Un milliard de dollars pour une entreprise née il y a à peine plus d’un an : voilà le genre de phrase qui, il y a dix ans, aurait fait sourire une salle de partenaires. Aujourd’hui, elle circule comme une rumeur presque banale dans la Silicon Valley. Thinking Machines, le laboratoire fondé par Mira Murati après son départ d’OpenAI, négocierait un nouveau tour d’environ 1 milliard de dollars pour une valorisation d’au moins 40 milliards. Accel, déjà au capital, serait en discussion pour mener l’opération. Le chiffre impressionne. Le multiple aussi. Et le contexte, encore davantage.

Selon des informations relayées notamment par TechCrunch et The Information, le dossier n’est pas clos. Ni Accel ni la startup n’ont commenté. Mais les contours suffisent déjà à poser une question plus large, celle que se posent fondateurs, CMO, investisseurs et équipes produit : jusqu’où le marché est-il prêt à payer le pedigree, un premier modèle ouvert et un début de chiffre d’affaires, dans une course où le compute coûte une fortune et où les talents circulent aussi vite que les rumeurs ?

Ce Que Dit Vraiment Cette Rumeur De Tour

Le scénario rapporté est assez net. Thinking Machines chercherait plus d’un milliard de dollars. La valorisation visée tournerait autour de 40 milliards, en pré-money selon certaines versions. Accel discuterait pour lead le tour. Nvidia, déjà présent au seed, aurait évoqué une participation. Rien n’est signé. Tout peut encore glisser. Mais le signal est clair : le labo veut recapitaliser après un premier tour historique et après un essai, plus tôt, d’une valorisation encore plus haute.

Fin 2025, la société aurait exploré une fourchette beaucoup plus agressive, autour de 50 milliards, parfois évoquée avec un ticket de plusieurs milliards. Ces discussions n’ont pas abouti. Revenir à 40 milliards n’est donc pas un « down round » au sens strict — la startup n’avait pas clos à 50. C’est un recalage d’ambition. Moins spectaculaire que le rêve de l’automne. Toujours extraordinaire par rapport au seed de 12 milliards post-money.

À plus de 100 millions de dollars de run rate, une valorisation de 40 milliards implique un multiple de revenus hors norme, même pour ce cycle de l’IA.

– Synthèse des sources proches du dossier, septembre 2026

Ce multiple est le vrai sujet pour quiconque raisonne en marketeur, en opérateur ou en investisseur. Un ARR supérieur à 100 millions, c’est déjà une traction réelle. Multiplié par quatre cents, cela raconte autre chose : le marché n’achète pas seulement le chiffre d’affaires. Il achète une option sur une plateforme, une équipe, un accès au compute et une place dans le club très fermé des labos capables d’entraîner des modèles de frontière.

De OpenAI À Un Labo Indépendant En Douze Mois

Mira Murati a quitté OpenAI en 2024 après avoir été CTO, et brièvement CEO par intérim lors de la crise de gouvernance de 2023. Thinking Machines Lab voit le jour au début de 2025, à San Francisco, sous forme de public benefit corporation. Autour d’elle, plusieurs figures issues de la même maison : John Schulman, Barrett Zoph, Lilian Weng, Andrew Tulloch, Luke Metz. Le récit fondateur est limpide. On ne vend pas encore un produit. On vend une capacité à construire.

En juillet 2025, le seed clôture à 2 milliards de dollars pour une valorisation de 12 milliards. Andreessen Horowitz mène. Nvidia, AMD, Accel, Cisco, ServiceNow, Jane Street et d’autres suivent. C’est l’un des plus gros premiers tours de l’histoire du capital-risque. Les investisseurs misent sur les CV plus que sur un pipeline commercial. La promesse initiale tient en une phrase : des systèmes multimodaux, personnalisables, moins verrouillés que les modèles fermés des géants.

Cette naissance éclair explique une partie de la valorisation actuelle. Dans l’IA de frontière, le talent est une matière première plus rare que le code. Recruter une équipe capable d’entraîner, d’aligner et de déployer un modèle de plusieurs centaines de milliards de paramètres n’est pas un exercice de RH classique. C’est une opération géopolitique, financière et technique à la fois.

Tinker D’Abord, Inkling Ensuite : Une Offre En Deux Temps

Contrairement à l’image d’un labo qui resterait éternellement dans le secret, Thinking Machines a d’abord livré une plateforme. Tinker, lancée à l’automne 2025, est une API de fine-tuning. L’idée est simple à formuler, difficile à exécuter : laisser chercheurs et entreprises contrôler algorithmes et données, pendant que le labo gère clusters, ordonnancement, pannes et coût du calcul distribué. LoRA sert à mutualiser le compute entre plusieurs runs. Le client n’achète pas seulement un modèle. Il achète le droit de le plier à son métier.

En juillet 2026 arrive Inkling, premier modèle à poids ouverts du labo. Architecture mixture of experts, environ 975 milliards de paramètres au total pour 41 milliards actifs, fenêtre de contexte pouvant aller jusqu’à un million de tokens, entrées texte, image et audio. Une version plus compacte, Inkling-Small, suit avec 276 milliards de paramètres totaux et 12 milliards actifs. Les poids sont publiés. Le revenu, lui, passe surtout par les frais de calcul liés à l’adaptation sur données propriétaires via Tinker.

Cette architecture commerciale n’est pas anodine pour un public marketing et startup. Elle ressemble à une stratégie land and expand appliquée à l’infrastructure cognitive. On ouvre les poids pour créer une communauté, de la confiance et des forks. On monétise l’atelier, pas seulement la vitrine. On parle aux DSI qui veulent un modèle chez eux, aux équipes data qui veulent un fine-tune métier, aux product managers qui en ont assez des API fermées et des clauses d’usage floues.

Pourquoi Le Multiple Fait Tousser Les Analystes

Un run rate annuel supérieur à 100 millions de dollars, c’est déjà le territoire des scale-ups sérieuses. À 40 milliards de valorisation, le ratio dépasse allègrement les 400 fois le revenu. Même dans un cycle où OpenAI, Anthropic ou xAI ont habitué le marché à des prix de science-fiction, le chiffre reste extrême. Il suppose que le revenu d’aujourd’hui n’est qu’une amorce, et que la courbe va s’infléchir très vite vers le haut.

Trois hypothèses sous-tendent ce pari. Première : Tinker devient une couche d’infrastructure durable, pas un outil de chercheurs. Deuxième : Inkling et ses successeurs restent compétitifs assez longtemps pour justifier des contrats d’adaptation. Troisième : l’accès au compute, notamment via Nvidia, reste un avantage et non un goulet. Si l’une de ces hypothèses casse, le multiple se dégonfle. Si les trois tiennent, 40 milliards peut sembler prudent dans deux ans. C’est tout le paradoxe des labos : on valorise une trajectoire, pas un bilan.

Pour un fondateur SaaS classique, ces maths sont presque offensantes. Un éditeur de logiciel à 100 millions d’ARR se vend souvent entre 8 et 20 fois le revenu, selon croissance et marge. Ici, on est dans un autre régime, celui des actifs stratégiques. Les investisseurs n’achètent pas seulement une P&L. Ils achètent une place dans la chaîne d’approvisionnement de l’intelligence.

Accel En Tête : Un Signal De Continuité Plus Que De Mode

Qu’un investisseur existant mène le tour n’est pas un détail. Cela réduit le risque de « valuation shopping » auprès de nouveaux venus prêts à surpayer pour entrer dans le club. Cela dit aussi que le cap table veut protéger son mark-to-market. Accel connaît déjà l’équipe, les écarts, les délais produit, les départs. Un lead interne est souvent plus exigeant sur la gouvernance, et plus patient sur le récit.

La présence possible de Nvidia dans le tour ajoute une couche industrielle. Le fabricant de GPU n’est pas un VC comme les autres. Il vend le carburant. Un chèque de sa part ressemble autant à une alliance d’approvisionnement qu’à une prise de participation. Dans un monde où le temps d’attente sur les clusters décide des roadmaps, cette alliance pèse parfois plus qu’un multiple Excel.

Le message pour les autres startups de l’écosystème est double. D’un côté, les tours « talent-first » restent possibles. De l’autre, le marché commence à demander un produit et un début de revenu avant d’accorder les valorisations lunaires. Thinking Machines a dû baisser son ambition de 50 à 40. Ce n’est pas un échec. C’est un rappel : même les CV les plus prestigieux finissent par rencontrer le prix du risque.

Les Départs Vers OpenAI Et Le Prix Du Talent

Le labo a perdu plusieurs profils visibles. Lilian Weng et Luke Metz sont notamment retournés chez OpenAI. D’autres tensions internes ont filtré dans la presse américaine au début de 2026 : rythme produit jugé trop lent, discussions de valorisation à 50 milliards qui patinent, désaccords sur la direction. Ces allers-retours nourrissent un récit un peu cruel, celui d’une « porte tournante » entre labos.

Pour un observateur business, le sujet n’est pas le gossip. C’est la concentration du capital humain. Quand une poignée de chercheurs fait bouger un modèle de frontière, chaque départ décale une roadmap. Les packages de rétention deviennent des armes. Les clauses, les vestings, les titres de recherche senior se négocient comme des term sheets. Une levée d’un milliard sert aussi à cela : payer le compute, mais aussi verrouiller les cerveaux.

Murati reste le centre de gravité du récit. Son passage par OpenAI, sa visibilité publique, sa capacité à lever deux milliards sans produit livré : tout cela continue de valoir cher. Mais le marché a mûri. Il veut maintenant voir si le labo peut enchaîner les versions, industrialiser Tinker et transformer l’aura en contrats renouvelables.

Open Weights : Un Positionnement Marketing Aussi Politique

Publier les poids d’Inkling n’est pas seulement un geste communautaire. C’est un positionnement. Face aux modèles fermés d’OpenAI, Anthropic ou Google, Thinking Machines joue la carte de la personnalisation et de la souveraineté des données. Une entreprise peut héberger, adapter, auditer davantage. Dans un contexte européen et international où la question du contrôle des modèles devient politique, ce discours parle aux acheteurs autant qu’aux chercheurs.

Le labo a d’ailleurs reconnu s’être appuyé, pour certaines briques, sur des travaux ouverts venus d’écosystèmes chinois, notamment pour l’architecture et des données de post-training. Ce n’est plus un tabou : la frontière de l’open-weight s’écrit désormais à plusieurs fuseaux horaires. Le défi américain consiste à proposer une alternative crédible, documentée, supportée, avec un service entreprise derrière le dépôt Hugging Face.

Pour les équipes communication et growth, cette ligne est précieuse. On ne vend plus seulement « le meilleur benchmark ». On vend un régime de propriété, une promesse de customisation, une réduction du lock-in. Les messages qui convertissent en 2026 parlent moins de magie générative que de contrôle, coût, latence et conformité.

Ce Que Les Fondateurs Peuvent Retenir Du Dossier

Il serait tentant de classer cette histoire dans la case « exception IA », donc inutile pour le reste de l’économie numérique. Ce serait une erreur. Plusieurs leçons traversent très bien les verticales marketing, SaaS et deeptech.

• Un seed record n’exonère pas d’un produit. Le marché a fini par demander Inkling et un run rate.
• La valorisation se négocie en deux temps : l’aura d’abord, les multiples ensuite.
• Un investisseur existant en lead peut valoir mieux qu’un nouveau logo prestigieux.
• Ouvrir une partie de la techno peut accélérer l’adoption tout en monétisant la couche d’exécution.
• Les départs clés se paient cash, en compute et en narration externe.

La séquence Thinking Machines ressemble à un cas d’école de storytelling financier. Phase 1 : rassembler une équipe mythologique. Phase 2 : lever avant le produit. Phase 3 : livrer une plateforme. Phase 4 : publier un modèle. Phase 5 : revenir au marché avec un chiffre d’affaires encore mince mais réel, et accepter une valorisation moins folle que celle de l’hiver précédent.

Compute, Partenariats Et Guerre D’Infrastructure

Derrière le communiqué de levée se cache toujours une facture énergétique et matérielle. Entraîner et servir des modèles de cette taille n’est pas un problème de slides. C’est un problème de racks, de contrats pluriannuels, de refroidissement, de files d’attente GPU. Thinking Machines a déjà noué des discussions stratégiques avec Nvidia, y compris autour d’engagements de capacité à grande échelle. Une partie du milliard visé servira évidemment à cela.

Pour les directions financières, le point sensible est la dépendance. Plus le modèle est grand, plus le coût marginal d’une nouvelle version explose. Une plateforme comme Tinker permet de mutualiser une partie de cette dépense en vendant du temps de fine-tuning. C’est plus sain qu’un labo qui ne facturerait que de la recherche. Mais cela reste un métier à forte intensité capitalistique. Les marges brutes d’un éditeur SaaS pur n’ont rien à voir avec celles d’un opérateur de clusters.

Les marketeurs qui positionnent des produits « AI native » devraient garder ce coût en tête. Derrière chaque fonctionnalité « intelligente » se trouve une ligne d’infrastructure. Ceux qui sauront expliquer le coût total de possession, et pas seulement la démo, gagneront les comités d’achat.

Comparaison Avec Les Autres Labos De Frontière

OpenAI a industrialisé l’interface grand public et l’API. Anthropic a misé sur la sûreté perçue et l’entreprise. Google dispose de la distribution et du cloud. xAI joue la carte de l’échelle et de l’intégration sociale. Thinking Machines choisit un autre angle : poids ouverts, personnalisation, plateforme de modification. Ce n’est pas forcément le chemin vers le plus gros chiffre d’affaires grand public. C’est un chemin vers les organisations qui refusent de tout déléguer à une API opaque.

Dans cette carte, 40 milliards situent le labo dans le haut du panier des « neo-labs », ces structures nées après 2023-2024 autour d’anciens des maisons mères. Le marché les traite comme des options réelles sur une possible troisième ou quatrième pile technologique mondiale. Certaines de ces options expireront. D’autres deviendront des piliers. Les investisseurs qui mettent un milliard aujourd’hui parient qu’Inkling n’est pas un one-shot et que Tinker peut devenir un standard de post-training.

Le public startup français et européen devrait lire cela sans complexe d’infériorité, mais sans naïveté. On n’aligne pas ces tickets sans accès au capital américain, sans relation GPU et sans marque personnelle de fondateur. En revanche, on peut copier la logique produit : ouvrir ce qui crée l’écosystème, facturer ce qui crée la dépendance utile, documenter ce qui rassure l’acheteur.

Le Rôle Du Récit Dans Une Levée À Quarante Milliards

Une valorisation de cette taille ne survit pas sans histoire. L’histoire de Thinking Machines tient en quelques motifs répétés : indépendance vis-à-vis des géants, IA qui « écoute » et collabore, modèles que l’on peut façonner, équipe issue du cœur d’OpenAI. Ces motifs ont financé le seed. Ils doivent maintenant cohabiter avec des métriques. C’est le passage délicat de toute marque deeptech. Trop de mythe, et les analystes se braquent. Trop de tableur, et la prime de rareté disparaît.

Les équipes comm’ qui observent ce dossier y trouveront un manuel vivant. D’abord le silence utile, puis la révélation d’équipe, puis un premier outil pour développeurs, puis un modèle nommé, benchmarké, téléchargeable. Chaque étape produit un actif médiatique. Chaque actif médiatique facilite le tour suivant. La presse spécialisée, de TechCrunch à The Information, devient un canal de due diligence publique.

Attention toutefois à la surcharge narrative. Les départs vers OpenAI ont montré que le récit peut se retourner. « Dream team » devient « porte tournante ». « Valorisation visionnaire » devient « multiple injustifiable ». Gérer une marque de labo, c’est accepter que le marché commente le cap table autant que le codebook.

Risques Que Les Investisseurs N’Ignoreront Pas

Premier risque : l’exécution produit. Un modèle ouvert compétitif aujourd’hui peut être dépassé en six mois. Deuxième risque : la concentration des revenus sur quelques grands comptes de fine-tuning. Troisième : la guerre des salaires et des compute credits. Quatrième : la régulation, surtout si les modèles multimodaux touchent à la voix, à l’image et à des données sensibles. Cinquième : la simple normalisation des multiples, si le cycle IA se refroidit.

Il existe aussi un risque plus subtil, celui de l’identité. Thinking Machines doit rester assez différent d’OpenAI pour justifier son existence, et assez proche de l’état de l’art pour ne pas paraître second choix. C’est un équilibre de positionnement classique, que les marketeurs reconnaîtront : trop follower, on disparaît ; trop dissident, on perd les budgets prudents.

Enfin, le risque de process. Une levée rapportée n’est pas une levée close. Les term sheets bougent. Les clauses de liquidation, les droits de suivi, les engagements de compute, les sièges au board : tout cela peut faire échouer un headline pourtant déjà écrit. Tant qu’Accel et la société n’ont pas parlé, le dossier reste une intention de marché, pas un fait comptable.

Et Pour Les Équipes Marketing Qui Vendent De L’IA ?

Ce tour, s’il se confirme, va relancer une vague de slides concurrentiels. Tout le monde voudra se comparer à un labo à 40 milliards. Résistez à la facilité. Vos clients n’achètent pas votre valorisation. Ils achètent un temps de cycle, une baisse de coût, une meilleure conversion, un risque juridique moindre. Inkling et Tinker sont intéressants précisément parce qu’ils parlent ce langage : adapter un modèle à des données internes, mesurer, itérer.

Traduisez cela dans vos offres. Proposez des preuves sur corpus propriétaire. Montrez le delta entre un modèle généraliste et un modèle fine-tuné. Parlez budget GPU comme vous parlez budget média. Expliquez pourquoi un poids ouvert change la gouvernance. Les entreprises qui gagneront les appels d’offres 2026-2027 ne seront pas forcément celles qui crient le plus fort sur les benchmarks publics. Ce seront celles qui sauront relier modèle, process métier et ROI.

La séquence Thinking Machines offre aussi un argument interne. Si un labo né en 2025 peut justifier des discussions à 40 milliards après un premier produit et 100 millions de run rate, c’est que le marché continue d’attribuer une prime énorme à ceux qui tiennent à la fois recherche, plateforme et distribution développeur. Les directions générales qui sous-investissent encore dans la donnée, l’évaluation et l’outillage de customisation prennent du retard, même sans lever un milliard.

Ce Qu’Il Faudra Surveiller Dans Les Semaines Qui Viennent

Plusieurs signaux diront si la rumeur se transforme en tour. Un communiqué conjoint. La confirmation du rôle d’Accel. Le montant exact, qui peut dépasser le milliard. La participation ou non de Nvidia. D’éventuels nouveaux noms au cap table. Des précisions sur l’usage des fonds : clusters, embauches, go-to-market entreprise. Une évolution tarifaire de Tinker. Une feuille de route Inkling au-delà du premier jet.

Il faudra aussi regarder le silence. Dans ces dossiers, l’absence de démenti n’est pas une preuve, mais un climat. Accel et Thinking Machines n’ont pas répondu dans l’immédiat aux demandes de commentaire relayées par TechCrunch. C’est fréquent au milieu d’une négociation. C’est aussi une façon de laisser le marché digérer le multiple avant de le graver dans un term sheet.

Les observateurs avisés suivront enfin le talent. Un tour de cette taille s’accompagne souvent d’une salve d’embauches visibles. Si les profils seniors continuent de revenir vers OpenAI ou partent ailleurs, le récit de plateforme indépendante s’affaiblit. S’ils affluent, 40 milliards paraîtra soudain plus cohérent.

Une Valorisation Qui Raconte Le Cycle Plus Que L’Entreprise Seule

Au fond, ce dossier n’est pas seulement l’histoire de Mira Murati. C’est une radiographie du cycle. L’argent reste abondant pour une poignée de labos. Il est devenu plus conditionnel. On accepte encore des multiples extravagants, mais on demande un artefact : un modèle, une API, un run rate. On tolère l’absence de profit. On tolère moins l’absence de preuve.

Thinking Machines se trouve précisément sur cette ligne de crête. Assez jeune pour que tout reste optionnel. Assez avancée pour que le marché exige un prix moins lunaire que 50 milliards. Assez prestigieuse pour qu’Accel envisage de remettre un chèque massif. Assez exposée pour que chaque départ fasse la une.

Pour celles et ceux qui construisent, financent ou vendent des produits technologiques, la leçon tient en une phrase un peu sèche et très utile : la prime au récit existe encore, mais elle se renégocie dès que le premier produit existe. C’est à ce moment-là que les labos cessent d’être des mythes et commencent à être des entreprises. Quarante milliards, si le tour se fait, ne dira pas que le mythe est mort. Cela dira qu’il a enfin un compte d’exploitation à défendre.