La "bande d'OpenAI" monte en puissance dans la Silicon Valley
TechFlow SélectionTechFlow Sélection
La "bande d'OpenAI" monte en puissance dans la Silicon Valley
La voie de la fission d'OpenAI.
Dédié à des analyses Web3 approfondiesAuteur : Qijian
Image : générée par Wujie AI
À quel point le titre d’« ancien employé d’OpenAI » a-t-il de la valeur sur le marché ?
Le 25 février, selon Business Insider, la nouvelle entreprise fondée par Mira Murati, ancienne directrice technique d’OpenAI, nommée Thinking Machines Lab, a lancé une levée de fonds de 1 milliard de dollars à une valorisation de 9 milliards de dollars.
Pour l’instant, Thinking Machines Lab n’a révélé aucun produit, aucune feuille de route technologique ni aucun détail concret. Les seules informations publiques concernant cette entreprise sont son équipe composée de plus de 20 anciens employés d’OpenAI, ainsi que sa vision : construire un futur dans lequel « chacun puisse accéder aux connaissances et aux outils, permettant à l’IA de répondre aux besoins et objectifs spécifiques des individus ».
Mira Murati et Thinking Machines Lab
La capacité de mobilisation du capital par les fondateurs issus d’OpenAI connaît désormais un effet boule de neige. Avant Murati, Safe Superintelligence Inc. (SSI), fondée par Ilya Sutskever, ancien scientifique en chef d’OpenAI, avait déjà obtenu une valorisation de 30 milliards de dollars uniquement sur la base de son ADN OpenAI et d’un simple concept.
Depuis le départ de Musk d’OpenAI en 2018, les anciens employés ont fondé plus de 30 entreprises, ayant collectivement levé plus de 9 milliards de dollars. Ces sociétés ont formé une chaîne écologique complète couvrant la sécurité de l’IA (Anthropic), les infrastructures (xAI) et les applications verticales (Perplexity).
Cela rappelle la vague d’entrepreneuriat à Silicon Valley après l’acquisition de PayPal par eBay en 2002, lorsque des fondateurs comme Elon Musk et Peter Thiel ont quitté l’entreprise, donnant naissance au célèbre « PayPal Mafia », à partir duquel sont nées des entreprises légendaires telles que Tesla, LinkedIn et YouTube. Les ex-employés d’OpenAI forment aujourd’hui leur propre « OpenAI Mafia ».
Mais le scénario de l’« OpenAI Mafia » est encore plus audacieux : alors que le « PayPal Mafia » a mis 10 ans pour créer deux entreprises valant chacune des dizaines de milliards, l’« OpenAI Mafia », depuis le lancement de ChatGPT, a généré en seulement deux ans cinq entreprises valorisées plus d’un milliard de dollars. Parmi elles, Anthropic atteint une valorisation de 61,5 milliards de dollars, SSI d’Ilya Sutskever est valorisée à 30 milliards, xAI de Musk à 24 milliards de dollars. Il est fort probable qu’un jour, une licorne valorisée cent milliards de dollars naisse au sein de ce groupe au cours des trois prochaines années.
L’éclatement de talents provoqué par l’« OpenAI Mafia » transforme profondément Silicon Valley et redessine même la carte du pouvoir mondial en matière d’intelligence artificielle.
La trajectoire de fragmentation d’OpenAI
Sur les 11 cofondateurs originaux d’OpenAI, seuls Sam Altman et Wojciech Zaremba, responsable de l’équipe langage et génération de code, sont encore en poste.
L’année 2024 a été celle du pic des départs chez OpenAI. Ilya Sutskever (parti en mai 2024), John Schulman (parti en août 2024) et d’autres ont successivement quitté l’entreprise. L’équipe de sécurité d’OpenAI est passée de 30 à 16 membres, soit une baisse de 47 %. Parmi les cadres dirigeants, des personnalités clés telles que la CTO Mira Murati et le directeur de la recherche Bob McGrew sont parties. Dans les équipes techniques, des talents essentiels comme Alec Radford, concepteur principal des modèles GPT, Tim Brooks, responsable de Sora (rejoint Google), ou encore l’expert en apprentissage profond Ian Goodfellow, parti chez Google, ont également quitté OpenAI. Andrej Karpathy, quant à lui, a quitté OpenAI pour la deuxième fois afin de fonder une entreprise dans l’éducation.
« Ensemble, ils formaient une flamme ; dispersés, ils deviennent des étoiles. »
Plus de 45 % des cadres techniques principaux recrutés avant 2018 chez OpenAI ont choisi de fonder leurs propres entreprises. Ces nouveaux acteurs ont recomposé l’ADN technologique d’OpenAI en trois grands groupes stratégiques.
Le premier groupe, appelé « lignée directe », poursuit fidèlement l’héritage d’OpenAI. Ce sont en quelque sorte des ambitieux d’une version OpenAI 2.0.
Thinking Machines Lab de Mira Murati reproduit presque intégralement l’architecture de R&D d’OpenAI : John Schulman s’occupe du cadre d’apprentissage par renforcement, Lilian Weng dirige le système de sécurité IA, et même le schéma neuronal de GPT-4 est utilisé comme plan technique pour les nouveaux projets.
Leur « manifeste de science ouverte » critique directement la tendance à la fermeture croissante d’OpenAI ces dernières années. Ils prévoient de publier continuellement des blogs techniques, des articles scientifiques et du code source afin de tracer un chemin « plus transparent vers l’AGI ». Cette initiative a déjà eu un effet domino dans le secteur : trois chercheurs de haut niveau de Google DeepMind ont rejoint l’entreprise avec l’architecture Transformer-XL.
Safe Superintelligence Inc. (SSI) d’Ilya Sutskever a choisi une voie différente. Avec deux autres chercheurs, Daniel Gross et Daniel Levy, il a fondé une société qui abandonne tout objectif commercial à court terme, se concentrant exclusivement sur la construction d’une « super-intelligence sûre et irréversible » — un cadre technique relevant presque de la philosophie. Dès sa création, SSI a convaincu des institutions telles qu’a16z et Sequoia Capital d’investir 1 milliard de dollars dans cet idéal.
Ilya Sutskever et SSI
Un autre courant regroupe les « perturbateurs », partis bien avant l’avènement de ChatGPT.
Dario Amodei, fondateur d’Anthropic, a fait évoluer sa société de simple « opposant à OpenAI » à celui de concurrent le plus dangereux. Sa série de modèles Claude 3 rivalise avec GPT-4 dans de nombreux tests. De plus, Anthropic a noué un partenariat exclusif avec Amazon AWS, ce qui signifie qu’il commence à miner progressivement les bases d’OpenAI en matière de puissance de calcul. La technologie de puce développée conjointement par Anthropic et AWS pourrait encore affaiblir davantage la capacité de négociation d’OpenAI auprès de Nvidia pour ses GPU.
Un autre représentant de ce groupe est Elon Musk. Bien qu’il ait quitté OpenAI en 2018, plusieurs membres fondateurs de son entreprise xAI ont travaillé chez OpenAI, notamment Igor Babuschkin et Kyle Kosic, qui est ensuite revenu chez OpenAI. Grâce aux ressources colossales de Musk, xAI représente une menace sérieuse pour OpenAI sur plusieurs fronts : talents, données et puissance de calcul. En intégrant les flux de données sociales en temps réel de la plateforme X appartenant à Musk, Grok-3 d’xAI peut instantanément capter les événements tendance sur X pour générer des réponses, tandis que les données d’entraînement de ChatGPT s’arrêtent à 2023, créant un écart significatif en termes d’actualité. Ce circuit fermé de données constitue un avantage difficilement reproductible par OpenAI, qui dépend de l’écosystème Microsoft.
Musk précise toutefois que la mission d’xAI n’est pas de remplacer OpenAI, mais de retrouver l’« esprit originel » d’OpenAI. xAI adopte une stratégie de « maximale open-source », comme en témoigne l’ouverture du modèle Grok-1 sous licence Apache 2.0, attirant ainsi des développeurs du monde entier dans la construction de son écosystème. Cela contraste fortement avec la tendance croissante à la fermeture d’OpenAI ces dernières années (par exemple, GPT-4 n’est accessible qu’en API).
Le troisième groupe comprend les « disrupteurs » qui réinventent la logique industrielle.
Perplexity, fondée par Aravind Srinivas, ancien chercheur chez OpenAI, est l’une des premières entreprises à avoir utilisé les grands modèles d’IA pour transformer les moteurs de recherche. Perplexity remplace les listes de liens des pages de résultats par des réponses générées directement par l’IA. Aujourd’hui, elle enregistre plus de 20 millions de recherches quotidiennes et a levé plus de 500 millions de dollars (valorisation de 9 milliards de dollars).
Adept, fondée par David Luan, ancien vice-président ingénierie chez OpenAI, qui a participé aux recherches sur le langage, le supercalcul, l’apprentissage par renforcement, ainsi qu’à la sécurité et aux politiques des projets GPT-2, GPT-3, CLIP et DALL-E. Adept se concentre sur le développement d’agents IA, dont l’objectif est d’automatiser des tâches complexes en combinant les grands modèles et l’utilisation d’outils (génération de rapports conformes, conception de plans, etc.). Son modèle ACT-1 peut directement manipuler des logiciels bureautiques, Photoshop, etc. Actuellement, l’équipe fondatrice d’Adept, y compris David Luan, a rejoint l’équipe AGI d’Amazon.
Covariant est une startup spécialisée dans l’intelligence incarnée, valorisée à 1 milliard de dollars. Son équipe fondatrice provient de l’équipe robotique dissoute d’OpenAI, dont l’ADN technologique découle de l’expérience acquise dans le développement de GPT. Spécialisée dans les modèles fondamentaux pour robots, Covariant vise à permettre aux robots d’opérer de manière autonome grâce à une IA multimodale, en particulier dans l’automatisation des entrepôts et de la logistique. Toutefois, les trois membres clés de l’équipe fondatrice de Covariant, Pieter Abbeel, Peter Chen et Rocky Duan, tous issus de l’« OpenAI Mafia », ont depuis rejoint Amazon.
Quelques startups issues de l’« OpenAI Mafia »
Source : Informations publiques, compilation : Qijian
La transition de l’IA d’un « outil » à un « facteur de productivité » a engendré trois types d’opportunités industrielles : scénarios de substitution (comme la disruption des moteurs de recherche traditionnels), scénarios d’ajout de valeur (comme la modernisation intelligente de l’industrie manufacturière), et scénarios de reconstruction (comme les percées fondamentales en sciences de la vie). Ces scénarios ont en commun un potentiel de création de boucles de données (les données d’interaction utilisateur alimentent les modèles), une interaction profonde avec le monde physique (données de mouvement des robots / données d’expériences biologiques), et un espace de régulation éthique flou.
L’effet de diffusion technologique d’OpenAI fournit précisément la force motrice sous-jacente à cette transformation industrielle. Sa stratégie initiale d’open source (comme le partiellement ouvert GPT-2) a créé un effet « pissenlit » de diffusion technologique. Mais une fois les percées technologiques entrées dans des zones plus complexes, la fermeture et la commercialisation sont devenues inévitables.
Cette contradiction a engendré deux phénomènes : d’une part, les talents partants transposent des technologies telles que l’architecture Transformer ou l’apprentissage par renforcement vers des cas d’usage verticaux (comme la fabrication ou la biotechnologie), construisant des barrières via les données spécifiques au domaine ; d’autre part, les géants verrouillent ces technologies par l’acquisition de talents, créant ainsi une boucle de « récolte technologique ».
Quand le fossé protecteur devient une ligne de partage
Tandis que l’« OpenAI Mafia » avance à grand pas, l’ancienne maison mère OpenAI semble elle-même « piétiner ».
Sur le plan technologique et produit, la sortie de GPT-5 est repoussée à plusieurs reprises, et le produit phare ChatGPT est largement perçu comme ralentissant dans l’innovation comparé au rythme général du secteur.
Sur le marché, des nouveaux venus comme DeepSeek commencent à rattraper OpenAI : leurs modèles offrent des performances proches de ChatGPT, mais avec un coût d’entraînement réduit à 5 % de celui de GPT-4. Cette possibilité de reproduction à bas coût fragilise progressivement la barrière technologique d’OpenAI.
Cependant, l’essor rapide de l’« OpenAI Mafia » s’explique en grande partie par les contradictions internes d’OpenAI.
L’équipe de recherche centrale d’OpenAI est aujourd’hui pratiquement désintégrée : sur les 11 cofondateurs, seuls Sam Altman et Wojciech Zaremba restent en poste, et 45 % des chercheurs principaux ont quitté l’entreprise.
Wojciech Zaremba
Le cofondateur Ilya Sutskever a quitté OpenAI pour fonder SSI, le scientifique en chef Andrej Karpathy a publié publiquement ses expériences d’optimisation du Transformer, et Tim Brooks, responsable du projet de génération vidéo Sora, a rejoint Google DeepMind. Parmi l’équipe technique, plus de la moitié des auteurs des premières versions de GPT sont partis, la plupart rejoignant désormais des concurrents directs d’OpenAI.
Par ailleurs, selon les données compilées par Lightcast sur les annonces d’embauche, la priorité d’OpenAI semble avoir changé. En 2021, 23 % des annonces portaient sur des postes de recherche générale. En 2024, ce chiffre n’était plus que de 4,4 %, reflétant indirectement le changement de statut des chercheurs au sein d’OpenAI.
Les conflits culturels liés à la transformation commerciale deviennent de plus en plus marqués. Alors que l’effectif a augmenté de 225 % en trois ans, l’esprit hacker initial est progressivement remplacé par un système de KPI. Certains chercheurs ont déclaré sans ambages être « contraints de passer de la recherche exploratoire à l’itération produit ».
Ce balancement stratégique place OpenAI dans un dilemme double : elle doit continuellement produire des percées technologiques pour maintenir sa valorisation, tout en faisant face à la pression concurrentielle exercée par d’anciens employés qui répliquent rapidement ses méthodes.
Le véritable enjeu de l’industrie de l’IA ne réside pas dans la course aux paramètres en laboratoire, mais dans la capacité à insuffler l’ADN technologique dans les capillaires industriels — dans les flux de réponse des moteurs de recherche, les trajectoires des bras robotiques, la dynamique moléculaire des cellules biologiques — afin de reconstruire la logique fondamentale du monde économique.
Est-ce Silicon Valley qui fragmente OpenAI ?
La montée fulgurante de l’« OpenAI Mafia » et du « PayPal Mafia » profite largement du cadre juridique californien.
Depuis la loi de 1872 interdisant les clauses de non-concurrence, l’environnement juridique unique de la Californie a servi de catalyseur à l’innovation à Silicon Valley. Selon l’article 16600 du Code des affaires et des professions de Californie, toute clause limitant la liberté professionnelle est nulle. Ce dispositif institutionnel favorise directement la mobilité libre des talents technologiques.
La durée moyenne d’emploi d’un programmeur à Silicon Valley est de seulement 3 à 5 ans, bien inférieure à celle des autres centres technologiques. Ce haut taux de rotation crée un effet de « débordement de connaissances » — comme l’illustre Fairchild Semiconductor, dont les anciens employés ont fondé 12 géants du semi-conducteur tels qu’Intel et AMD, jetant ainsi les bases industrielles de Silicon Valley.
La prohibition des clauses de non-concurrence, bien qu’apparemment moins protectrice pour les entreprises innovantes, stimule en réalité davantage l’innovation. La circulation des talents accélère la diffusion technologique et abaisse les seuils d’entrée à l’innovation.
La Commission fédérale du commerce (FTC) des États-Unis prévoit qu’après l’interdiction totale des clauses de non-concurrence en avril 2024, la vitalité innovante du pays sera encore libérée : lors de la première année de mise en œuvre, environ 8 500 nouvelles entreprises émergeraient, les brevets augmenteraient de 17 000 à 29 000, avec 3 000 à 5 000 nouveaux brevets supplémentaires, et le rythme annuel de croissance des brevets serait de 11 à 19 % au cours des dix prochaines années.
Le capital joue également un rôle crucial dans l’ascension de l’« OpenAI Mafia ».
Le volume des investissements en capital-risque à Silicon Valley représente plus de 30 % du total américain. Des institutions comme Sequoia Capital et Kleiner Perkins ont construit une chaîne de financement complète, du stade amorçage jusqu’à l’IPO. Ce modèle intensif en capital génère un double effet.
D’abord, le capital est le moteur de l’innovation : les business angels apportent non seulement des fonds, mais aussi des ressources sectorielles. Uber, par exemple, a démarré avec seulement 200 000 dollars de deux fondateurs et 3 taxis enregistrés. Après avoir reçu un investissement de 1,25 million de dollars, il a entamé un cycle rapide de levées de fonds, atteignant une valorisation de 40 milliards de dollars dès 2015.
L’attention soutenue des fonds de capital-risque sur les technologies de pointe favorise également la mise à niveau industrielle. Sequoia Capital a investi dans Apple en 1978, Oracle en 1984, établissant ainsi son influence dans les semi-conducteurs et l’informatique ; en 2020, il a commencé à s’implanter massivement dans l’intelligence artificielle, participant à des projets comme OpenAI. Les investissements internationaux (comme Microsoft) à hauteur de dizaines de milliards de dollars dans l’IA ont réduit le cycle de commercialisation de l’IA générative de plusieurs années à quelques mois.
Le capital offre aussi une meilleure tolérance à l’échec. La rapidité avec laquelle les accélérateurs filtrent les projets ratés est aussi importante que celle des succès. Selon l’analyse de startuptalky, le taux d’échec global des startups est de 90 %, contre 83 % à Silicon Valley. Bien que les startups réussissent rarement, dans le maillage des fonds de capital-risque, l’expérience de l’échec peut rapidement nourrir de nouveaux projets.
Source : startuptalky.com
Toutefois, le capital modifie aussi en partie la trajectoire de développement de ces entreprises innovantes.
Des projets IA leaders atteignent des valorisations supérieures à 1 milliard de dollars avant même de sortir un produit, ce qui rend d’autant plus difficile l’accès aux ressources pour les petites et moyennes équipes innovantes. Ce déséquilibre structurel est encore plus marqué géographiquement : selon Dealroom, le financement en capital-risque dans la baie de San Francisco au cours d’un trimestre (24,7 milliards de dollars) équivaut à la somme des quatre prochains centres mondiaux (Londres, Pékin, Bangalore, Berlin). Parallèlement, bien que les marchés émergents comme l’Inde aient connu une croissance de financement de 133 %, 97 % des fonds sont allés à des « licornes » valorisées à plus de 1 milliard de dollars.
En outre, le capital présente une forte « dépendance au chemin » : il privilégie les domaines offrant des retours quantifiables, ce qui rend difficile le soutien financier aux innovations fondamentales émergentes. Par exemple, Guo Guoping, fondateur de la startup chinoise Benth Quantum dans le calcul quantique, a dû vendre sa maison pour financer son entreprise faute de capitaux suffisants. Sa première levée de fonds en 2015 a eu lieu alors que les données du ministère chinois des Sciences indiquaient que les dépenses nationales en recherche représentaient moins de 2,2 % du PIB, dont seulement 4,7 % étaient consacrés à la recherche fondamentale.
Non seulement ces domaines manquent de soutien, mais les grands capitaux utilisent aussi l’argent pour capter les meilleurs talents, ce qui fait que les postes de CTO dans les startups sont désormais verrouillés à sept chiffres (dollars américains pour les entreprises US, yuans pour les entreprises chinoises), créant un cercle vicieux de « monopole des talents par les géants → capital poursuivant les géants ».
Cependant, la survalorisation anticipée de ces entreprises de l’« OpenAI Mafia » comporte également des risques.
Les deux entreprises de Mira Murati et d’Ilya Sutskever ont levé des milliards de dollars sur la seule base d’un concept. Cela découle d’une prime de confiance accordée à leurs compétences techniques d’élite héritées d’OpenAI. Mais cette confiance comporte des risques : d’abord, l’IA peut-elle rester en croissance exponentielle ? Ensuite, les données spécifiques à un domaine peuvent-elles former une barrière monopolistique ? Si ces deux hypothèses sont remises en cause (ralentissement des percées en modèles multimodaux, explosion des coûts d’acquisition des données sectorielles), la surchauffe du capital pourrait provoquer un grand remaniement sectoriel.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
