Mirendil lève un milliard pour faire écrire sa recherche IA par des agents
— Business
Mirendil boucle un tour d'un milliard de dollars, valorisé cinq milliards six mois après une levée de 200 millions. Le laboratoire fait rédiger la quasi-totalité du code de ses modèles par des agents, pendant qu'un chercheur garde la main sur les choix stratégiques.

Un milliard de dollars pour un laboratoire qui fait écrire son code de recherche par des machines plutôt que par ses propres équipes d'ingénieurs. Mirendil passe d'une valorisation inconnue à cinq milliards en moins de six mois, porté par Kleiner Perkins et Clearlake Capital, avec Google parmi les investisseurs. Ce rythme de levée raconte surtout l'appétit du capital pour une promesse précise : automatiser l'ingénierie qui entoure l'entraînement des modèles.
Aucun graphiste, aucun motion designer n'ouvrira la plateforme Lor demain matin. Les utilisateurs visés sont des chercheurs et ingénieurs en apprentissage machine, capables de piloter des dizaines d'agents qui configurent des serveurs, lancent des entraînements et examinent les échecs. Mais c'est bien ce type d'infrastructure qui fixe, deux ou trois ans en amont, le coût et la cadence de sortie des modèles de génération d'image ou de vidéo que les studios utilisent déjà.
L'exemple mis en avant par Mirendil donne la mesure du pari. Un chercheur a préentraîné leur modèle de base en trois mois et demi, pour moins de dix millions de dollars de calcul, un budget qui couvrait aussi les petites expériences préparatoires et le traitement des données. Le laboratoire affirme que les agents ont écrit plus de 99 % du code, le chercheur se contentant de choisir les pistes et de valider les résultats.
La démonstration reste cantonnée au terrain le plus favorable à l'argument : le développement de modèles et le code de recherche qui l'accompagne. Les résultats publiés ne montrent pas une automatisation générale de la découverte scientifique, et le billet technique de Mirendil le reconnaît lui-même : le modèle ne s'est pas construit seul, un humain choisit encore les pistes à explorer.
Ce que l'opération confirme, c'est la vitesse à laquelle les coûts d'entraînement des modèles s'effondrent quand des agents prennent en charge l'ingénierie répétitive. Un marché qui compresse ses coûts de recherche à ce point finit toujours par répercuter la baisse sur le rythme et le prix des outils grand public qui en sortent.
Rien dans cette levée ne change un brief, un devis ou une deadline de studio cette semaine. Elle annonce en revanche à quelle vitesse les générateurs d'image et de vidéo vont continuer de s'améliorer et de se multiplier, et avec quel budget derrière.