Cette fois, le milliardaire Huang étend ses tentacules d'infrastructure IA jusqu'à la couche des modèles.
La semaine dernière, Nvidia a dévoilé deux coups maîtres majeurs.
D'abord, il a signé un accord d'acquisition avec Hugging Face, la plus grande plateforme de modèles open source au monde, puis des rumeurs ont émergé selon lesquelles il s'apprêtait à offrir un chèque colossal d'environ 3 milliards de dollars à Mira Murati, l'ancienne CTO d'OpenAI, l'une des personnalités les plus en vue de la Silicon Valley.
Le milliardaire Huang mise sur Thinking Machines Lab, fondé par Murati.
La valorisation pré-investissement s'envole directement à au moins 40 milliards de dollars, avec l'intention de lever 5 à 6 milliards de dollars, et Nvidia pourrait en financer à elle seule environ la moitié.
Ce n'est pas le premier investissement de Nvidia, mais un renforcement continu.
Si l'on regarde la vitesse de croissance de Thinking Machines Lab, elle semble démultipliée.
Lors de son dernier tour de financement en juillet 2025, elle venait de décrocher l'une des plus grosses levées de fonds d'amorçage de l'histoire :
2 milliards de dollars en amorçage, valorisation post-investissement de 12 milliards de dollars.
Résultat, en seulement 14 mois, la valorisation pré-investissement a directement grimpé à 40 milliards, plus que triplé.
Si ces 5 à 6 milliards de dollars sont levés avec succès, la valorisation post-investissement pourrait frôler les 45 à 46 milliards de dollars.
Et le plus fou est encore à venir.
Malgré cette valorisation stupéfiante, le chiffre d'affaires annualisé de cette entreprise dépasse à peine 100 millions de dollars.
Une valorisation de 40 milliards, correspondant à un multiple de revenus d'environ 400 fois.
Une entreprise vieille de 19 mois, dont plusieurs cofondateurs sont déjà partis, pourquoi inciterait-elle Nvidia à sortir volontiers encore 2,5 à 3 milliards de dollars supplémentaires ?
Deux ans après avoir quitté OpenAI, elle accumule une valorisation de 40 milliards de dollars
De 12 à 40 milliards, Murati n'a mis que 14 mois.
En septembre 2024, Murati a annoncé son départ d'OpenAI. Elle était alors CTO, et CEO intérimaire pendant les quelques jours où le conseil d'administration avait évincé Altman.
Environ cinq mois plus tard, Thinking Machines Lab est apparue comme un ovni.
La liste des fondateurs ressemblait presque à un annuaire des anciens d'OpenAI : parmi les cofondateurs se trouvaient des figures majeures comme Lilian Weng, John Schulman, Barret Zoph, Luke Metz, etc.
En juillet 2025, 2 milliards de dollars d'amorçage sont arrivés.
a16z menait le tour, suivi par Accel, Nvidia, AMD, Jane Street. À l'époque, Murati n'avait même pas un produit tangible en main, les investisseurs misaient sur elle en tant que personne.
Rapidement, le produit a livré ses résultats.
En octobre 2025, le premier produit Tinker est lancé, ouvert à tous en décembre.
Ce n'est pas un modèle, c'est une plateforme de fine-tuning : les développeurs y déposent leurs données, ajustent les modèles open source pour les personnaliser, et paient selon l'utilisation de puissance de calcul.
Puis, une action plus importante est venue.
Le 10 mars 2026, Thinking Machines et Nvidia annoncent officiellement un partenariat stratégique pluriannuel : déployer au moins 1 GW du système Vera Rubin, Nvidia effectuant simultanément un investissement important dont le montant n'a pas été divulgué.
Jensen Huang (gauche) et Mira Murati (droite). Le 10 mars 2026, les deux parties annoncent un partenariat de niveau 1 GW sur Vera Rubin, Nvidia complétant simultanément un investissement dont le montant n'a pas été divulgué.
Quatre mois plus tard, le 15 juillet 2026, ils ont présenté leur premier modèle phare développé en interne, Inkling :
9750 milliards de paramètres totaux, 41 milliards activés, contexte jusqu'à 1 million de tokens, capable de traiter texte, image, audio, poids complets ouverts.
Puis sont arrivées ces discussions de levée de fonds de 5 à 6 milliards de dollars.
Il faut tant d'argent à cause de ce partenariat de 1 GW mentionné plus haut.
1 GW représente une puissance de calcul de niveau laboratoire de pointe. Puces, réseau, électricité, centres de données, tout est configuré au niveau du gigawatt, chaque élément représente une somme astronomique.
Des 1 milliard de dollars initialement évoqués, aux 5-6 milliards de dollars actuels, l'ampleur du financement a été multipliée par cinq ou six, nécessaire pour soutenir cette ambition de 1 GW.
D'où vient cet argent ?
Lors du tour précédent, Nvidia n'était qu'un des investisseurs suiveurs, le leader était a16z.
Ce tour-ci, le lead investisseur est Accel, Nvidia pourrait fournir environ la moitié des fonds, passant de suiveur au plus grand contributeur.
Ainsi, cette image familière réapparaît : Nvidia est à la fois le plus grand bailleur de fonds de ce tour, et le fournisseur de ce système de 1 GW.
L'argent entre sur le compte de Thinking Machines, mais une grande partie fait probablement un tour pour redevenir des commandes chez Nvidia.
Investissement, approvisionnement, revenus, bouclés sur la même entreprise.
La direction est assez claire.
Nvidia ne se contente plus de fournir des puces à des laboratoires établis comme OpenAI ou Anthropic, elle commence à lier par anticipation la génération suivante de joueurs de pointe via des participations.
Il y a aussi une phrase dans l'annonce de mars facilement négligée : les deux parties vont co-concevoir des systèmes d'entraînement et d'inférence optimisés pour l'architecture Nvidia.
Cela signifie que les futurs modèles de Thinking Machines seront, dès la base, conçus pour Vera Rubin.
La stratégie de Murati : ne pas viser le premier modèle
En examinant les actions de Murati ces 19 derniers mois, vous remarquerez qu'elle a toujours évité de rivaliser frontalement avec OpenAI et Anthropic sur la puissance des modèles.
Elle a même carrément admis dans le blog de lancement d'Inkling :
Inkling n'est pas le modèle le plus puissant actuel, qu'il soit open source ou propriétaire.
Le modèle économique de Thinking Machines a été fixé dès le lancement de Tinker, il vend l'idée de « transformer le modèle en le vôtre ».
Les entreprises apportent leurs propres données, leurs propres métiers, s'entraînent, affinent, infèrent sur sa plateforme, et paient selon l'utilisation de puissance de calcul.
Pour reprendre les mots de Murati elle-même : créer une IA que les gens peuvent façonner, s'approprier.
Cette phrase place Thinking Machines et OpenAI, Anthropic sur deux voies différentes.
Les deux derniers visent les modèles propriétaires généraux les plus puissants, elle se positionne un niveau en dessous : ne pas viser le premier modèle, mais créer l'infrastructure aidant tout le monde à personnaliser des modèles.
N'est-ce pas exactement l'infrastructure IA dont parle souvent le milliardaire Huang ?
Nvidia parle depuis deux ans d'usines IA, d'infrastructures IA, d'économie des tokens, c'est précisément ce type d'affaires où chaque client supplémentaire consomme davantage de puissance de calcul qu'elle veut.
16 mars 2026, discours principal GTC 2026, Jensen Huang déclare que la demande en puissance de calcul « a été multipliée par 1 million », prévoyant un chiffre d'affaires d'au moins 1 000 milliards de dollars de 2025 à 2027.
Comprendre cela éclaire la logique derrière la volonté de Nvidia de débourser cet argent.
Avec Hugging Face en plus, Nvidia tient deux cartes en main
Ce n'est pas la seule action majeure de Nvidia ce mois-ci.
Le 3 septembre, Nvidia annonce officiellement l'acquisition de Hugging Face pour 12,9303 milliards de dollars, l'accord étant signé.
En regardant ces deux opérations ensemble :
Hugging Face détient le point d'entrée de distribution des modèles open source et la communauté de développeurs ; Thinking Machines détient des modèles de pointe, une plateforme de fine-tuning et une équipe de recherche.
D'un côté, l'entrée, de l'autre, les modèles. Nvidia mise sur les deux extrémités de la ligne des poids ouverts.
Les deux opérations combinées approchent les 16 milliards de dollars, à quelques jours d'intervalle.
Les poids complets d'Inkling sont disponibles sur Hugging Face, avec une version NVFP4 spécifiquement optimisée pour Blackwell de Nvidia.
Les développeurs téléchargent Inkling depuis Hugging Face, l'ajustent pour eux sur Tinker, puis l'exécutent sur Vera Rubin.
Entrée, modèle, plateforme de fine-tuning, puces, chaque étape se trouve dans un même écosystème.
C'est exactement ce que veut Nvidia : verrouiller par anticipation avec du capital les entreprises de modèles, verrouillant ainsi leurs futurs besoins en puissance de calcul.
Références :
https://techcrunch.com/tag/thinking-machines-lab/
https://www.theinformation.com/articles/thinking-machines-lab-talks-raise-billions-roughly-40-billion-valuation
https://thinkingmachines.ai/news/introducing-inkling/
https://blogs.nvidia.com/blog/nvidia-thinking-machines-lab/
Cet article provient du compte WeChat public « Xin Zhi Yuan », auteur : ASI Apocalypse ; éditeur : Yuanyu
