Fondée par l’ex-cofondateur de xAI Igor Babuschkin, River AI lève 1,0 milliard d’euros pour simplifier l’entraînement et le déploiement de modèles IA maison.
River AI, jeune société fondée par l’ex-cofondateur de xAI Igor Babuschkin, a levé environ 1,0 milliard d’euros (1,1 Md$) auprès de General Catalyst et AMP PBC. La startup promet aux entreprises d’entraîner, d’affiner et d’exploiter leurs propres modèles open-weight sans équipe d’infrastructure dédiée. Pour un acteur sorti de stealth en juin, le signal est net, l’open stack attire désormais des tickets géants.
Deux mois. C’est à peu près l’âge public de River AI, et la société vient déjà de boucler environ 1,0 milliard d’euros (1,1 Md$). À ce niveau, on ne parle plus d’une simple sortie de stealth réussie, mais d’un pari massif sur une certaine idée de l’IA, plus ouverte, plus personnalisable, et surtout plus maîtrisable par ses utilisateurs. TechCrunch le résumait bien, le montant surprend même dans un marché déjà habitué aux chiffres hors norme.
Le point intéressant, c’est moins la taille du tour que ce qu’il finance. River AI ne vend pas un nouveau modèle vedette. La société veut reconstruire la couche qui permet de les entraîner, de les adapter et de les faire tourner sans imposer aux entreprises une armée d’ingénieurs infra.
Une levée géante pour une startup de deux mois
Le tour est mené par General Catalyst et AMP PBC, avec des investissements stratégiques de NVIDIA et AMD Ventures. Y Combinator et Temasek participent aussi. River AI, basée à Palo Alto, a été incorporée dans le Nevada en avril, est sortie de stealth en juin, puis a levé ce tour en août, selon The Next Web et Citybiz.
La valorisation n’a pas été donnée. Des discussions antérieures évoquaient environ 4,6 milliards d’euros (5 Md$), et Babuschkin aurait même envisagé d’injecter jusqu’à environ 91 millions d’euros (100 M$) de son propre argent. Pour une société aussi jeune, c’est énorme, même dans l’IA actuelle.
Le pari, enlever l’infrastructure du chemin
Le produit du moment est une API qui permet du LoRA fine-tuning et du reinforcement learning sur des modèles open-weight. River AI affirme qu’une entreprise peut lancer un entraînement RL complexe en 15 à 20 minutes, sans équipe d’infrastructure dédiée, avec un coût deux à quatre fois plus bas que des alternatives fermées.
Sous le capot, la plateforme gère les transferts de poids, la cohérence entre sampling et training, ainsi que l’elastic compute. Les modèles entraînés peuvent ensuite passer directement en production. La facturation se fait au token, pour l’entraînement comme pour l’inférence, afin d’éviter de payer des GPU inactifs. C’est technique, mais la promesse est simple, vous payez l’usage, pas le vide.
Babuschkin vise plus bas que le modèle, plus haut que le service
Igor Babuschkin, passé par Google DeepMind et OpenAI avant de cofonder xAI, ne dit pas vouloir battre OpenAI ou Anthropic sur le plus gros modèle. Il vise la couche en dessous, celle qui rend les modèles adaptables à une entreprise, puis à un individu. Dans son discours, l’IA devrait être « ouverte, librement disponible et abordable ».
La feuille de route va plus loin que le logiciel. River AI parle déjà de hardware dédié, d’outils de personnalisation et de continual learning, avec l’idée de rapprocher l’IA de la personne qui l’utilise. Le communiqué relayé par Morningstar insiste sur cette logique de possession, pour les développeurs aujourd’hui, pour les individus plus tard.
Pourquoi ce tour compte au-delà de River
Le tour reflète l’intérêt croissant pour l’open-weight. Hemant Taneja, patron de General Catalyst, place même le sujet sur le terrain de la souveraineté américaine. Marc Bhargava, lui, pointe l’écart entre ce que l’IA sait faire et ce que les entreprises arrivent vraiment à intégrer dans leurs opérations.
Le marché donne du contexte. Il est présenté comme passant d’environ 146 milliards d’euros (161 Md$) en 2026 à plus de 1 147 milliards d’euros (1,26 T$) en 2034. Et River arrive dans une couche déjà animée, avec Together AI, Featherless.ai ou Moonshot AI. Sauf que River AI promet plus large, entraînement, tuning, déploiement, puis matériel. Ambitieux, clairement. Et beaucoup plus dur à exécuter.
