Google et NVIDIA parient sur cette entreprise IA valorisée 4 milliards de dollars, qui veut remplacer directement les scientifiques
TechFlow SélectionTechFlow Sélection
Google et NVIDIA parient sur cette entreprise IA valorisée 4 milliards de dollars, qui veut remplacer directement les scientifiques
Le mythe du financement de l’IA auto-apprenante nous révèle une chose : cette course aux armements en matière d’IA entraîne même les chercheurs dans la spirale de la surcompétition.
Dédié à des analyses Web3 approfondiesAuteur｜Hua Lin Wu Wang
En 1956, un groupe de scientifiques s’est réuni à Dartmouth pour discuter officiellement, pour la première fois, de la question suivante : « Une machine peut-elle penser ? ». Ils étaient optimistes au point de croire qu’un seul été suffirait pour y répondre.
Soixante-dix ans plus tard, cette question reste sans réponse. Mais une entreprise, fondée il y a seulement quatre mois, vient de lever 500 millions de dollars et atteint une valorisation de 4 milliards de dollars — uniquement parce qu’elle affirme avoir trouvé une voie permettant à l’IA d’apprendre à faire de la recherche par elle-même et à évoluer de façon autonome.
Cette entreprise s’appelle Recursive Superintelligence.
Google Ventures (GV) en assure le leadership du tour de financement, tandis que NVIDIA participe également. Leur position respective dans l’écosystème de l’IA va de soi. Le fait qu’elles investissent simultanément dans une startup n’ayant même pas encore présenté de produit public mérite une analyse approfondie.
01 « Retirer l’humain de la boucle »
Commençons par préciser ce que Recursive Superintelligence entend réellement accomplir.
Fondée par Richard Socher, ancien chef scientifique de Salesforce, l’entreprise réunit une équipe centrale issue de Google DeepMind et d’OpenAI. Ce n’est pas une combinaison inhabituelle : au cours des deux dernières années, une vague nette d’ingénieurs et de chercheurs issus des laboratoires les plus prestigieux s’est lancée dans l’entrepreneuriat.
Page X personnelle de Richard Socher ; Sam Altman suit visiblement cet expert. | Source de l’image : X
Richard Socher ne correspond pas au profil typique du fondateur « venu se faire une réputation » dans une grande entreprise technologique. Né en 1983 en Allemagne, il a suivi les enseignements des pionniers de l’IA Andrew Ng et du spécialiste renommé du traitement du langage naturel (NLP) Christopher Manning à l’université Stanford. Il a soutenu sa thèse de doctorat en 2014 et reçu le prix de la meilleure thèse de doctorat du département informatique de Stanford cette même année.
Richard Socher est l’un des acteurs clés ayant véritablement introduit les méthodes basées sur les réseaux de neurones dans le domaine du traitement du langage naturel. Ses travaux précurseurs sur les vecteurs de mots, les vecteurs de contexte et l’ingénierie des prompts ont directement jeté les bases techniques des modèles BERT et GPT actuels. Son nombre total de citations sur Google Scholar dépasse désormais les 180 000.
La même année que sa thèse, il fonde la startup MetaMind, rachetée deux ans plus tard par Salesforce dans une opération stratégique. Par la suite, il dirige pendant plusieurs années la stratégie IA de Salesforce en tant que chef scientifique et vice-président exécutif, pilotant notamment le développement de la gamme de produits IA d’entreprise Einstein GPT.
Après avoir quitté Salesforce, il crée en 2020 le moteur de recherche IA You.com, qui a bouclé sa série C en 2025 avec une valorisation de 1,5 milliard de dollars. Cette fois-ci, il déplace son objectif depuis la recherche vers une problématique encore plus fondamentale.
Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence, Advanced Machine Intelligence Labs… Chacune d’elles apparaît sous l’étiquette « ancienne équipe centrale de grands modèles », chacune raconte une histoire sur « la prochaine génération d’IA ».
Mais l’approche de Recursive est plus radicale que celle de la plupart de ses pairs.
Son ambition centrale est celle d’une « IA auto-apprenante » — non pas rendre l’IA plus performante pour répondre aux questions, mais lui permettre d’accomplir de façon autonome l’ensemble du processus de recherche scientifique : formuler des hypothèses, concevoir des expériences, évaluer les résultats et itérer sur les orientations. Autrement dit, elle souhaite retirer complètement le chercheur humain de cette boucle.
Ce n’est pas une direction nouvelle, mais Recursive l’intègre dans un cadre commercial extrêmement concret. Aujourd’hui, les meilleurs chercheurs en IA perçoivent des salaires annuels oscillant entre 15 et 20 millions de dollars. Si un système pouvait accomplir le même travail à moindre coût et à une vitesse accrue, le modèle économique de la recherche de pointe serait entièrement bouleversé.
Les investisseurs ont manifestement saisi cette logique. Selon les rapports, ce tour de financement a suscité une demande largement supérieure à l’offre, et son montant final pourrait atteindre 1 milliard de dollars.
02 Un pari conjoint de Google et de NVIDIA
GV en tête de file, NVIDIA en co-investisseur : cette composition même des investisseurs constitue un signal fort.
La logique de Google est aisément compréhensible. Depuis des années, DeepMind demeure l’un des acteurs les plus importants dans l’exploration de l’« IA pour la science » : AlphaFold a résolu le problème du repliement des protéines, AlphaGeometry a battu des champions humains lors de compétitions mathématiques.
Cependant, la voie empruntée par DeepMind consiste à utiliser l’IA pour résoudre des problèmes scientifiques spécifiques, tandis que Recursive vise une tâche plus fondamentale : permettre à un système d’IA de conduire de façon autonome le processus même de découverte scientifique. Pour Google, il s’agit à la fois d’une relation concurrentielle et d’un pari stratégique de couverture.
Plus important encore, début mai, Google a annoncé conjointement avec Intel un accord de collaboration portant sur plusieurs générations d’infrastructures IA. Cela indique que Google accélère fortement son déploiement dans le domaine des infrastructures IA. L’investissement dans Recursive s’inscrit dans ce grand jeu stratégique : quelle que soit la société qui prendra la tête dans le développement des modèles les plus avancés, Google veut y être impliqué.
La logique de NVIDIA est encore plus directe. Le goulot d’étranglement principal de l’IA auto-apprenante n’est pas l’algorithme, mais la puissance de calcul. Si l’IA doit exécuter des expériences et itérer sur ses propres modèles de manière autonome, l’échelle requise de grappes GPU augmentera de façon exponentielle. En investissant dans Recursive, NVIDIA anticipe, dans une certaine mesure, ses propres futurs volumes de commandes.
Le fait que ces deux entreprises investissent simultanément envoie également un signal plus subtil : ce secteur pourrait bien avoir atteint un stade où « ne pas investir revient à manquer le train ».
03 Une valorisation de 4 milliards de dollars après seulement quatre mois : est-ce justifié ?
Lorsque tout le monde a vu pour la première fois le chiffre de 4 milliards de dollars, la réaction immédiate a probablement été : « Encore un cas classique. »
La bulle spéculative autour des valorisations des startups IA n’est plus une nouveauté ces deux dernières années. Un simple PDF, une démonstration, quelques diapositives accompagnées de quelques noms provenant de laboratoires de premier plan suffisent souvent à déclencher des levées de fonds de plusieurs centaines de millions de dollars — ce n’est plus une légende à Silicon Valley ou à Londres, mais une réalité quotidienne.
Pourtant, une analyse attentive de la situation de Recursive révèle plusieurs éléments distinctifs par rapport aux « licornes PowerPoint » habituelles.
Premièrement, le poids réel de l’équipe fondatrice. Richard Socher possède une solide assise académique dans le domaine du traitement du langage naturel, bien au-delà d’un simple capital de notoriété lié à son passé dans une grande entreprise. L’expérience de l’équipe centrale chez DeepMind et OpenAI signifie également qu’elle a effectivement côtoyé les défis concrets rencontrés par la recherche de pointe.
Deuxièmement, le fait que le tour de financement ait été largement sursouscrit. Cela signifie que la demande dépasse largement l’offre : les investisseurs se bousculent pour entrer, plutôt que d’être convaincus après coup.
Toutefois, valoriser à 4 milliards de dollars une entreprise âgée de quatre mois et ne disposant d’aucun produit public repose sur des attentes, non sur des réalités concrètes. Fondamentalement, on paie ici une orientation stratégique, non un produit ou un revenu.
Cette logique de valorisation devient de plus en plus courante à l’ère de l’IA, reflétant la peur profonde des investisseurs de « rater le prochain OpenAI ». Safe Superintelligence avait elle aussi obtenu une valorisation astronomique alors qu’elle ne disposait pratiquement d’aucun produit, le nom d’Ilya Sutskever constituant alors son actif le plus précieux.
Recursive suit exactement la même trajectoire. Ce n’est pas une critique, mais une observation objective.
04 Derrière la porte de l’« auto-apprentissage », qu’y a-t-il ?
Le nom même de Recursive Superintelligence exprime très clairement les ambitions de l’entreprise.
« Recursive » signifie « récursif ». En informatique, la récursion désigne une structure dans laquelle une fonction s’appelle elle-même, constituant un mécanisme central de nombreux algorithmes complexes. Appliqué à la recherche en IA, « intelligence super-intelligente récursive » évoque un système capable de s’optimiser constamment, évoluant de façon spiralaire.
Ce concept n’est pas nouveau : sa version extrême est celle de « l’explosion de l’intelligence » — dès lors qu’un système franchit un seuil critique, il devient capable d’accélérer de façon autonome son propre processus évolutif, atteignant finalement un niveau d’intelligence incommensurable pour l’humain. Il s’agit là de l’une des préoccupations fondamentales du domaine de la sécurité de l’IA.
Mais ce que Recursive entreprend aujourd’hui est loin d’avoir atteint ce niveau. Une interprétation plus réaliste consiste à dire qu’elle cherche à construire un système capable de piloter de façon autonome le cycle d’exploration scientifique, afin de réduire drastiquement les coûts humains et temporels associés à la recherche en IA.
Si elle y parvient réellement, l’impact ne se limitera pas au cercle restreint de l’IA. Cela signifierait que des domaines tels que la découverte de médicaments, la science des matériaux ou la physique pourraient entrer dans une ère où les progrès rapides seraient possibles même sans la participation directe de scientifiques humains.
Bien sûr, cela reste encore un « si ».
Dans le secteur de l’IA, la distance séparant l’affirmation de la réalisation n’a jamais été linéaire.
05 La logique de la vague
Depuis la seconde moitié de 2025, une vague après l’autre de chercheurs issus des laboratoires les plus prestigieux se sont lancés dans l’entrepreneuriat : Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence… Cette liste ne cesse de s’allonger.
Recursive est la plus récente de ces initiatives, et actuellement la mieux valorisée.
La raison structurelle est simple : la concurrence entre OpenAI, Anthropic et Google DeepMind a transformé progressivement ces laboratoires de pointe en véritables grandes entreprises, soumises à des objectifs chiffrés (KPI), à des exigences réglementaires et à des jeux politiques internes.
Les chercheurs véritablement motivés par les orientations les plus radicales estiment ainsi qu’il leur est plus libre de créer leur propre entreprise.
Parallèlement, la logique des marchés financiers renforce également cette tendance. Pour les chercheurs de haut niveau bénéficiant du soutien d’une grande entreprise, la fenêtre actuelle d’entrepreneuriat pourrait bien être la plus favorable de toute l’histoire — les investisseurs étant prêts, plus que jamais, à payer pour une orientation stratégique.
La question centrale de cette vague n’est pas « qui réussira ? », mais bien « comment définir la réussite ? ».
Si Recursive parvient à démontrer la faisabilité de l’IA auto-apprenante, elle modifiera radicalement le paradigme fondamental de la recherche en IA. Si elle échoue, une fois les 500 millions de dollars de financement épuisés, il ne restera qu’un concept surestimé.
Ces deux scénarios sont parfaitement plausibles.
Quatre mois, une valorisation de 4 milliards de dollars : ce chiffre suscite à la fois enthousiasme et vigilance. La course aux armements en IA ayant atteint ce stade, même la question « comment faire de la recherche » est devenue un champ de bataille concurrentiel.
Le problème débattu durant un été à Dartmouth par des scientifiques est aujourd’hui pris en charge par l’IA — l’IA étudiant l’IA, cheminant vers une intelligence super-intelligente selon un processus récursif.
Nul ne sait vraiment où mène ce chemin. Mais il est évident que Google et NVIDIA ont déjà décidé qu’elles ne veulent, quoi qu’il arrive, en être absentes.
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
极客公园
