5 milliards de dollars pour aucun produit : Pourquoi le tour de financement de River AI est la mise en jeu définissante de l’ère Neolab

À l’intention des investisseurs,

River AI a été augmenté.1,1 milliard d’aujourd’hui. À une valeur de 5 milliards de dollars.Aucun produit sur le marché. Aucun revenu. Aucune démonstration publique.

Et si vous pensez que cela semble absurde, souvenez-vous que nous sommes en 2026. Les start-ups en IA ont réussi…242 milliards de dollars de financement de start-up au premier trimestre de cette année seule.Environ 80 % de tous les fonds de capital-risque mondiaux, selon les données de Crunchbase. Quatre entreprises ont absorbé environ 65 % de chaque dollar investi.

La frénésie alimentaire est réelle. Mais les données de cette période montrent une histoire plus précise que celle d’une “bulle de valeur des IA”. C’est ce qui se passe lorsque le marché évalue une thèse particulière : les modèles ouverts sont l’avenir, et le laboratoire qui contrôle ces modèles contrôle les utilisateurs – et la plupart des gens ne veulent pas cela.

Le fondateur qui mise sur cela est Igor Babuschkin, cofondateur de xAI. Il a quitté l’entreprise d’Elon Musk.Août 2025Avant cela : Google DeepMind s’occupe du modélisation générative et de l’apprentissage par renforcement ; OpenAI est chargé de la formation à grande échelle ; Tesla… On dit qu’il…Il a investi jusqu’à 100 millions de dollars de son propre capital dans River AI.Ce n’est pas un chèque de paie. C’est une participation active dans le projet.

La thèse n’est pas simplement « l’IA personnelle ».

Le “public pitch” de River concerne l’IA personnelle : des systèmes contrôlés par les utilisateurs, qui s’adaptent aux préférences individuelles, plutôt que de fournir au même moment à tous le même résultat provenant d’un modèle centralisé. Mais la annonce concernant cette plateforme révèle quelque chose de plus important.

River construit une infrastructure d’IA ouverte à tous les niveaux. L’entreprise fournit aux développeurs et aux entreprises des outils pour entraîner, affiner et déployer leurs propres modèles sur des architectures de base ouvertes. Le processus de fine-tuning LoRA permet de personnaliser un modèle grand sans avoir besoin de le réentraîner entièrement.L’apprentissage par renforcement se déroule en 15 à 20 minutes.Le River coûte deux à quatre fois moins que les alternatives à source close. Les modèles peuvent être déployés en production immédiatement. Le facturation se fait sur base de comptage de tokens, de sorte que les entreprises ne paient pas pour la capacité des GPU inutilisée.

L’infrastructure joue un rôle plus important que le concept personnel de l’IA. L’IA personnelle représente l’état final. La plateforme open-source full-stack est le chemin pour y parvenir.

Trois composants, configuration asymétrique

Chaque opportunité d’investissement passe par les mêmes trois tests : une technologie révolutionnaire, un marché de petite taille avec un potentiel de marché énorme, et des fondateurs visionnaires.

Les modèles à poids ouvert représentent une technologie révolutionnaire, car ils transfèrent le contrôle du laboratoire vers l’utilisateur. tous les 4 à 6 mois, un nouveau modèle à poids ouvert apparaît, ce qui réduit l’écart par rapport aux meilleurs modèles à poids fermé.Analyse de l’industrieLes modèles ouverts Nemotron de NVIDIA indiquent que même les principaux bénéficiaires du paradigme de code source fermé investissent dans des modèles ouverts.

Le marché est encore trop petit pour que les institutions puissent s’y intéresser pleinement. Actuellement, la plupart des entreprises utilisent des modèles d’API fermés : elles paient à OpenAI, Anthropic ou Google par token. L’idée de posséder son propre modèle, de l’entraîner avec ses propres données et de l’utiliser en interne n’est pas une pratique courante dans le monde des entreprises. Mais quand cela deviendra la norme, le marché sera énorme.

Le contrôle du fondateur missionnaire est le plus clair. Babuschkin n’a pas quitté xAI pour se enrichir. Il est parti pour créer une alternative. Et la liste des investisseurs confirme cette conviction :General Catalyst et Amp PBC sont les co-chefs de la société, avec NVIDIA Ventures et AMD Ventures en tant qu’investisseurs stratégiques. Y Combinator et Temasek ont également participé.Les fabricants de GPU investissent de l’argent dans une entreprise qui prétend réduire les coûts des GPU ? Cela montre que ces entreprises de puces considèrent les modèles ouverts comme un facteur de croissance, et non comme une menace.

Le problème de Neolab est une opportunité.

Il y a une préoccupation légitime ici. River est un néolab – la nouvelle catégorie de startups d’IA décrite par les analystes de capital-risque :Pas de produits, pas de clients. Parfois, même pas de site web. Mais des revenus de 300 millions de dollars, 1 milliard de dollars… et même plus..

Le capitalisme de start-up traditionnel évalue les revenus, la croissance et les coûts par unité. Le modèle néolab met cela de côté. À la place, les investisseurs évaluent les équipes fondatrices et les plans techniques. C’est plutôt une forme de spéculation.

Mais c’est précisément cela qui a fait que Bitcoin semblait incroyable en 2017 : un petit marché, avec une technologie révolutionnaire et une conviction missionnaire. Ceux qui le considéraient comme une bulle, car il n’y avait pas de revenus, avaient raison sur le plan technique, mais tort sur le plan stratégique.

La différence aujourd’hui, c’est la vitesse. Les entreprises de IA construisent et lancent leurs produits plus rapidement que jamais auparavant pour les protocoles de cryptomonnaies. River dispose d’une plateforme, de garanties concernant les performances du produit, ainsi que d’une validation apportée par des investisseurs. Le délai pour obtenir les premiers revenus est mesuré en mois, et non en années.

Les changements apportés par General Catalyst dans la façon de présenter les choses tout changent.

La citation du PDG de General Catalyst, Hemant Taneja, est le seul élément positif dans cette série d’interviews qui permet de distinguer le signal de le bruit.

La direction américaine dans le domaine de l’IA a un besoin urgent de pouvoir diriger également les modèles ouverts, tout en conservant une avance sur les modèles fermés. Igor et l’équipe River AI possèdent l’expérience nécessaire pour réaliser cela. Nous considérons leur plan d’action comme une priorité pour la résilience des États-Unis.

Ce n’est pas simplement une thèse de financement en capital-risque. C’est une approche nationale en matière de sécurité technologique. Les modèles ouverts sont considérés comme une forme de souveraineté infrastructurelle. Si les modèles ouverts chinois réduisent déjà l’écart par rapport aux modèles américains…Le rapport de TechCrunch datant du début du mois indique que GLM-5.2, développé par Z.ai en Chine, est seulement quelques mois en retard.— Alors, les États-Unis ont besoin d’un contre-poids dans le secteur privé, qui ne soit pas simplement une sorte de couche de protection pour des API.

General Catalyst ne gère pas les 1,1 milliard de dollars en termes de stratégie. C’est la stratégie qui les guide.

Qu’est-ce qui pourrait remettre en question cette thèse ?

L’argument le plus fort est simple : 5 milliards de dollars pour une entreprise qui ne possède rien de valable à offrir est une évaluation qui n’est valable que si la théorie des modèles ouverts se réalise dans un cadre très restreint. Si les modèles fermés conservent leur avantage indéfiniment – si l’écart de 4 à 6 mois entre les modèles ouverts et fermés ne se résout jamais – alors la proposition de River s’effondre.

C’est le risque. C’est réel. Et il est pris en compte dans les prix.

1,1 milliard de dollars dans une première phase, pour un montant total de 5 milliards de dollars, représente une dilution importante. L’entreprise aura besoin de milliards supplémentaires pour construire le système informatique dont elle parle – pour rapprocher l’IA personnelle des utilisateurs, il faut des ressources informatiques qui fonctionnent directement sur le dispositif, et non dans un centre de données. C’est une construction qui nécessite beaucoup de capitaux, et qui peut prendre des années.

Mais voici un point important que la plupart des gens ignorent : les startups d’IA captiveront 80 % de tout le capital de venture capital en 2026. L’argent ne va nulle part ailleurs. La question n’est pas de savoir si le capital est disponible. C’est plutôt de savoir si cette entreprise spécifique est capable de mettre en œuvre ces investissements.

Le tableau d’ensemble

River AI est un symptôme, pas une anomalie. La vague néolaboratoire, la pression pour des systèmes ouverts, le mouvement en faveur de l’IA personnelle… Ce sont tous des aspects d’une même tendance : la concentration du pouvoir de l’IA dans quelques laboratoires fermés rencontre son opposé.

Les laboratoires veulent garder le contrôle. La communauté ouverte, quant à elle, veut démanteler les modèles, les personnaliser et posséder les résultats obtenus. C’est le même schéma que pour tous les autres changements technologiques au cours de l’histoire. Les « gardiens » du contrôle finissent toujours par perdre.

Les meilleurs investisseurs ne attendent pas le moment opportun. Ils parient dès le début sur le mécanisme, et non sur l’état d’esprit du marché.

Babuschkin a une histoire positive. Les investisseurs disposent du capital nécessaire. La technologie suit une trajectoire prometteuse.

Que les navires de rivière vendent ou non un produit important au cours des douze prochains mois, l’opération de 1,1 milliard de dollars constitue le signe que la guerre ouverte a déjà commencé.

Le ciel est la limite.