Applied Compute vise une valorisation de 3 milliards de dollars face à la demande croissante de modèles ouverts

Selon un article de The Information, Applied Compute, une entreprise californienne qui aide les entreprises à développer, déployer et améliorer des modèles d'IA à poids ouvert, serait en train de négocier avec des investisseurs pour obtenir un financement d'environ 3 milliards de dollars

Si elle est levée, cette somme ferait plus du double de sa valorisation précédente de 1,3 milliard de dollars lors d'une levée de fonds révélée il y a seulement quatre mois, démontrant ainsi l'évolution de la perception des investisseurs concernant l'infrastructure d'IA.

Cela témoigne d'une évolution plus profonde du secteur de l'IA. Avec le développement des modèles ouverts, les entreprises recherchent constamment des systèmes personnalisables et faciles à gérer, ce qui engendre une demande croissante d'infrastructures capables d'entraîner, de déployer et d'améliorer ces modèles.

Hugging Face, la principale plateforme de modèles ouverts, a déclaré qu'en 2025, sa plateforme avait atteint 13 millions d'utilisateurs et comptait plus de 2 millions de modèles publics, preuve du développement de l'écosystème de l'IA open source.

Doubler le montant d'une levée de fonds de série B de 1,3 milliard de dollars

Applied Compute a annoncé en avril une levée de fonds de 80 millions de dollars, Kleiner Perkins étant le principal financeur, pour une valorisation post-levée de fonds de 1,3 milliard de dollars, ce qui a porté le financement total de l'entreprise à 160 millions de dollars.

Lors de cette nouvelle levée de fonds, le montant de 3 milliards de dollars valorise l'entreprise environ 2,3 fois plus en quelques mois. Le financement étant toujours en cours, cette valorisation pourrait évoluer.

Le chiffre proposé contraste fortement avec les données de financement d'Epoch AI. Mistral AI, l'un des principaux développeurs de modèles ouverts, a levé 3 milliards de dollars de fonds propres en septembre 2025, pour une valorisation de 13,7 milliards de dollars selon les données d'Epoch.

À l'inverse, Applied Compute a levé jusqu'à présent environ 160 millions de dollars, ce qui signifie que sa valorisation estimée à 3 milliards de dollars repose sur un financement bien moindre que celui de Mistral. Bien que les deux entreprises ne soient pas directement comparables (Mistral créant des modèles de base tandis qu'Applied Compute fournit l'infrastructure nécessaire), cette différence illustre l'importance que les investisseurs accordent à l'infrastructure des modèles d'IA open source.

Le dernier tour de table de Mistral a représenté près de 25 fois le financement total obtenu par Applied Compute et sa valorisation a été environ 4,6 fois supérieure à celle d'Applied Compute. Ceci permet de comprendre la hausse de la valorisation d'Applied Compute sans avoir à se fier à des projections de revenus incertaines.

Ce que vend réellement Applied Compute

Applied Compute décrit sa plateforme comme un cloud dédié à l'entraînement, à l'inférence et à l'amélioration continue des modèles ouverts. Son Agent Cloud, ou AC2, permet aux entreprises d'entraîner des modèles à partir de leurs propres données et flux de travail, tout en les déployant en production.

Son principe fondamental repose sur le lien entre l'entraînement du modèle et le déploiement des agents. Contrairement à la pratique traditionnelle qui consiste à dissocier l'entraînement du déploiement, Applied Compute permet aux organisations de conserver leur infrastructure d'agents existante et de déployer un modèle entraîné alternatif adapté à leurs besoins.

« Le faisceau peut rester là où il est déjà installé. » — Vinjai Vale, Applied Compute

La plateforme exploite tracde production, le contexte d'entreprise et l'apprentissage par renforcement pour améliorer les modèles spécialisés. Cela pourrait s'avérer de plus en plus précieux à mesure que les entreprises s'orientent vers des modèles plus performants que les assistants IA génériques.

Les recherches d'Applied Compute illustrent cette approche. Lors d'une expérience récente, l'entreprise a entraîné un routeur à répartir les tâches d'ingénierie logicielle entre les systèmes de calcul multiprocesseurs NVIDIA Nemotron ​​3 Ultra, GPT-5.5 et Claude Opus 4.7. Selon l'entreprise, le routeur a atteint des performances équivalentes à celles de GPT-5.5 pour un coût inférieur d'environ 25 %, tout en tirant pleinement parti des avantages d'une stratégie basée sur un oracle.

Cette stratégie considère les modèles d'IA comme des composants interchangeables. Au lieu de confier chaque tâche au modèle le plus performant, les entreprises peuvent ainsi trouver un équilibre entre capacité et coût.

Cela prend une importance accrue à mesure que les modèles ouverts réduisent l'écart avec les systèmes propriétaires. Cryptopolitan a déjà traité de la concurrence entre Kimi K3, OpenAI et Anthropic, démontrant comment les modèles ouverts chinois rivalisent de plus en plus avec les systèmes américains en termes de performances et de prix.

Pourquoi le contexte actuel favorise un pari sur un modèle ouvert

Les discussions d'Applied Compute concernant sa levée de fonds interviennent alors que les dépenses en infrastructure d'IA se réorientent vers les charges de travail de production. Gartner prévoit l'inférence représentera 55 % des dépenses d'infrastructure en tant que service optimisée pour l'IA en 2026, à mesure que l'IA s'intègre davantage dans des applications concrètes.

Cette tendance correspond au modèle d'Applied Compute. L'entreprise ne se contente pas de vendre des ressources de calcul pour l'entraînement des modèles ; elle conçoit une infrastructure permettant d'améliorer continuellement les modèles après leur déploiement.

La croissance de Hugging Face témoigne une fois de plus de l'expansion du marché. Sa plateforme a atteint 13 millions d'utilisateurs et plus de 2 millions de modèles publics en 2025, les développeurs créant de plus en plus de modèles et d'applications optimisés sur les systèmes existants.

Pour les entreprises, les modèles à pondération ouverte offrent également un meilleur contrôle. Elles peuvent les personnaliser en fonction de leurs flux de travail propriétaires et les déployer tout en conservant une maîtrise accrue de leurs données et du comportement de leurs modèles.

Cela confère à Applied Compute une position potentiellement précieuse. Si les entreprises souhaitent de plus en plus développer une IA à partir de leurs propres données plutôt que de simplement louer des services auprès de fournisseurs propriétaires, l'infrastructure reliant les modèles aux charges de travail propriétaires pourrait devenir un élément important du marché mondial de l'IA.

L'évaluation proposée de 3 milliards de dollars représente donc bien plus qu'un simple pari sur une start-up. C'est un pari sur le fait que les entreprises utiliseront, entraîneront, personnaliseront et amélioreront en permanence les modèles d'IA en fonction de leurs propres activités.