Rédigé par : KarenZ, Foresight News
Une entreprise d'infrastructure IA vieille de seulement deux ans, annonçant à la fois le soutien des bras d'investissement de Nvidia, Intel et Dell, et déclarant des revenus annualisés dépassant déjà les 100 millions de dollars - ces deux chiffres réunis suffisent à faire de Prime Intellect l'un des projets d'IA les plus dignes d'être réexaminés ces derniers temps.
Le 8 juillet 2026, le réseau d'infrastructure IA décentralisée Prime Intellect a annoncé avoir bouclé un tour de financement de série A de 130 millions de dollars, évaluant la société à 10 milliards de dollars. Ce tour a été dirigé par Radical Ventures, un fonds de capital-risque spécialisé dans l'IA, avec la participation rarement conjointe des entités d'investissement de Nvidia, Intel et Dell, portant le financement total à plus de 150 millions de dollars.
En révélant ce financement colossal, Prime Intellect a officiellement annoncé qu'en moins d'un an, ses revenus annualisés (ARR) avaient rapidement grimpé à plus de 100 millions de dollars, et que sa plateforme comptait désormais plus de 6000 entreprises clientes et startups.
Quel est son historique ?
Nous avions évoqué dans un article en mars 2025 intitulé « *Le membre fondateur d'OpenAI passe à l'action ! Décryptage du projet dark horse d'IA décentralisée Prime Intellect* » que Prime Intellect a été cofondée en janvier 2024 par Vincent Weisser et Johannes Hagemann.
- Le PDG Vincent Weisser était auparavant impliqué de longue date à l'intersection de la science décentralisée (DeSci) et de l'IA. Il a été co-initiateur de projets comme Bio Protocol, VitaDAO, CryoDAO, et a occupé le poste de responsable écosystème et IA pour la plateforme DeSci Molecule.
- Le CTO Johannes Hagemann s'est concentré sur l'IA distribuée et l'ingénierie semi-automatique, les interfaces cerveau-ordinateur, etc. Il était auparavant ingénieur en recherche IA chez l'entreprise allemande d'IA Aleph Alpha.
De plus, en octobre 2025, la capital-risqueuse Ash Arora a rejoint Prime Intellect en tant que responsable de la mise sur le marché appliquée (Applied GTM), chargée de définir la stratégie produit, la commercialisation, les revenus et les produits d'IA appliquée dans le domaine du post-traitement et de l'apprentissage par renforcement. Ash Arora a récemment indiqué que l'effectif actuel de Prime Intellect compte 40 employés à temps plein.
En matière de financement, Prime Intellect a levé un total de plus de 150 millions de dollars. En avril 2024, un tour de table de 5,5 millions de dollars a été codirigé par Distributed Global et CoinFund, avec comme investisseurs providentiels notamment Clem Delangue, PDG de Hugging Face, entre autres.
Moins d'un an plus tard, en mars 2025, Prime Intellect a bouclé un autre tour de 15 millions de dollars dirigé par le Founders Fund de Peter Thiel. Les investisseurs comprenaient également des figures de poids du secteur de l'IA comme Andrej Karpathy (membre fondateur d'OpenAI, ancien directeur IA de Tesla), Tri Dao (scientifique en chef de Together.AI) et Emad Mostaque (cofondateur de Stability AI).
Le dernier tour est de nature différente. Dans ce tour de série A de 130 millions de dollars, NVIDIA Ventures, Intel Capital et Dell Technologies Capital ne sont pas seulement des investisseurs financiers ; leurs sociétés mères occupent respectivement des positions clés dans les GPU, CPU, et l'infrastructure de serveurs et de centres de données.
La déclaration d'Intel Capital concernant cet investissement montre également la raison pour laquelle les géants du matériel mettent la main à la poche : Prime Intellect tente de regrouper sur un même plan de contrôle unifié la couche inférieure (calcul, environnement d'entraînement, évaluation, post-traitement par apprentissage par renforcement) et la couche supérieure (inférence).
Quelles sont ses avancées concrètes ?
Le résultat le plus notable de Prime Intellect au début a été de prouver que des GPU hétérogènes et éloignés pouvaient collaborer à l'entraînement. En suivant les itérations technologiques des deux dernières années, on peut voir comment la plateforme a progressivement transformé des expérimentations de recherche en lignes de produits commercialisables.
Fin novembre 2024, Prime Intellect a publié le modèle INTELLECT-1 à 10 milliards de paramètres, dont les nœuds d'entraînement étaient répartis sur cinq pays et trois continents. L'entreprise a annoncé avoir atteint à l'époque un taux d'utilisation globale du calcul de 83% à travers les continents, et jusqu'à 96% lors de l'utilisation de nœuds uniquement situés aux États-Unis.
Moins de six mois plus tard, Prime Intellect a publié INTELLECT-2, visant l'apprentissage par renforcement distribué à l'échelle mondiale pour un modèle de 32 milliards de paramètres. Pour ce faire, l'équipe a développé le cadre d'apprentissage par renforcement asynchrone PRIME-RL, SHARDCAST pour propager les poids du modèle, et TOPLOC pour vérifier si les nœuds d'inférence « travaillent honnêtement ».
Le changement crucial est survenu avec INTELLECT-3. En novembre 2025, Prime Intellect a publié un modèle MoE (Mixture of Experts) de 106 milliards de paramètres basé sur GLM-4.5-Air de Zhipu, affiné par supervision et apprentissage par renforcement. Ce modèle a été entraîné pendant environ deux mois sur 64 nœuds avec 512 GPU NVIDIA H200 ; les poids du modèle, le cadre d'entraînement, les données, les environnements de RL et les méthodes d'évaluation ont tous été open-sourcés. L'importance ne réside pas seulement dans la publication d'un autre modèle, mais dans le fait que l'entreprise a validé un système de production complet avec son projet de recherche : PRIME-RL gère l'entraînement asynchrone, Verifiers et Environments Hub fournissent un ensemble unifié d'outils et une communauté pour construire et héberger des environnements et évaluations de RL, Prime Sandboxes isole l'exécution du code généré par les agents, et la couche d'orchestration du calcul gère les clusters, le stockage et la surveillance.
En février de cette année, Prime Intellect a lancé une plateforme d'entraînement IA full-stack appelée Prime Intellect Lab, conçue pour aider les individus, ingénieurs et entreprises d'IA à entraîner et optimiser leurs propres modèles (en particulier les modèles agentiques / d'agents), sans avoir à construire eux-mêmes des clusters GPU coûteux. Le 7 mai, Lab est sorti de la phase bêta et a été officiellement ouvert à tous.
En juin, Prime Intellect a publié la version 0.6.0 de prime-rl, affirmant avoir repoussé l'ingénierie à l'échelle des billions de paramètres pour les modèles MoE. L'entreprise a révélé que sur des tâches d'ingénierie logicielle de la série GLM-5, elle pouvait traiter des séquences de tokens allant jusqu'à 131 000 avec 28 nœuds H200, le temps d'entraînement par étape étant inférieur à 5 minutes.
La clé n'est pas un algorithme particulier, mais l'optimisation conjointe des systèmes d'entraînement et d'inférence : du côté inférence, utilisation du calcul en précision FP8 et de composants comme DeepEP, DeepGEMM pour augmenter le débit, séparation du pré-remplissage et du décodage pour éviter que les longues sorties d'outils ne ralentissent la génération, déchargement hiérarchisé du cache KV pour améliorer la concurrence ; du côté entraînement, adoption également du bloc de mise à l'échelle FP8, et réduction des différences de routage entre les côtés entraînement et inférence des modèles MoE via Router Replay, le tout combiné avec FSDP, le parallélisme des experts et le parallélisme de contexte. Ces optimisations impactent finalement le taux d'utilisation du GPU, le temps d'entraînement et le coût d'utilisation pour les clients.
En juillet de cette année, prime-rl a intégré une couche algorithmique unifiée, avec six méthodes d'entraînement intégrées (GRPO, MaxRL, On-Policy Distillation, autodistillation, SFT Distillation et ECHO), et permettant de choisir différents algorithmes pour différents environnements au cours d'un même entraînement. En termes simples, le même agent peut utiliser une méthode d'apprentissage pour les tâches mathématiques et une autre pour les tâches de manipulation de terminal, sans réécrire l'entraîneur sous-jacent. Cela fait passer Prime Intellect de « faire tourner l'entraînement pour les clients » à un système d'exploitation de RL extensible.
Collaboration logicielle-matérielle : Nvidia est plus qu'un investisseur
À en juger par la composition des investisseurs de la série A, l'engagement des géants du matériel avec Prime Intellect ne se limite pas au capital, mais s'étend à la co-création architecturale logicielle-matérielle.
La collaboration de Prime Intellect avec Nvidia couvre à la fois les couches matérielle et logicielle. Côté matériel, ses charges de travail d'entraînement et de service utilisent déjà les systèmes NVIDIA Blackwell, Blackwell Ultra et les racks NVL72, que l'entreprise affirme être plus efficaces que les clusters Hopper précédents.
Côté logiciel, NVIDIA Dynamo est utilisé pour l'orchestration globale de l'inférence, la mise à l'échelle automatique, le routage des requêtes et le déchargement du cache KV, et est combiné avec les déploiements de LoRA (Low-Rank Adaptation, une technique de fine-tuning de modèles de langage) à grande échelle de Prime Intellect.
Le blog technique de Nvidia lui-même confirme que Prime Intellect a déjà déployé le framework d'inférence NVIDIA Dynamo dans ses workflows de production et participe à la conception conjointe et à l'intégration du support LoRA Adapter.
Prime Intellect avait précédemment indiqué en mars qu'elle testerait les charges des sandboxs de RL autour du CPU NVIDIA Vera et prévoyait de migrer une partie de ses sandboxs après la disponibilité publique de Vera, en fournissant des sandboxs GPU sur les systèmes Vera Rubin. L'entreprise a déclaré en auto-test que chaque socket CPU Vera pouvait exécuter 176 machines virtuelles en parallèle de manière stable ; dans sa charge de travail définie pour les sandboxs de RL, après activation du multithreading, le débit était en moyenne environ 30% plus élevé par rapport à la ligne de base AMD Zen 5 sur AWS avec seulement les cœurs physiques activés.
Ces chiffres montrent un avantage potentiel en termes de coût, mais proviennent actuellement de tests conjoints, et les environnements de comparaison n'étant pas identiques, ils ne peuvent être considérés comme une conclusion de performance générique indépendante. Vera Rubin et les sandboxs GPU doivent également être présentés comme « planifiés pour adoption » et non comme déjà déployés commercialement à grande échelle.
Avec la maturité des produits, une véritable monétisation commerciale se produit. Selon les informations de Prime Intellect, la société fintech Ramp utilise Prime Intellect Lab pour entraîner le sous-agent de recherche FastAsk pour Ramp Labs : Ramp a transformé son éditeur de feuilles de calcul IA, Ramp Sheets, en environnement de RL pouvant être entraîné, puis a utilisé le modèle de base Qwen3.5-35B-A3B pour un entraînement par apprentissage par renforcement.
Les résultats publiés par Prime Intellect montrent que FastAsk a un taux de précision de 66,25%, supérieur aux 61,88% de Claude Opus 4.6, avec un temps moyen d'exécution inférieur d'environ 27%.
Comme l'ensemble de test et l'évaluation sont définis par les deux parties, cela ne signifie pas que ce modèle de 35B surpasse Opus en capacités générales, mais cela prouve une proposition plus étroite et commercialement plus intéressante : les entreprises peuvent entraîner des modèles plus petits à devenir des experts dans des workflows spécifiques.
Le « ARR » de 100 millions de dollars est-il réel ?
Il est essentiel de clarifier que l'énoncé officiel de Prime Intellect est « plus de 100 millions de dollars de revenus annualisés », et non « nous avons déjà généré 100 millions de dollars de revenus l'année dernière ».
Les revenus annualisés (ARR) extrapolent généralement le rythme des revenus d'un mois ou d'un trimestre récent sur une année ; si l'activité est en croissance rapide, ce chiffre peut être significativement supérieur aux revenus réels des douze derniers mois. Pour des activités facturées à l'usage comme les GPU, l'entraînement et l'inférence, cet indicateur ne signifie pas non plus que les clients ont signé des contrats annuels de montant équivalent renouvelables automatiquement.
D'après l'annonce de Prime Intellect et ses produits tarifés déjà disponibles, la commercialisation de l'entreprise couvre principalement quatre catégories de produits. Premièrement, le marché du calcul, incluant des instances GPU facturées à l'heure d'utilisation, des clusters multi-nœuds et des clusters réservés. Deuxièmement, l'entraînement hébergé via Lab, facturé en fonction des tokens d'entrée, de sortie et d'entraînement du modèle. Troisièmement, l'inférence et l'évaluation hébergée, également liées au volume d'appels du modèle. Quatrièmement, les Sandboxes, facturées en fonction du CPU, de la mémoire, du disque et de la durée d'exécution.
La dynamique de croissance de cette structure de revenus n'est pas difficile à comprendre. Premièrement, les clusters GPU sont eux-mêmes des ressources à prix client élevé et à consommation continue par heure, permettant aux revenus de grimper plus rapidement que les abonnements logiciels purs. Deuxièmement, Prime Intellect étend le parcours client du « louer des GPU » à « créer un environnement - exécuter l'inférence - faire des évaluations - entraînement par renforcement - déploiement », permettant au même client de générer de l'utilisation à plusieurs étapes. Troisièmement, l'apprentissage par renforcement pour agents nécessite naturellement beaucoup de déploiements parallèles, d'inférences à contexte long et de sandboxs isolés, consommant plus de puissance de calcul qu'une simple API de questions-réponses.
Les plus de 6000 clients et l'exemple de Ramp révélés par Prime Intellect indiquent au moins que la plateforme n'est plus seulement une démonstration de recherche. Cependant, pour évaluer le chiffre de 100 millions de dollars, plusieurs limites doivent être gardées à l'esprit. Prime Intellect est une société privée et ne publie pas de rapports financiers audités, les revenus mensuels ou trimestriels sur lesquels les revenus annualisés sont basés, le taux de paiement des clients, la répartition des revenus ou la concentration client ne sont pas publics. La façon dont les revenus du marché de la puissance de calcul sont comptabilisés (dépenses totales des clients ou revenu nets de la plateforme) n'a pas été précisée non plus.
De plus, le marché du calcul de Prime Intellect ne propose actuellement pas de contrat de niveau de service (SLA) formel, officiellement en raison du fait que l'infrastructure sous-jacente provient de plusieurs fournisseurs. L'entreprise recommande aux utilisateurs ayant des exigences élevées de stabilité de choisir Secure Cloud ; en cas de panne côté fournisseur, un remboursement ou un crédit sur la plateforme peut être proposé.
Au-delà d'un simple chiffre financier, les progrès plus facilement vérifiables sont que Prime Intellect a transformé ce qui était une collaboration distribuée d'entraînement fragmentée en une véritable infrastructure full-stack « avec ses propres modèles, un écosystème open source, le soutien de géants du matériel, et des factures réelles d'entreprises ».
Les indices de création de token effacés des documents
Un détail impossible à ignorer est qu'au moment où Prime Intellect entre dans le club des sociétés valorisées à 10 milliards de dollars et annonce fièrement ses 100 millions de dollars d'ARR, nous remarquons que les formulations autrefois très empreintes de Web3 dans sa documentation officielle : « les contrats sont déployés sur le réseau de test Base Sepolia », « future migration vers sa propre blockchain » et « distribution des récompenses en tokens aux pools de calcul via le contrat RewardsDistributor en fonction du temps actif » — ont été complètement effacées.
Ces suppressions au niveau de la documentation avaient déjà été annoncées en filigrane dans le tweet officiel publié début mars 2025.
À l'époque, Prime Intellect annonçait avoir levé 15 millions de dollars dirigés par le très influent Founders Fund de la Silicon Valley, et le carnet des investisseurs clés comprenait même des personnalités de premier plan comme Andrej Karpathy (cofondateur d'OpenAI), Clem Delangue (PDG de Hugging Face) et Balaji Srinivasan. C'est à partir de ce moment précis que la logique sous-jacente du projet s'est déconstruite.
Le récit initial au parfum « grassroots » de « création de token, mobilisation de la puissance de calcul des particuliers, incitations par airdrop » est immédiatement devenu une zone à haut risque pour la conformité des capital-risqueurs traditionnels. Pour recevoir les munitions du marché financier traditionnel, Prime Intellect a dû accomplir en surface un nettoyage complet de « Crypto-first » à « AI-first ».
Cependant, son entraînement de modèles distribué conserve toujours un noyau de topologie réseau P2P, mais la décentralisation n'est plus un récit de token destiné à attirer les particuliers ; elle est devenue un pipeline invisible pour les entreprises B2B visant à « orchestrer à faible coût la puissance de calcul inutilisée à l'échelle mondiale ».
Le Prime Intellect d'aujourd'hui ressemble davantage à une entreprise SaaS d'IA pure, et son issue finale sera très probablement une introduction en bourse (IPO) ou une acquisition à prix élevé par un géant traditionnel du matériel.
