester et d’entraîner des modèles d’IA.
La startup new-yorkaise évalue des modèles sur des tâches médicales afin d’identifier leurs points de défaillance, puis transforme ces échecs en exercices d’entraînement. Des médecins et des scientifiques conçoivent les tâches et jugent les décisions des modèles, fournissant un retour d’expérience que les développeurs peuvent utiliser pour améliorer leurs systèmes.
Dans un cas patient simulé, un modèle peut se voir demander quels examens prescrire ; des cliniciens évaluent alors si ses choix sont médicalement appropriés. Akash Kapoor, fondateur et PDG d’Alterra Labs, explique que les modèles peuvent apprendre à manipuler des logiciels tout en peinant sur le jugement clinique : « Les modèles ne savent pas quand ne pas faire quelque chose pour un patient, ni comment gérer l’incertitude. »
Des travaux universitaires ont montré des difficultés comparables : les benchmarks PhysicianBench et HealthAdminBench ont testé des agents d’IA sur des tâches cliniques et administratives, et l’agent le plus performant y a réalisé moins de la moitié des tâches. Certains agents décrivaient la bonne action dans une note clinique sans jamais l’exécuter dans le dossier électronique, d’autres perdaient des informations en passant d’un logiciel à l’autre.
Alterra Labs : environnements simulés et méthode
Alterra transforme les évaluations des cliniciens en critères de notation et en récompenses utilisées pour l’apprentissage par renforcement, ce qui incite les modèles à répéter les décisions les plus robustes et à éviter les comportements que les experts jugent dangereux. La société construit aussi des environnements pour des tâches liées à l’imagerie médicale, aux essais cliniques et à la télémédecine.
Vig Chandramouli, le partenaire d’Oak HC/FT qui a mené l’investissement, a observé chez les entreprises d’IA en santé qu’adapter les modèles au travail médical demandait plus que des données : il fallait des environnements réalistes et du jugement clinique. « Tout l’argent investi dans ‘j’ai besoin de données’ évolue désormais vers ‘il faut comprendre comment accomplir le travail’. » Il voit une opportunité à simuler les logiciels utilisés par cliniciens et administrateurs — dossiers médicaux électroniques, portails d’assureurs, systèmes de facturation — où les modèles peuvent s’entraîner à faire du travail authentique.
« On ne peut pas construire ça sans cliniciens », ajoute-t-il, « et plus précisément, des cliniciens qui comprennent réellement comment fonctionne l’IA. » Selon lui, les grands laboratoires d’IA n’ont pas encore suffisamment intégré ces environnements et la création de tâches réalistes exige des personnes qui maîtrisent à la fois le travail clinique et le comportement des modèles.
Akash Kapoor, qui a étudié le machine learning avant de se tourner vers la médecine, a mené des recherches en apprentissage machine appliqué à la santé aux National Institutes of Health et a effectué trois années à la Columbia Medical School. Il a fondé la société en 2025 alors qu’il était encore à Columbia, sous le nom initial de ChartR, en collaborant avec des établissements de santé pour étudier le comportement des modèles dits frontier en contexte clinique.
Les observations d’Alterra l’ont amenée à travailler directement avec des développeurs de modèles : les systèmes paraissent souvent compétents au premier abord, mais leurs faiblesses se révèlent lorsqu’il s’agit de suivre un patient dans le temps, de prendre en compte de grandes quantités d’informations ou d’enchaîner une série de décisions, et lorsqu’ils doivent reconnaître qu’ils ne disposent pas d’assez d’éléments pour agir en sécurité. Kapoor a quitté sa dernière année d’études médicales pour se consacrer pleinement à Alterra.
L’intérêt de Kapoor pour la sécurité en santé trouve son origine dans une expérience personnelle : alors qu’il était étudiant à UCLA, il a découvert dans son dossier patient un compte rendu de radiographie vieux de deux ans signalant une lésion potentiellement cancéreuse et recommandant une orientation en oncologie, sans qu’on l’en ait informé. Il a été diagnostiqué d’un ostéosarcome et a subi une opération.
Son travail chez Alterra se concentre désormais sur les jugements que les modèles peinent à prendre lorsque les patients ne correspondent pas aux descriptions de manuel. Kapoor estime que cela exigera des cycles répétés de test et d’entraînement au fur et à mesure que les modèles gagnent en capacités et que les connaissances médicales évoluent : « Elle a beaucoup de connaissances. Elle manque de jugement. »
Alterra indique travailler avec plusieurs laboratoires frontier, hôpitaux, sociétés savantes et entreprises d’IA appliquée. D’après Kapoor, les laboratoires frontier sont son groupe de clients à la croissance la plus rapide, et l’entreprise génère des revenus grâce à ses environnements d’entraînement et à des services post-entraînement.
