Google et Nvidia misent tous deux, en quatre mois d'existence, une valorisation de 4 milliards, cette société d'IA, comment cela est-il possible ?

Titre original : « Google, Nvidia misent, cette entreprise d’IA valorisée à 4 milliards de dollars veut éliminer directement les scientifiques »

Auteur original : Huálín Wǔwáng, Geek Park

En 1956, un groupe de scientifiques se rassemble à Dartmouth pour discuter officiellement pour la première fois de la question « Les machines peuvent-elles penser ? » Ils étaient optimistes, pensant pouvoir résoudre ce problème en un été.

Soixante-dix ans plus tard, cette question reste sans réponse. Mais une entreprise, créée il y a seulement quatre mois, a déjà levé 500 millions de dollars de financement, avec une valorisation atteignant 4 milliards de dollars — simplement parce qu’elle affirme avoir trouvé une voie permettant à l’IA d’apprendre à faire ses propres recherches et à évoluer par elle-même.

Cette entreprise s’appelle Recursive Superintelligence.

GV, le fonds de capital-risque de Google, a mené le tour, Nvidia a suivi. La position de ces deux géants dans l’écosystème de l’IA n’a pas besoin d’être expliquée. Leur décision de co-investir dans une startup dont le produit n’a même pas encore été lancé mérite une analyse sérieuse de la logique derrière.

01 « Déplacer l’humain hors du cycle »

Commençons par expliquer ce que fait exactement Recursive Superintelligence.

L’entreprise a été fondée par Richard Socher, ancien scientifique en chef de Salesforce, avec une équipe principale issue de Google DeepMind et OpenAI. Ce n’est pas une composition inhabituelle — ces deux dernières années, une vague claire d’ingénieurs et de chercheurs issus de laboratoires de pointe a quitté ces institutions pour créer leurs propres startups.

La page personnelle de Richard Socher sur X, Altman semble avoir porté une attention particulière à ce talent | Source : X

Socher n’est pas un fondateur typique de la Silicon Valley, qui sort d’un grand groupe pour faire ses armes. Né en 1983 en Allemagne, il a étudié à Stanford sous la direction du pionnier de l’IA Andrew Ng et du spécialiste du traitement du langage naturel Christopher Manning. En 2014, il a soutenu sa thèse, remportant le prix de la meilleure thèse en informatique de Stanford cette année-là.

Richard Socher est l’un des acteurs clés ayant véritablement introduit la méthode des réseaux neuronaux dans le domaine du traitement du langage naturel — ses premières recherches sur les vecteurs de mots, les vecteurs de contexte et l’ingénierie des prompts ont directement posé les bases technologiques des modèles BERT, GPT, etc., avec plus de 180 000 citations dans Google Scholar.

L’année de sa thèse, il a fondé la startup d’IA MetaMind, qui a été acquise deux ans plus tard par Salesforce dans le cadre d’une opération stratégique. Par la suite, il a dirigé la stratégie IA de Salesforce en tant que scientifique en chef et vice-président exécutif, menant le déploiement de produits d’IA d’entreprise comme Einstein GPT.

Après avoir quitté Salesforce, il a créé en 2020 le moteur de recherche IA You.com, qui a levé une série C en 2025, atteignant une valorisation de 1,5 milliard de dollars. Cette fois, il a tourné son regard vers des enjeux plus fondamentaux que la recherche.

Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence, Advanced Machine Intelligence Labs… Chacune affiche le label « équipe centrale des XX plus grands modèles » et raconte une histoire sur une « prochaine génération d’IA ».

Mais l’approche de Recursive est plus radicale que celle de la plupart de ses pairs.

Son objectif central est une « IA auto-apprenante » — non pas pour rendre l’IA plus intelligente pour répondre aux questions, mais pour qu’elle réalise l’intégralité du processus de recherche scientifique : formuler des hypothèses, concevoir des expériences, évaluer les résultats, itérer sur les directions. En d’autres termes, il s’agit de déplacer complètement le chercheur humain de ce cycle.

Ce n’est pas une idée nouvelle, mais Recursive l’intègre dans une logique commerciale extrêmement concrète. Aujourd’hui, le salaire annuel d’un chercheur IA de haut niveau peut atteindre 15 à 20 millions de dollars. Si un système peut réaliser le même travail à moindre coût et plus rapidement, le modèle économique de la recherche de pointe sera complètement réécrit.

Les investisseurs ont clairement perçu cette logique. Selon les rapports, la levée de fonds a été sursouscrite, le montant final pourrait atteindre 1 milliard de dollars.

02 Google et Nvidia misent simultanément

GV a mené le tour, Nvidia a suivi. La composition de ces investisseurs en soi envoie un signal.

La logique de Google est facile à comprendre. DeepMind a été, depuis des années, le principal explorateur de la voie « IA pour la science », avec AlphaFold qui résout le problème du repliement des protéines, et AlphaGeometry qui bat des experts en mathématiques lors de concours.

Mais la trajectoire de DeepMind consiste à utiliser l’IA pour résoudre des problèmes scientifiques concrets. Recursive veut faire quelque chose de plus fondamental — permettre à un système d’IA de faire avancer le processus de découverte scientifique lui-même. Pour Google, c’est à la fois une compétition et une couverture stratégique à miser.

Plus important encore, au début du mois, Google a annoncé un partenariat avec Intel pour plusieurs générations d’infrastructures IA. Cela montre que la stratégie d’expansion de Google dans l’infrastructure IA s’accélère. Investir dans Recursive, c’est jouer une pièce dans cette grande partie d’échecs — peu importe qui mène la course, Google veut en faire partie.

La logique d Nvidia est plus directe. La limite principale de l’IA auto-apprenante n’est pas l’algorithme, mais la puissance de calcul. Si l’IA doit exécuter ses expériences et faire évoluer ses modèles de façon autonome, la taille du cluster GPU nécessaire croît de façon exponentielle. En investissant dans Recursive, Nvidia mise aussi sur ses futurs commandes.

Les deux entreprises agissent simultanément, ce qui envoie un message plus subtil — cette voie pourrait être arrivée à un stade où « ne pas investir, c’est rater le train ».

03 Quatre mois, une valorisation de 4 milliards, est-ce raisonnable ?

Lorsque tout le monde a vu pour la première fois ce chiffre de 4 milliards de dollars, la première réaction a été « encore ? ».

Les bulles de valorisation dans l’IA ne sont pas une nouveauté depuis deux ans. Un PDF, une démo, quelques diapositives, et quelques noms de laboratoires de pointe suffisent à mobiliser plusieurs centaines de millions — ce n’est plus une légende en Silicon Valley ou à Londres, mais une réalité quotidienne.

Mais en regardant de plus près Recursive, quelques points diffèrent de la « licorne PPT » classique.

Premièrement, la crédibilité de l’équipe fondatrice. Richard Socher possède une véritable expérience académique dans le domaine du NLP, pas seulement une image de « grand groupe » pour faire joli. Son parcours chez DeepMind et OpenAI signifie qu’il a été confronté directement aux défis de la recherche de pointe.

Deuxièmement, la sursouscription du financement. Cela indique que la demande du marché dépasse largement l’offre, et que les investisseurs se battent pour entrer, plutôt que d’être convaincus.

Mais une valorisation de 4 milliards pour une entreprise créée il y a seulement quatre mois, sans produit public, repose sur des attentes, pas sur la réalité. En somme, c’est payer pour une direction, pas pour un produit ou un revenu.

Ce type de logique de valorisation devient de plus en plus courant à l’ère de l’IA, alimentée par la peur profonde de manquer la « prochaine OpenAI ». Safe Superintelligence a aussi obtenu une valorisation exorbitante avec presque aucun produit, et le nom d’Ilya Sutskever est une arme redoutable.

Recursive suit cette même voie. Ce n’est pas une critique, mais une observation objective.

04 « La porte de l’auto-apprentissage », qu’y a-t-il derrière ?

Le nom Recursive Superintelligence exprime déjà très clairement l’ambition de l’entreprise.

« Recursive » signifie récursif. En informatique, la récursivité est une structure où une fonction s’appelle elle-même, un mécanisme central dans de nombreux algorithmes complexes. Appliqué à l’IA, « super intelligence récursive » suggère un système capable de s’auto-optimiser en permanence, s’élevant en spirale.

Ce concept n’est pas nouveau, sa version extrême étant « explosion d’intelligence » — une fois qu’un système dépasse un certain seuil critique, il peut accélérer son propre évolution de façon autonome, atteignant un niveau d’intelligence incompréhensible pour l’humain. C’est l’une des principales préoccupations en sécurité de l’IA depuis longtemps.

Mais ce que fait Recursive aujourd’hui est probablement encore loin de ce stade. Une lecture plus réaliste est qu’elle tente de construire un système capable de conduire de façon autonome un cycle d’exploration scientifique, avec pour objectif de réduire drastiquement le coût humain et temporel de la recherche en IA.

Si elle y parvient, l’impact ne se limitera pas au cercle de l’IA. Cela pourrait signifier une nouvelle étape dans la recherche de médicaments, la science des matériaux, la physique — où des avancées pourraient se faire sans la participation directe de scientifiques humains.

Bien sûr, tout cela reste hypothétique.

Entre la déclaration et la réalisation, la distance dans l’industrie de l’IA n’a jamais été linéaire.

05 La logique de la vague

Depuis la seconde moitié de 2025, une vague de départs de laboratoires de pointe pour créer leurs propres entreprises ne cesse de croître. Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence… La liste s’allonge encore.

Recursive est la plus récente, et aussi la plus valorisée à ce jour.

La raison structurelle est simple — la compétition entre OpenAI, Anthropic, Google DeepMind a transformé ces laboratoires en entités de plus en plus semblables à de grandes entreprises, avec des KPI, des conformités, des enjeux politiques.

Les chercheurs qui veulent vraiment s’engager dans des directions plus radicales trouvent souvent plus de liberté en se lançant seuls.

Par ailleurs, le marché du capital renforce cette tendance. Pour les chercheurs de haut niveau soutenus par de grands groupes, le moment de lancer leur startup pourrait être le meilleur de l’histoire — les investisseurs sont plus que jamais prêts à financer des « directions ».

La question centrale de cette vague n’est pas « qui réussira », mais « comment définir le succès ».

Si Recursive prouve la faisabilité de l’IA auto-apprenante, elle pourrait réécrire le paradigme fondamental de la recherche en IA. Sinon, après avoir dépensé 500 millions de dollars, il ne restera qu’un concept surévalué.

Les deux scénarios sont possibles.

Quatre mois, une valorisation de 4 milliards, ce chiffre excite autant qu’il alerte. La course à l’armement en IA a atteint un point où même « comment faire de la recherche » devient un terrain de compétition.

Les scientifiques qui ont débattu à Dartmouth tout un été sur cette question voient maintenant l’IA comme un moyen d’y répondre — en utilisant l’IA pour étudier l’IA, dans une boucle récursive vers une super intelligence.

Où cela mène-t-il ? Personne ne le sait vraiment. Mais il est clair que Google et Nvidia ont déjà décidé que, peu importe la direction, ils doivent être présents.

Lien original

Cliquez pour découvrir les offres d’emploi de Rhythm BlockBeats

Rejoignez la communauté officielle de Rhythm BlockBeats :

Groupe Telegram : https://t.me/theblockbeats

Groupe de discussion Telegram : https://t.me/BlockBeats_App

Compte officiel Twitter : https://twitter.com/BlockBeatsAsia