Scale AI obtient 1 milliard de dollars en série F à une valorisation de 13,8 milliards de dollars

Scale AI a finalisé un cycle de financement de série F de 1 milliard de dollars (https://scale.com/blog/series-f) qui porte sa valorisation post-monétaire à un montant communiqué de 13,8 milliards de dollars (https://www.bloomberg.com/news/articles/2024-05-21/scale-ai-raises-1-billion-at-13-8-billion-valuation). Mené par Accel avec une participation significative de Nvidia, Amazon et Meta, ce cycle signale un pivot massif des capitaux vers le « goulot d'étranglement des données » auquel sont actuellement confrontés les plus grands développeurs de grands modèles de langage (LLM). Alors que l'industrie dépasse l'ère du « scraping du web ouvert », la mission de Scale AI de construire une « Data Foundry » représente l'investissement le plus important à ce jour dans la création d'actifs de données à haute densité étiquetés par des experts pour l'IA souveraine et d'entreprise.

L'industrialisation des données d'IA

L'injection de 1 milliard de dollars (https://scale.com/blog/series-f) n'est pas seulement un cycle de croissance ; c'est un pari sur l'infrastructure. Scale AI se positionne comme la raffinerie essentielle de la matière première du 21e siècle. Le financement sera utilisé pour mettre à l'échelle leur « Data Engine », qui fournit l'apprentissage par renforcement à partir du feedback humain (RLHF) nécessaire pour pousser les modèles au-delà des plateaux de raisonnement actuels. Avec des investisseurs comme Cisco Investments, Intel Capital et AMD Ventures (https://www.bloomberg.com/news/articles/2024-05-21/scale-ai-raises-1-billion-at-13-8-billion-valuation) rejoignant la table de capitalisation, l'accord souligne un consensus transsectoriel : la prochaine génération de performance de l'IA sera gagnée grâce à la qualité des données, et pas seulement au volume de calcul.

Les accords de licence atteignent un paroxysme

Le cycle de Scale AI coïncide avec une vague sans précédent d'accords d'acquisition directe de données entre les constructeurs de modèles et les propriétaires de contenus premium. Plus particulièrement, News Corp a signé un accord pluriannuel avec OpenAI (https://www.wsj.com/business/media/news-corp-openai-content-licensing-deal-80860d4d) évalué à environ 250 millions de dollars sur cinq ans (https://www.wsj.com/business/media/news-corp-openai-content-licensing-deal-80860d4d). Ce partenariat accorde à OpenAI l'accès aux archives et au contenu actuel de The Wall Street Journal, Barron’s et The Times, marquant un virage définitif vers des ensembles de données sous licence et à haute autorité. De même, le partenariat d'OpenAI avec Reddit (https://openai.com/index/openai-and-reddit-partnership/) offre un accès en temps réel à l'API de données de Reddit, permettant l'intégration de données conversationnelles centrées sur l'humain dans ChatGPT et d'autres produits.

Capitaliser sur les données incarnées et spécialisées

Au-delà des LLM textuels, le marché des actifs de données spécialisés connaît des flux de capitaux massifs. Wayve a récemment obtenu 1,05 milliard de dollars (https://www.reuters.com/business/autos-transportation/uk-ai-start-up-wayve-raises-105-bln-softbank-led-funding-2024-05-07/) lors d'un cycle de série C mené par SoftBank pour développer l'« IA incarnée » (Embodied AI) pour la conduite autonome. Cet accord souligne la prime accordée aux « edge data » — des informations sensorielles du monde réel qui ne peuvent être reproduites par la seule génération synthétique. Soutenant cet écosystème gourmand en données, CoreWeave a levé 1,1 milliard de dollars (https://techcrunch.com/2024/05/01/coreweave-raises-1-1b-at-a-19b-valuation/) pour étendre son infrastructure cloud spécialisée, spécifiquement conçue pour gérer le débit massif requis pour les charges de travail d'entraînement d'IA intensives en données.

Le contrecoup réglementaire et des droits

Alors que la valeur des actifs de données s'envole, les détenteurs de droits agissent de manière agressive pour protéger leur propriété intellectuelle. Sony Music Group a adressé un avertissement formel à plus de 700 entreprises d'IA (https://variety.com/2024/music/news/sony-music-warns-ai-companies-using-content-without-permission-1236006080/), déclarant un « opt-out » explicite contre le scraping de données non autorisé pour l'entraînement de l'IA. Cela fait suite à une série d'accords de licence, tels que l'accord d'OpenAI avec Vox Media (https://www.theverge.com/2024/5/13/24155488/openai-vox-media-licensing-deal-chatgpt) et The Atlantic (https://www.theatlantic.com/press-releases/archive/2024/05/the-atlantic-and-openai-announce-strategic-content-and-product-partnership/678526/), suggérant que l'ère de l'« usage loyal » (fair use) pour les données d'entraînement est rapidement remplacée par un marché structuré de plusieurs milliards de dollars pour les droits de contenu.

Pourquoi cela compte pour les propriétaires de données

Pour les propriétaires de données institutionnels, la valorisation de Scale AI et l'accord avec News Corp confirment que les ensembles de données propriétaires ne sont plus des actifs secondaires — ils sont le levier principal de l'économie de l'IA. La transition d'accords de licence de 250 millions de dollars à des cycles de financement de 1 milliard de dollars pour les raffineries de données indique que les « données propres et étiquetées par des experts » constituent désormais une classe d'actifs distincte. Les propriétaires de données uniques, à haute vélocité ou historiquement profondes devraient donner la priorité à la gouvernance des données et à la « préparation à l'IA » (AI-readiness) pour capturer les valorisations premium actuellement fixées par les plus grands acteurs du marché.