Début mai 2026, Cerebras Systems a surtout vendu au marché une idée simple: dans l’IA, le goulot d’étranglement n’est plus seulement l’entraînement des modèles, mais leur exécution à grande échelle. C’est cette promesse qui a permis à l’entreprise de lever environ 5,1 milliards d’euros (5,55 Md$) en Bourse et d’atteindre une valorisation diluée d’environ 52 milliards d’euros (56,4 Md$), selon CNBC et The Next Web.

Le marché achète une capacité, pas une puce

Le cœur du dossier, c’est le Wafer Scale Engine, une puce gravée sur une seule tranche de silicium entière, au lieu d’être découpée en petits circuits comme dans l’industrie classique. Cerebras affirme que cette architecture lui donne un avantage en inférence, c’est-à-dire le moment où un modèle répond à l’utilisateur, là où la latence et le coût unitaire deviennent commerciaux avant d’être techniques.

Cette bascule compte plus que le folklore autour de la « puce géante ». Dans la thèse centrée sur l’inférence plutôt que l’entraînement, Cerebras se place moins face à NVIDIA qu’en face de Google, Microsoft, Oracle ou CoreWeave, donc face à des opérateurs de capacité.

Et c’est là que l’IPO devient intéressante.

Une société de matériel vend en général des boîtes, avec un cycle irrégulier. Une société de capacité vend du débit, de l’usage, des contrats pluriannuels, parfois de l’électricité transformée en tokens. Le marché public paie beaucoup plus cher la seconde histoire, surtout quand elle arrive au moment où les semi-conducteurs profitent d’un rallye large, porté aussi par Intel, AMD et Micron, d’après CNBC.

Le chiffre qui compte n’est pas 5,1 milliards levés

La levée impressionne. Le vrai chiffre, lui, est moins flatteur.

D’après The Next Web, le chiffre d’affaires de Cerebras est passé d’environ 23 millions d’euros (24,6 M$) en 2022 à 267 millions d’euros (290 M$) en 2024, puis à 469 millions d’euros (510 M$) en 2025. La croissance est violente, mais la qualité du revenu reste le sujet central, parce qu’un client unique, G42, pesait 85% des ventes en 2024 selon CNBC.

Le prospectus rafraîchi montre un mieux, mais un mieux relatif. Selon CNBC, G42 ne représentait plus que 24% des revenus l’an dernier, sauf que l’université Mohamed bin Zayed University of Artificial Intelligence en pesait 62%. The Next Web regroupe même les deux en parties liées et monte à environ 86% du revenu 2025.

Vous pouvez tourner ça dans tous les sens, le risque de concentration reste massif.

Il y a un autre détail, plus boursier mais pas anodin. The Next Web note que le flottant, c’est-à-dire la part vraiment mise sur le marché, est plus faible qu’attendu pour une IPO de cette taille. Quand la demande pousse fort sur peu de titres disponibles, la valorisation grimpe vite. C’est bon pour le prix d’introduction. Ce n’est pas une preuve de solidité opérationnelle.

OpenAI change la gravité du dossier, pas sa nature

En janvier 2026, Cerebras a signé avec OpenAI un accord portant sur 750 mégawatts de capacité de calcul. CNBC parle d’un contrat de plus de 18 milliards d’euros (20 Md$). The Next Web affine: plus de 9 milliards d’euros (10 Md$) à la signature, pour aller au-delà de 18 milliards d’euros (20 Md$) si l’extension prévue jusqu’à 2 gigawatts en 2030 est entièrement activée.

La divergence mérite d’être notée, parce qu’elle change la lecture du carnet de commandes. Une chose est sûre: les 750 mégawatts promis à OpenAI ont rendu l’histoire beaucoup plus vendable aux investisseurs.

Mais le mécanisme ne disparaît pas. Il se déplace. OpenAI améliore la diversification sur le papier, tout en ajoutant un autre acheteur géant au sommet de la pile. Trois grands clients qui portent le modèle, ce n’est pas encore un revenu diffus. C’est un book of business concentré.

Un élément de contexte éclaire bien la séquence. En 2017, selon CNBC, OpenAI avait déjà regardé un rapprochement avec Cerebras pour obtenir un avantage matériel sur Google. La phrase de Greg Brockman, cofondateur et président d’OpenAI, est très claire: « Un accès exclusif au matériel de Cerebras donnerait à OpenAI un avantage matériel écrasant sur Google ».

La Bourse aime les catégories, puis teste les trimestres

Le précédent utile, ici, n’est pas seulement la bulle internet de 2000. Il est plus proche du matériel IA lui-même. En 1987, l’effondrement du marché des machines LISP, ces ordinateurs spécialisés pour l’IA symbolique, a rappelé une règle brutale: une architecture brillante peut rester un produit étroit si l’écosystème ne suit pas.

Cerebras doit maintenant prouver qu’elle vend une catégorie durable, pas un objet spectaculaire bien placé dans un cycle euphorique. C’est exactement ce que résume la question des quatre prochains trimestres.

Le marché lui a déjà accordé un niveau de prix rare. CNBC rappelle qu’il s’agit de la plus grosse IPO tech américaine depuis Snowflake en 2020. Entre-temps, le dossier avait pourtant été retiré après un examen serré du prospectus, notamment autour de G42. Et selon Bloomberg, cité par CNBC, Arm et SoftBank ont tenté un rachat avant l’introduction.

Bon, ce genre de séquence raconte une chose simple: le marché voulait l’actif, pas seulement la société cotée.

Pourquoi l’opération compte pour tout le pipeline IA

L’effet de cette introduction dépasse Cerebras. Une société fondée en 2016, encore contestée sur sa concentration client, peut arriver en Bourse à environ 52 milliards d’euros de valeur en promettant de l’inférence industrielle. Pour les candidats à la cotation dans l’IA, le message est net: les marchés publics sont prêts à payer cher un récit de capacité, à condition qu’il s’appuie sur des contrats lisibles.

Le revers, quand même, est tout aussi net. Une fois cotée sous le ticker CBRS, Cerebras ne sera plus jugée sur la beauté de son silicium ni sur la taille de sa tranche. Elle sera jugée sur des métriques très classiques: part du revenu récurrent, nouveaux clients réels, dilution du risque client et conversion du contrat OpenAI en revenus reconnus. Sur ce terrain, le prospectus donne déjà un chiffre qui pique: entre G42, l’université MBZUAI et OpenAI, trois acheteurs suffisent encore à raconter presque toute l’histoire.

Début mai 2026, le procès entre Elon Musk et OpenAI raconte une chose assez simple: quand un labo devient un actif colossal, la morale et le contrôle se mélangent vite. Les témoignages entendus à Oakland ne lavent pas cette ambiguïté, ils la rendent visible. Musk dit défendre une promesse fondatrice. Sam Altman et Greg Brockman répondent qu’il a surtout perdu une bataille de gouvernance.

Le procès glisse de la mission vers le pouvoir

Le récit public de Musk tient en une formule, OpenAI aurait quitté sa mission initiale pour servir des intérêts privés. C’est la trame reprise dans les sept heures de témoignage de Musk à Oakland, où il décrit l’organisation de 2015 comme un projet au service de l’humanité plutôt que des actionnaires. Il affirme aussi avoir joué un rôle fondateur décisif, du nom de l’entreprise au recrutement d’Ilya Sutskever.

Sauf que les témoins de la défense ont déplacé le centre de gravité du dossier.

D’après Brockman, cité par The News et résumé aussi par Bloomberg, Musk réclamait dès 2017 la majorité du capital de la future entité lucrative, la majorité des sièges au conseil et le poste de directeur général. Altman a ajouté qu’à une question sur sa succession éventuelle, Musk aurait même envisagé que le contrôle passe à ses enfants. Si ce point est retenu comme crédible, l’argument de la mission prend une autre couleur.

Les chiffres rendent le dossier beaucoup moins abstrait

Les montants cités au procès expliquent la brutalité du conflit. Selon The News, Musk soutient avoir apporté environ 34 millions d’euros (38 M$) à OpenAI sur la base d’engagements non lucratifs. Selon TechCrunch, les avocats de Musk ont aussi rappelé que la fondation liée à OpenAI dispose désormais d’actifs d’environ 177 milliards d’euros (200 Md$).

On n’est plus dans l’économie d’un institut de recherche pré-produit.

Le chiffre qui pèse le plus reste l’argent de Microsoft. Les échanges au procès reviennent sur l’investissement de 9 milliards d’euros de Microsoft (10 Md$), présenté par Musk comme le tournant qui aurait dénaturé le projet. Et Brockman se retrouve lui-même exposé sur un autre ordre de grandeur, avec une participation que l’avocat de Musk a évaluée à près de 27 milliards d’euros (30 Md$). Quand les incitations montent à ce niveau, les récits vertueux deviennent plus difficiles à séparer des intérêts matériels.

Un labo de recherche ne se pilote pas comme une usine

La défense d’Altman est plus solide sur un point précis, la nature du travail de recherche. Selon The Verge, il a expliqué sous serment que Musk voulait faire classer les chercheurs par performance, puis « couper dans le tas » en demandant à Brockman et Sutskever de les empiler par résultats. Pour un laboratoire, l’argument est crédible. La recherche avancée a besoin de sécurité psychologique, c’est-à-dire d’un espace où l’on peut poursuivre une piste pendant longtemps sans se faire sortir au premier trimestre faible.

Altman dit même que le départ de Musk en 2018 a amélioré le moral interne. Là encore, la ligne est intéressante, parce qu’elle ne dit pas seulement « nous étions en désaccord ». Elle dit qu’un style de commandement adapté à l’ingénierie industrielle ou à la fabrication ne colle pas à un labo qui fait de la recherche fondamentale et de l’entraînement de modèles à horizon incertain.

OpenAI rejoue un vieux problème de l’IA

L’affaire n’est pas sans précédent. En 2019, OpenAI avait déjà montré sa tension interne en retenant d’abord la version complète de GPT-2 au nom du risque, tout en avançant déjà vers une logique de plateforme commerciale. Quelques années plus tard, la valorisation a changé d’échelle, 24 milliards d’euros (27 Md$) en 2023 puis 139 milliards d’euros (157 Md$) en 2024, d’après les jalons connus du marché. La question n’est donc pas neuve, c’est toujours la même, qui décide quand un projet de sûreté devient une infrastructure de marché.

Et il y a un autre rappel historique. Depuis DeepMind jusqu’aux grands modèles de 2023, l’IA avancée a presque toujours fini par demander des masses de capital et de calcul incompatibles avec la simple philanthropie. Musk peut dénoncer ce basculement. Il reste que le coût du calcul, lui, ne plaide pas devant le tribunal.

Ce que le tribunal devra vraiment établir

La juge a déjà limité les tentatives de l’équipe de Musk pour transformer le procès en grand débat sur l’extinction humaine liée à l’AGI, une intelligence artificielle générale capable d’égaler ou dépasser l’humain sur la plupart des tâches cognitives. C’est logique. Le dossier porte d’abord sur des engagements, des statuts, des échanges internes et une trajectoire de gouvernance.

Reste une contradiction difficile à ignorer. Musk alerte sur les risques de l’IA tout en dirigeant xAI, elle-même structurée comme une entreprise lucrative, et il a reconnu, selon Techstory, que l’usage des outils d’OpenAI pour entraîner des systèmes concurrents relevait de pratiques standards du secteur. Cette phrase compte plus que les envolées sur l’âme d’OpenAI. Elle ramène le conflit à ce qu’il est probablement depuis le début, une dispute sur le contrôle d’une organisation devenue centrale dans l’économie de l’inférence et dans la chaîne de pouvoir de l’IA.

Si le tribunal retient que Musk poussait lui-même vers une branche lucrative sous sa main en 2017, sa plainte perdra une part de sa force morale. Si, au contraire, les juges estiment que les fondateurs ont bien vendu un projet non lucratif avant de le reconfigurer autour d’un actif géant, ce seront les documents internes sur la restructuration de 2025 qui feront foi, pas les professions de foi sur l’humanité.

OpenAI a lancé Daybreak le 12 mai 2026, et l’annonce vaut plus qu’un simple produit de plus dans la pile IA. L’entreprise essaie de devenir une brique de production pour la sécurité logicielle, en branchant ses modèles au cœur du développement, du threat modeling, c’est-à-dire la cartographie des scénarios d’attaque plausibles, jusqu’à la validation de correctifs. L’idée est solide. Les chiffres qui permettraient de la juger, eux, ne sont toujours pas là.

Une réponse directe à Anthropic, avec un périmètre plus opérationnel

Daybreak arrive un mois après que Anthropic a dévoilé Claude Mythos Preview dans le cadre de Project Glasswing. Le parallèle est assumé jusque dans le calendrier, et la comparaison avec un produit jugé trop dangereux pour une diffusion publique n’a rien d’un détail. En 2019, OpenAI avait déjà retenu la version complète de GPT-2 au nom du risque d’usage malveillant. Le mécanisme revient, appliqué cette fois à la cybersécurité.

Mais OpenAI choisit une présentation plus industrielle que théâtrale. Là où Anthropic a beaucoup insisté sur la dangerosité de Mythos, OpenAI décrit surtout une chaîne de travail défensive, bâtie avec Codex Security, plusieurs modèles maison et des partenaires sécurité.

Le vrai produit, c’est la chaîne complète de remédiation

Dans la matière fournie, le point le plus intéressant n’est pas le nom des modèles. C’est la promesse de flux complet. OpenAI explique que Codex Security, son agent de revue de code lancé en mars 2026, construit un modèle de menace éditable à partir d’un dépôt, se concentre sur les chemins d’attaque réalistes, valide les vulnérabilités probables, puis automatise la détection de celles qui présentent le plus de risque.

Selon Engadget, Daybreak doit aussi réduire des heures d’analyse à quelques minutes, générer et tester des correctifs dans les dépôts et renvoyer des preuves exploitables pour audit. D’après Infosecurity Magazine, le système peut scanner une base de code avec 10 sous-agents, ajouter des tests de régression, prioriser un backlog de failles et ouvrir des pull requests, ces propositions de modification dans un dépôt Git. Là, on tient quelque chose de concret. Pas juste un LLM, un grand modèle de langage, collé sur un tableau de bord.

OpenAI répartit ce travail entre GPT-5.5 pour les usages généraux, GPT-5.5 avec Trusted Access for Cyber pour les workflows défensifs autorisés, et GPT-5.5-Cyber pour des tâches plus sensibles comme le red teaming, c’est-à-dire la simulation offensive contrôlée, ou les tests d’intrusion.

Le signal commercial existe, les métriques d’exploitation non

Il y a bien un début de traction. En mai 2026, selon OpenAI relayé par Infosecurity Magazine, le programme TAC (Trusted Access for Cyber), un accès restreint à certains modèles pour des organisations vérifiées, regroupe des centaines d’organisations et des milliers de défenseurs individuels. Parmi eux, Akamai, Cisco, Cloudflare, CrowdStrike, Oracle, Palo Alto Networks, Fortinet, Zscaler et même NVIDIA. La finance est là aussi, avec BlackRock, Goldman Sachs, JPMorgan Chase ou Morgan Stanley.

Bon, ce n’est pas encore une preuve économique. Ce qu’il faudrait pour conclure, ce sont des métriques d’exploitation très simples :

• le taux de faux positifs, ces alertes qui ont l’air plausibles mais ne correspondent à aucune faille réelle,
• le temps moyen gagné entre détection, triage et patch,
• le coût par dépôt scanné ou par vulnérabilité correctement fermée,
• la part des correctifs acceptés sans réécriture humaine lourde.

Mozilla a fourni un jalon utile côté concurrent. En avril 2026, la fondation a indiqué que Claude Mythos l’avait aidée à trouver et corriger 271 vulnérabilités dans la dernière version de Firefox, un point repris par le récit de cette expérimentation chez Firefox. Pour Daybreak, rien d’équivalent n’est publié à ce stade.

Pourquoi le moment compte autant que le produit

Le contexte, lui, est limpide. Les outils d’IA raccourcissent le temps nécessaire pour trouver des failles, et les équipes de sécurité peinent déjà à absorber le flux. The Hacker News rappelle qu’en mars 2026, HackerOne a suspendu son programme de bug bounty pour des projets open source, en expliquant que la découverte assistée par IA progressait plus vite que la capacité des mainteneurs à traiter les signalements.

Résultat, une fatigue de triage. Les mainteneurs doivent évaluer un volume croissant de rapports, y compris des rapports hallucinés, produits par des modèles qui rédigent bien mais inventent parfois la faille.

La pression sur le délai de divulgation de 90 jours vient aussi de là. Le chercheur en sécurité Himanshu Anand résume le problème dans la source, en expliquant que si dix chercheurs trouvent le même bug en six semaines et qu’une IA transforme un diff de patch en exploit fonctionnel en trente minutes, la fenêtre classique ne protège plus grand monde. Cette analyse est rude, mais elle colle au terrain.

La retenue d’accès en dit long sur la thèse d’OpenAI

OpenAI garde l’accès serré. Les organisations intéressées doivent demander un scan de vulnérabilité ou passer par l’équipe commerciale, et le dispositif repose sur des environnements autorisés, de la vérification et des garde-fous proportionnés selon l’usage. Le détail compte parce qu’il dit où se place vraiment l’entreprise. Pas côté API grand public, côté comptes stratégiques.

Cette orientation rappelle aussi le précédent de Watson en 2011, quand IBM avait tenté de transformer une démonstration IA spectaculaire en offre métier verticale. La différence, ici, c’est que Daybreak colle à un besoin déjà brûlant, la remédiation de failles dans le cycle de développement, et non à une promesse encore diffuse. Selon Infosecurity Magazine, Anthony Grieco, responsable sécurité de Cisco, parle de modèles qui changent déjà la vitesse des opérations et ajoute « le vrai intérêt de cette technologie ne se trouve pas dans le modèle seul, mais dans le cadre prêt pour l’entreprise que nous construisons autour ».

Le problème est simple. Tant qu’OpenAI ne publie ni précision, ni temps moyen de correction, ni coût d’usage, Daybreak reste une thèse commerciale crédible, pas encore une performance démontrée. Et sur ce marché, entre une démo fluide et un workflow qui tient en production, il y a souvent un gouffre.