Les capitalistes de risque injectent des dizaines de milliards dans des néolabs d’IA—des startups sans produits, marchés ni revenus. Au cours des deux derniers trimestres, les néolabs ont levé 24 milliards de dollars, soit près de cinq fois ce qu’OpenAI et Anthropic réunies avaient gagné avant le lancement de ChatGPT. Emulate, fondée il y a un mois par d’anciens chercheurs de Google DeepMind, est valorisée à près de 4 milliards de dollars. Safe Superintelligence, l’entreprise fondée par Ilya Sutskever en 2024, a levé des fonds à une valorisation de 32 milliards de dollars malgré l’absence de produit. Ces laboratoires nécessitent des talents rares et une puissance de calcul coûteuse, ce qui rend les levées de fonds fréquentes, avec un cycle médian de 7,6 mois et des hausses de prix de 3,5 fois. Reflection AI a levé 105 millions de dollars à une valorisation de 555 millions de dollars, puis 25 milliards de dollars un an plus tard. Beaucoup se concentrent sur des applications de niche comme les modèles du monde ou l’IA physique, et la demande du marché pour des outils meilleurs et moins chers maintient la mise en vie. Les investisseurs—des capitalistes de risque à Nvidia, qui soutient plus de la moitié du groupe—voient un réel potentiel dans cet espace à haut risque et à forte récompense.

Entités clés : Entreprises : OpenAI, Anthropic, Emulate, Safe Superintelligence, Reflection AI, Nvidia | Personnes : Ilya Sutskever

FAQ : Pourquoi les investisseurs financent-ils des néolabs d’IA sans produits ?

Les investisseurs misent sur les talents, l’accès à la puissance de calcul et le potentiel d’innovation de niche. De nombreux néolabs ciblent des applications spécifiques comme les modèles du monde ou l’IA physique, où l’avantage du premier entrant pourrait générer des rendements exceptionnels.

FAQ Q : Pourquoi les investisseurs financent-ils des néolabs d’IA sans produits ?

FAQ A : Les investisseurs misent sur les talents, l’accès à la puissance de calcul et le potentiel d’innovation de niche. De nombreux néolabs ciblent des applications spécifiques comme les modèles du monde ou l’IA physique, où l’avantage du premier entrant pourrait générer des rendements exceptionnels.