Cursor AI : une levée de 2 milliards de dollars pour transformer le codage en entreprise

OpenAI Deployment Company obtient 4 milliards de dollars pour l’IA d’entreprise

OpenAI a lancé le 11 mai 2026 une nouvelle entité baptisée OpenAI Deployment Company, dotée d'un investissement initial de plus de 4 milliards de dollars. Majoritairement détenue et contrôlée par OpenAI, cette structure regroupe 19 firmes d'investissement, cabinets de conseil et intégrateurs systèmes parmi lesquels TPG, Bain Capital, Goldman Sachs, Capgemini et McKinsey. Son coeur opérationnel repose sur des Forward Deployed Engineers (FDE), des ingénieurs spécialisés qui s'intègrent directement au sein des organisations clientes pour identifier les processus à fort potentiel, concevoir des systèmes IA adaptés et les connecter aux données internes, outils métier et systèmes de contrôle existants. Pour démarrer immédiatement avec une masse critique, OpenAI a parallèlement annoncé l'acquisition de Tomoro, société britannique spécialisée dans le conseil et l'ingénierie IA appliquée, qui apporte environ 150 ingénieurs et spécialistes du déploiement expérimentés, ayant travaillé pour des clients comme Tesco, Virgin Atlantic ou Supercell. Cette initiative répond à un blocage structurel bien documenté dans l'adoption de l'IA en entreprise : si plus d'un million d'organisations utilisent déjà les produits et API d'OpenAI, la grande majorité peine à franchir le fossé entre expérimentation et production réelle. Déployer un modèle dans un environnement critique implique de gérer la gouvernance, la sécurité des données, la fiabilité opérationnelle et l'intégration aux systèmes existants, autant de dimensions que les équipes internes maîtrisent rarement seules. OpenAI positionne explicitement cette transformation comme un changement organisationnel complet, et non comme une simple mise à jour logicielle, ce qui justifie la présence d'ingénieurs embarqués capables d'accompagner les équipes métier dans la durée. Pour les grandes entreprises, cela représente un accélérateur concret ; pour OpenAI, une source de revenus récurrents et de fidélisation bien plus profondes qu'une simple licence API. Ce lancement marque un tournant stratégique pour OpenAI, qui jusqu'ici dominait essentiellement la couche des modèles et des plateformes. En s'attaquant désormais à la couche d'intégration et d'exécution, l'entreprise entre en concurrence directe avec les grands cabinets de conseil en transformation numérique et les intégrateurs systèmes traditionnels, tout en cherchant à verrouiller ses clients dans son écosystème. Ce mouvement s'inscrit dans une course plus large entre les hyperscalers et les labs d'IA pour capturer la valeur générée par l'IA dans les flux de travail des grandes organisations. Microsoft, Google et Salesforce ont chacun développé des offres similaires d'accompagnement au déploiement ; OpenAI, en créant une entité dédiée avec un réseau de partenaires de premier rang, signale qu'elle entend jouer dans cette ligue, et pas seulement fournir les modèles qui la font tourner.

💬 OpenAI arrête de louer des modèles et se lance dans le conseil, avec 4 milliards pour démarrer. C'est le seul truc qui fonctionnait vraiment pour passer de l'API à la prod : des ingénieurs qui s'incrustent chez le client, qui comprennent les données internes, qui font le travail sale. L'ironie, c'est que McKinsey figure à la fois parmi les partenaires et parmi les premiers visés.

Isomorphic Labs réalise une levée de fonds record de plus de 2 milliards de dollars

Isomorphic Labs, la spin-off de Google DeepMind fondée en 2021 par Demis Hassabis, est en négociations avancées pour lever plus de 2 milliards de dollars dans un nouveau tour de table mené par Thrive Capital, avec la participation d'Alphabet. Cette opération, révélée par Bloomberg le 8 mai 2026, dépasserait largement les 600 millions de dollars levés lors du premier financement externe de l'entreprise en 2025, qui impliquait déjà Alphabet et GV. Si elle se confirme, cette levée deviendra l'une des plus importantes jamais réalisées par une entreprise spécialisée dans la découverte de médicaments par intelligence artificielle. La société londonienne s'appuie sur AlphaFold, le système de prédiction des structures protéiques développé par DeepMind, ainsi que sur IsoDDE, son moteur propriétaire de conception moléculaire, pour identifier des candidats médicaments prometteurs en automatisant des étapes qui demandaient auparavant des années de recherche manuelle. Ce financement record confirme l'appétit persistant des investisseurs pour les plateformes qui cherchent à industrialiser l'IA appliquée à la biologie, malgré les contraintes réelles du secteur. Isomorphic Labs a ainsi repoussé d'une année complète ses premiers essais cliniques, ce qui illustre que même les outils les plus avancés restent soumis aux exigences réglementaires et scientifiques du développement pharmaceutique. Pourtant, les partenariats signés avec Eli Lilly et Johnson & Johnson en 2024 ont fourni une validation industrielle cruciale, rassurant des investisseurs souvent échaudés par des promesses technologiques sans ancrage concret. Pour les grands groupes pharmaceutiques, l'enjeu est stratégique : réduire les coûts de R&D, limiter les échecs tardifs et compresser des cycles de développement qui coûtent en moyenne plus d'un milliard de dollars par molécule mise sur le marché. Isomorphic Labs évolue dans un marché disputé où Recursion Pharmaceuticals, Insilico Medicine et Exscientia développent également des modèles d'apprentissage automatique pour la découverte de médicaments. Mais la société dispose d'un avantage distinctif : l'héritage scientifique de DeepMind et la crédibilité de Demis Hassabis, prix Nobel de chimie 2024, lui confèrent une légitimité que peu de concurrents peuvent revendiquer. Là où certains acteurs proposent essentiellement des outils logiciels, Isomorphic Labs combine modélisation des protéines de pointe, IA générative appliquée à la chimie et alliances avec des majors pharmaceutiques disposant de pipelines cliniques réels. Avec cette nouvelle levée, l'entreprise cherche vraisemblablement à accélérer le développement de ses propres programmes thérapeutiques internes et à consolider sa position avant que le secteur n'entre dans une phase de consolidation plus intense.

OpenAI lève 122 milliards de dollars lors d'un tour de table valorisant l'entreprise à 830 milliards

OpenAI a annoncé mardi avoir bouclé un tour de financement de 122 milliards de dollars, pour une valorisation pré-investissement de 830 milliards de dollars — soit environ 22 milliards au-dessus de l'objectif initial de 100 milliards révélé par The Information. SoftBank figure parmi les investisseurs principaux de cette levée historique, qui propulse OpenAI au rang des entreprises privées les mieux valorisées au monde. Cette opération confirme que les marchés continuent de parier massivement sur l'IA générative malgré des questions persistantes sur la rentabilité à court terme. Pour OpenAI, ces capitaux doivent financer l'expansion de ses infrastructures de calcul, le développement de nouveaux modèles et l'accélération de son déploiement commercial à l'échelle mondiale — notamment face à une concurrence de plus en plus dense de Google, Meta et des acteurs chinois comme DeepSeek. OpenAI traverse une période de transformation profonde : l'entreprise est en train de passer d'une structure à but non lucratif à une société à but lucratif, une transition complexe sur le plan juridique et éthique. Ce tour de table intervient alors que Sam Altman cherche à sécuriser des ressources suffisantes pour maintenir son avance technologique et développer des produits grand public au-delà de ChatGPT, dans un secteur où les coûts d'entraînement des modèles continuent d'exploser.

💬 830 milliards pour une boîte qui perd encore de l'argent, ça dit tout sur l'état du marché. SoftBank qui remets au pot, c'est presque rassurant, ils ont l'habitude des paris fous. Ce qui m'intéresse là-dedans, c'est pas la valorisation, c'est la question qui reste sans réponse : est-ce qu'on est dans une bulle ou dans la construction réelle d'une infrastructure mondiale ? On aura la réponse dans 3 ans.

Marketing d’entreprise : passer à l’AI-native, le vrai levier de transformation en 2026

En 2026, l'intelligence artificielle est présente dans la quasi-totalité des grandes directions marketing, mais les résultats concrets restent souvent décevants. Une analyse publiée par le Forbes Business Development Council pointe un paradoxe central : malgré la multiplication des outils et des initiatives, peu d'entreprises constatent une amélioration durable et significative de leurs performances commerciales. La raison est structurelle : l'IA est utilisée comme accélérateur de tâches existantes, rédaction plus rapide, automatisation partielle, analyse de données facilitée, mais le modèle opérationnel, lui, reste inchangé. Les campagnes continuent d'être planifiées selon des cycles rigides, les budgets définis en amont, les résultats évalués après coup. L'IA s'ajoute en couche technologique sans remettre en cause les logiques historiques, produisant une optimisation marginale plutôt qu'une transformation réelle. Ce qui distingue les entreprises qui tirent véritablement profit de l'IA, c'est leur capacité à reconstruire entièrement leur fonction marketing autour d'un système qui apprend et s'adapte en continu. L'IA modifie l'équation fondamentale du marketing : analyser, produire, tester, optimiser, un cycle autrefois freiné par des délais longs et des budgets contraints, devient possible en temps réel. Les données ne sont plus des instantanés ponctuels mais des signaux continus ; les contenus ne sont plus figés mais générés et ajustés en permanence ; les tests ne sont plus exceptionnels mais intégrés au fonctionnement quotidien. L'IA générative permet notamment de produire à grande échelle des variantes de contenus adaptées à des segments précis, voire à des individus. Le rôle du marketing évolue : il ne s'agit plus de concevoir des campagnes, mais de piloter un système dynamique d'apprentissage où chaque action alimente la suivante, créant un effet cumulatif sur les performances. La transition vers ce modèle "AI-native" suit généralement une progression en quatre phases : assistance (l'IA améliore la productivité, les décisions restent humaines), automatisation (certaines tâches sont déléguées à des systèmes), augmentation (génération de contenu, expérimentation et optimisation fonctionnent déjà en boucle), puis autonomie (le marketing devient un système qui s'auto-optimise en temps réel, avec une intervention humaine centrée sur la supervision stratégique). Ce passage d'un stade à l'autre ne relève pas d'un simple déploiement technologique : il implique de revoir les infrastructures de données, les modèles de gouvernance et les indicateurs de performance. Un projet pilote réussi ne suffit pas à transformer une organisation. L'enjeu pour les directions marketing en 2026 est donc moins d'adopter de nouveaux outils que de repenser leur architecture opérationnelle pour rendre l'apprentissage continu structurel, et non anecdotique.