Applied Compute, une entreprise californienne qui aide les organisations à développer, déployer et optimiser des modèles d'IA à poids ouverts, serait en pourparlers avec des investisseurs pour obtenir un financement à une valorisation d'environ 3 milliards de dollars, selon The Information.

Si elle est menée à bien, la nouvelle levée ferait plus que doubler la valorisation précédente de l'entreprise, établie à 1,3 milliard de dollars il y a seulement quatre mois — un bond qui souligne l'évolution de l'attitude des investisseurs à l'égard des infrastructures d'IA. Applied Compute n'est pas la seule à attirer des capitaux dans ce domaine : Together AI, Fireworks AI et Anyscale ont chacune levé des financements significatifs pour servir l'écosystème des modèles ouverts, reflétant une thèse plus large de « pics et pelles » dans laquelle les investisseurs cherchent à s'exposer à des infrastructures qui profitent indépendamment des modèles individuels qui gagneront en adoption.

Ce mouvement reflète une tendance plus large dans l'industrie de l'IA. À mesure que les modèles ouverts progressent, les entreprises recherchent de plus en plus des systèmes qu'elles peuvent personnaliser et contrôler, stimulant la demande d'infrastructures capables de former, déployer et améliorer continuellement ces modèles. Hugging Face, la principale plateforme de modèles ouverts, a atteint 13 millions d'utilisateurs et plus de 2 millions de modèles publics en 2025, illustrant la maturation rapide de l'écosystème d'IA open source.

Plus que doubler par rapport à la Series B à 1,3 milliard de dollars

Applied Compute a annoncé une levée de fonds de 80 millions de dollars en avril, menée par Kleiner Perkins, à une valorisation post-money de 1,3 milliard de dollars. Ce tour a porté le financement total de l'entreprise à environ 160 millions de dollars.

Selon les nouvelles conditions proposées, le chiffre de 3 milliards de dollars représente environ 2,3 fois la valorisation d'avril — atteint en l'espace de quelques mois. La levée de fonds reste ouverte, ce qui signifie que la valorisation finale pourrait encore changer.

Le chiffre proposé contraste également fortement avec les données de financement d'Epoch AI. Mistral AI, l'un des principaux développeurs de modèles ouverts, avait levé 3 milliards de dollars en fonds propres à la date de septembre 2025, à une valorisation de 13,7 milliards de dollars, selon le jeu de données d'Epoch. Applied Compute, en comparaison, a levé environ 160 millions de dollars à ce jour — ce qui signifie que sa valorisation estimée à 3 milliards de dollars repose sur une fraction du capital déployé par Mistral.

Les deux entreprises ne sont pas directement comparables : Mistral construit des modèles fondamentaux, tandis qu'Applied Compute fournit la couche d'infrastructure. Néanmoins, cet écart met en lumière la prime que les investisseurs accordent aux infrastructures pour l'IA open source. Le financement le plus récent de Mistral représentait près de 25 fois le financement total d'Applied Compute, avec une valorisation environ 4,6 fois supérieure — fournissant un contexte pour la hausse de valorisation d'Applied Compute sans s'appuyer sur des projections de revenus incertaines.

Ce qu'Applied Compute propose

Applied Compute décrit sa plateforme comme un environnement cloud pour la formation, l'inférence et l'amélioration continue des modèles ouverts. Son Agent Cloud, appelé AC2, permet aux entreprises de former des modèles autour de leurs propres données et flux de travail tout en les déployant en production.

Le concept central relie la formation des modèles directement au déploiement d'agents. Contrairement aux approches traditionnelles qui séparent la formation du déploiement, Applied Compute permet aux organisations de maintenir leur infrastructure d'agents existante tout en intégrant des modèles nouvellement entraînés et adaptés à leurs besoins. Pour les secteurs réglementés tels que la santé et les services financiers, cette architecture répond également aux contraintes de gouvernance des données, puisque les entreprises peuvent affiner les modèles dans des environnements qu'elles contrôlent plutôt que d'envoyer des données propriétaires à des fournisseurs d'API externes.

« Le harnais peut rester là où il s'exécute déjà. » — Vinjai Vale, Applied Compute

La plateforme s'appuie sur les traces de production, le contexte d'entreprise et l'apprentissage par renforcement pour affiner des modèles spécialisés — des capacités qui pourraient devenir de plus en plus précieuses à mesure que les entreprises vont au-delà des assistants d'IA génériques et recherchent des retours mesurables sur leurs investissements en IA.

Les propres recherches d'Applied Compute illustrent cette approche. Dans une expérience récente, l'entreprise a entraîné un routeur pour répartir des tâches d'ingénierie logicielle entre les Nemotron 3 Ultra de NVIDIA, GPT-5.5 et Claude Opus 4.7. Selon l'entreprise, le routeur a atteint des performances de niveau GPT-5.5 à un coût d'environ 25 % inférieur tout en capturant la majeure partie des avantages d'une stratégie oracle.

La stratégie sous-jacente traite les modèles d'IA comme des composants interchangeables. Plutôt que d'envoyer chaque tâche au modèle le plus puissant, les entreprises peuvent équilibrer capacité et coût — une approche qui devient de plus en plus pertinente à mesure que les modèles ouverts réduisent l'écart avec les systèmes propriétaires et que les dépenses cumulées d'API auprès des fournisseurs propriétaires deviennent une charge importante pour les organisations en croissance. Cryptopolitan a précédemment couvert la concurrence de Kimi K3 avec OpenAI et Anthropic, illustrant comment les modèles chinois à poids ouverts défient les systèmes américains tant sur le plan des capacités que des prix.

Pourquoi le timing favorise un pari sur les modèles ouverts

Les discussions de levée de fonds d'Applied Compute surviennent à un moment où les dépenses d'infrastructure d'IA se déplacent vers les charges de production. Gartner prévoit que l'inférence représentera 55 % des dépenses d'infrastructure-as-a-service optimisée pour l'IA en 2026, à mesure que l'IA s'intègre dans des applications concrètes.

Cette tendance correspond au modèle d'Applied Compute. L'entreprise ne vend pas simplement de la puissance de calcul pour la formation ; elle construit une infrastructure conçue pour maintenir les modèles en amélioration continue après leur déploiement.

La croissance de Hugging Face offre une preuve supplémentaire de l'expansion du marché. La plateforme a atteint 13 millions d'utilisateurs et plus de 2 millions de modèles publics en 2025, à mesure que les développeurs créent de plus en plus de modèles affinés et d'applications sur des systèmes existants.

Pour les entreprises, les modèles à poids ouverts offrent également un meilleur contrôle. Les entreprises peuvent les personnaliser autour de flux de travail propriétaires et les déployer tout en conservant une plus grande maîtrise de leurs données et du comportement des modèles.

Cela place Applied Compute dans une position potentiellement critique. Si les entreprises préfèrent de plus en plus construire leur IA autour de leurs propres données plutôt que de louer de l'intelligence auprès de fournisseurs fermés, les infrastructures reliant les modèles aux charges de travail propriétaires pourraient devenir un segment important du marché mondial de l'IA. Plusieurs grands fournisseurs de cloud — dont AWS, Google Cloud et Microsoft Azure — ont développé leurs propres capacités de serveur pour modèles ouverts, ce qui suggère que la couche d'infrastructure devient un domaine disputé plutôt qu'une niche.

La valorisation proposée de 3 milliards de dollars représente donc bien plus qu'un pari sur une seule startup. C'est un pari sur le fait que les entreprises utiliseront, formeront, personnaliseront et amélioreront continuellement des modèles d'IA adaptés à leurs propres opérations — et que les outils permettant cette transition commanderont une prime indépendante du succès de tout modèle individuel.