La bataille de l’intelligence artificielle ne se joue plus seulement sur les modèles, mais sur l’infrastructure qui les fait tourner. Together AI vient d’en donner une preuve éclatante : la société de San Francisco a bouclé le 1er juillet 2026 une levée de série C de 800 millions de dollars, portant sa valorisation à 8,3 milliards de dollars. Un signal fort que l’inférence des modèles à poids ouverts est passée du statut d’alternative expérimentale à celui d’infrastructure de production.
Un pari sur les modèles ouverts, pas sur ses propres modèles
Together AI ne construit pas de modèle de fondation. L’entreprise exploite l’infrastructure cloud qui permet aux autres sociétés de faire tourner des modèles à poids ouverts, comme DeepSeek, Nemotron, MiniMax, Kimi ou GLM, sur des grappes de GPU Nvidia, via une API compatible avec celle d’OpenAI. Le pari : à mesure que la qualité des modèles ouverts rejoint celle des modèles propriétaires, la valeur migre de celui qui contrôle le modèle vers celui qui sait le servir le plus vite et le moins cher.
Les chiffres accréditent la thèse. L’usage des modèles ouverts sur la plateforme a triplé en douze mois, et les réservations annuelles dépassent désormais 1,15 milliard de dollars. Le directeur général Vipul Ved Prakash affirme que les clients bâtissant sur des modèles ouverts obtiennent des réductions de coûts de six à vingt fois par rapport aux API fermées équivalentes. La société Decagon, citée en exemple, dit avoir divisé sa facture d’inférence par six après la bascule.
Une technologie maison pour accélérer la génération de texte
L’avantage de coût ne vient pas seulement des poids ouverts. Il repose sur un moteur d’optimisation baptisé ATLAS, qui accélère la génération de jetons grâce au décodage spéculatif adaptatif. Le principe : un petit modèle brouillon propose plusieurs jetons d’avance, que le grand modèle vérifie ensuite en une seule passe parallèle. Lorsque les propositions sont justes, ce qui arrive souvent pour du code ou des textes répétitifs, le débit se multiplie sans dégrader la qualité.
La particularité d’ATLAS tient à son apprentissage continu. Le système combine un modèle brouillon lourd, entraîné sur un large corpus, et un modèle léger qui se met à jour en temps réel à partir du trafic de production. Résultat : le service accélère à mesure qu’il est utilisé. Sur le banc d’essai Arena Hard, Together AI dit atteindre 500 jetons par seconde sur DeepSeek-V3.1, contre 105 sur une base FP8. Ces mesures restent toutefois auto-déclarées, sans validation indépendante à ce jour.
500 mégawatts et des capitaux du Golfe
Au-delà des 800 millions en fonds propres, Together AI a sécurisé des engagements pour plus de 500 mégawatts de capacité de calcul, construits séparément par ses investisseurs. L’entreprise vise à multiplier son empreinte d’infrastructure par cinquante en cinq ans. À titre de comparaison, un grand campus de data center consomme entre 100 et 500 mégawatts : le géant se dote donc de la capacité d’un opérateur d’envergure.
Le tour de table a été mené par Aramco Ventures, le bras d’investissement de la compagnie pétrolière saoudienne, avec la participation de Nvidia, Vista Equity Partners, General Catalyst ou encore SE Ventures de Schneider Electric. Le même jour, le fonds MGX d’Abou Dabi bouclait 49 milliards de dollars. Les capitaux souverains du Golfe traitent désormais la puissance de calcul comme une ressource stratégique, au même titre que le pétrole. La levée intervient dans un marché en pleine surchauffe, où Groq a réuni 650 millions de dollars et Baseten atteint jusqu’à 13 milliards de valorisation. Reste l’exécution : multiplier sa capacité par cinquante relève autant du défi logistique que financier.
