DeepSeek atteint 50 milliards $ de valorisation grâce au boom de l’IA chinoise

Le rival de Nvidia Etched atteint 5 milliards de dollars de valorisation grâce à sa puce IA

La startup américaine Etched a finalisé une levée de fonds de 500 millions de dollars qui porte sa valorisation à 5 milliards de dollars, une opération conclue en décembre 2025 mais dévoilée seulement ce 1er juillet 2026. Ce tour de table, mené par le fonds Stripes, réunit des investisseurs institutionnels spécialisés en finance quantitative comme Jane Street, Hudson River Trading, Two Sigma, ainsi que VentureTech Alliance et Ribbit Capital. Des investisseurs providentiels de premier plan y participent également, parmi lesquels Andrej Karpathy, Geoffrey Hinton, Fei-Fei Li, Arthur Mensch et Scott Wu, aux côtés des milliardaires Peter Thiel et Stanley Druckenmiller. Avec ce nouveau financement, Etched porte le total de ses levées à 800 millions de dollars. Fondée en 2022 par Gavin Uberti et Robert Wachen, deux anciens étudiants de Harvard devenus boursiers Thiel, l'entreprise affirme par ailleurs disposer déjà d'un carnet de commandes d'un milliard de dollars pour ses premiers systèmes, alors même que ceux-ci sont encore en phase de test chez ses premiers clients. Ce succès s'explique par le pari technologique que fait Etched: plutôt que de concevoir des puces polyvalentes comme les GPU de Nvidia, la startup développe des accélérateurs spécialisés exclusivement dans l'inférence, c'est-à-dire l'étape où un modèle d'IA traite les requêtes des utilisateurs pour produire une réponse. Ce segment est devenu un enjeu économique majeur pour l'industrie, car à mesure que les entreprises déploient leurs modèles à grande échelle, l'inférence concentre l'essentiel des coûts d'exploitation et constitue souvent le principal goulot d'étranglement en matière de performance. Toute solution capable de réduire ces coûts et cette consommation énergétique, tout en accélérant les temps de réponse, attire donc naturellement l'attention des investisseurs comme des grands fournisseurs de cloud, qui cherchent à rentabiliser leurs infrastructures IA. Le pari d'Etched a franchi une étape concrète début 2026, avec la fabrication réussie de sa première puce par le fondeur taïwanais TSMC. L'entreprise commercialise désormais des systèmes complets, qu'elle présente comme des « clusters d'inférence de pointe », combinant puces, racks et une couche logicielle dédiée à l'optimisation des performances. Cette progression rapide illustre l'appétit croissant du marché pour des alternatives à l'hégémonie de Nvidia sur les puces IA, dans un contexte où la maîtrise des coûts d'inférence devient un facteur déterminant pour la rentabilité de l'intelligence artificielle générative à grande échelle.

💬 Un milliard de commandes pour une puce encore en phase de test chez les premiers clients, ça montre surtout à quel point le marché a la trouille de rester scotché à Nvidia. Sur le fond, Etched vise juste: l'inférence, pas l'entraînement, est devenue le vrai poste de coût de l'IA générative, et c'est elle qui décidera de la rentabilité des prochaines années. Bon, sur le papier tout ça a l'air béton, reste à voir si les clusters tiennent la charge en prod avant de crier victoire.

L’entreprise chinoise Moonshot AI vise 18 milliards de valorisation

Moonshot AI, la startup chinoise derrière le chatbot Kimi, cherche à lever 1 milliard de dollars lors d'un nouveau tour de table qui la valoriserait à 18 milliards de dollars, soit plus de quatre fois sa valorisation de fin 2025. Cette opération fait suite à une levée de plus de 700 millions de dollars en début d'année, qui avait déjà propulsé l'entreprise à 10 milliards de dollars, avec Alibaba et Tencent parmi les investisseurs. Cette ascension fulgurante s'inscrit dans une dynamique plus large : les startups d'IA chinoises attirent massivement les capitaux, portées par l'émergence de modèles open source compétitifs et la volonté de rivaliser avec des acteurs occidentaux comme OpenAI (valorisé à 730 milliards de dollars) ou Anthropic (380 milliards de dollars). L'essor de l'agent open source OpenClaw, salué par Nvidia comme "le prochain ChatGPT", a notamment accéléré cette dynamique, incitant fournisseurs cloud et jeunes entreprises à lancer leurs propres solutions. Au cœur de cette valorisation : les performances de Kimi K2.5, désormais une plateforme multimodale et agentique reposant sur une architecture Mixture-of-Experts (MoE) d'environ 1 000 milliards de paramètres (dont 32 milliards activés par requête). Le modèle traite des contextes allant jusqu'à 256 000 tokens et enchaîne 200 à 300 appels d'outils sans perte de cohérence. Sur le benchmark Humanity's Last Exam, Kimi atteint 50,2 %, devançant GPT-5 (41,7 %) et Claude Sonnet 4.5 (32 %). Sur BrowseComp, il affiche 60,2 % contre 54,9 % pour GPT-5.1. Les modèles K2 et K2.5 sont disponibles en open source. Pour les utilisateurs, cette concurrence accrue entre acteurs chinois et occidentaux se traduit concrètement par une réduction des coûts d'accès et une accélération de l'innovation : assistants conversationnels, agents autonomes, outils spécialisés, le marché se diversifie à un rythme soutenu, offrant davantage de choix à des prix plus compétitifs.

Une startup de plateforme juridique IA atteint une valorisation de 11 milliards de dollars

Une startup spécialisée dans les plateformes juridiques alimentées par l'intelligence artificielle vient d'atteindre une valorisation de 11 milliards de dollars, illustrant l'essor fulgurant de l'IA dans le secteur du droit. Cette levée de fonds marque une étape symbolique pour un domaine longtemps considéré comme hermétique à l'automatisation. L'impact sur le secteur est immédiat et mesurable : la montée en puissance de ces outils redessine profondément les équilibres entre acteurs traditionnels et nouveaux entrants technologiques. Les cabinets d'avocats et les départements juridiques d'entreprises se trouvent désormais face à une transformation structurelle de leurs métiers, avec des promesses de gains de productivité significatifs sur les tâches de recherche, rédaction et analyse contractuelle. Le signal le plus fort est venu d'Anthropic, dont la récente intégration d'un plugin juridique dans son système d'agents Cowork a provoqué une chute notable des cours boursiers des fournisseurs traditionnels de données juridiques. Ce mouvement de marché témoigne de la menace perçue par les investisseurs vis-à-vis des acteurs historiques comme LexisNexis ou Westlaw, dont les modèles économiques reposent précisément sur l'accès payant à des bases de données juridiques exhaustives. La convergence entre grands modèles de langage et droit professionnel s'accélère, avec des acteurs comme Anthropic qui ne se contentent plus d'outils génériques mais développent des solutions verticales ciblées. Pour les professionnels du droit, la question n'est plus de savoir si l'IA transformera leur secteur, mais à quelle vitesse, et quels acteurs survivront à cette disruption.

Mercor vaut bientôt 20 milliards grâce au nouveau pétrole de l’IA

Mercor, la startup spécialisée dans l'entraînement de l'intelligence artificielle, serait en discussions préliminaires pour lever de nouveaux fonds sur une valorisation d'environ 20 milliards de dollars, selon Bloomberg. Ce chiffre marque un doublement spectaculaire par rapport aux 10 milliards de dollars atteints lors de sa série C de 350 millions de dollars en octobre 2025. Son PDG, Brendan Foody, affirme que le rythme de revenu annualisé de l'entreprise a franchi les 2 milliards de dollars, soit le double du niveau observé en février 2026. Presque simultanément, Mercor a annoncé le rachat de Deeptune, une startup qui construit des environnements d'entraînement pour agents IA et qui avait levé 43 millions de dollars en mars 2026 lors d'une série A menée par Andreessen Horowitz. Mercor ne fabrique ni puces ni grand modèle de langage : son activité consiste à fournir les données, les tâches et désormais les environnements nécessaires pour entraîner les modèles des grands laboratoires. Cette double annonce révèle où se déplace la valeur dans l'industrie de l'IA. Les modèles les plus avancés, comme GPT-5 ou Gemini, dominent de nombreux benchmarks mais peinent encore à exécuter de vrais workflows d'entreprise. Une étude baptisée AgentGym2, publiée en juillet 2026, a testé 15 modèles dans des conditions réalistes, avec informations bruitées, tâches incomplètement décrites et outils à découvrir : même les systèmes les plus performants y rencontrent d'importantes difficultés. Pour Mercor, c'est précisément ce goulot d'étranglement qui devient le nouveau terrain de bataille. Contrairement aux données d'entraînement classiques, qui montrent seulement ce que des humains ont produit, un environnement d'entraînement permet à un agent de pratiquer une tâche, d'échouer et de corriger sa méthode. Ce virage a des conséquences directes pour les entreprises qui cherchent à déployer des agents capables d'exécuter des tâches complexes, comme la comptabilité ou la gestion commerciale, plutôt que de simples réponses ponctuelles. Selon Mercor, un environnement d'entraînement repose sur trois éléments : le logiciel dans lequel le travail est effectué, les tâches confiées à l'agent, et les vérificateurs chargés de juger sa réussite. Deeptune apporte la première brique : la startup affirme avoir recréé des centaines d'applications d'entreprise, des tableurs jusqu'à Salesforce, pour simuler des workflows professionnels réalistes. Mercor, de son côté, s'appuie sur un réseau revendiqué de plus de cinq millions d'experts capables de concevoir des tâches et des critères d'évaluation issus de métiers réels. Andreessen Horowitz, qui avait soutenu Deeptune, considère déjà les environnements d'apprentissage par renforcement comme une couche critique et à part entière de la pile technologique de l'IA, au même titre que les données ou le calcul. Après la course aux modèles puis aux données, c'est désormais la course aux terrains d'entraînement qui structure les investissements du secteur, et Mercor entend s'y positionner en position dominante.