Nvidia envisagerait de financer Mercor alors que son fournisseur de données IA vise une valorisation de 20 milliards de dollars
Nvidia discuterait d’un financement de Mercor, alors que ce fournisseur de données IA vise une valorisation proche de 20 milliards de dollars. Ce montant doublerait la valorisation de Mercor par rapport à son dernier tour annoncé, malgré des questions non résolues concernant les modalités de l’opération, la concentration de sa clientèle et la sécurité.
L’information sur ce financement a émergé via une alerte d’actualité chinoise le 20 août. Elle ne précisait ni le montant potentiel de l’investissement de Nvidia, ni la structure de financement envisagée, ni si le fabricant de puces avait signé une lettre d’intention.
Ni Nvidia ni Mercor n’avaient publiquement confirmé la participation de Nvidia lors de la préparation de cet article. L’interprétation prudente est donc simple : des discussions ne constituent pas un investissement finalisé.
Ce rapport revêt néanmoins une importance qui dépasse celle d’une nouvelle grande valorisation dans le capital-risque. Nvidia achèterait des services à Mercor tout en finançant des entreprises à travers la chaîne d’approvisionnement de l’IA. Une participation relierait le principal fournisseur de puces IA à l’un des prestataires produisant les retours d’experts, les évaluations et les environnements d’entraînement destinés aux principaux développeurs de modèles.
Cette relation rapprocherait financièrement deux ressources rares. Nvidia fournit la capacité de calcul. Mercor organise l’expertise humaine dont les laboratoires ont besoin pour améliorer les modèles après leur entraînement initial.
L’opération potentielle intervient également après une année mouvementée pour Mercor. L’entreprise a fait état d’une forte croissance de ses revenus, acquis une startup d’environnements d’entraînement IA et traité un incident de sécurité dans sa chaîne d’approvisionnement. Elle est simultanément en concurrence avec Scale AI, Surge AI, Turing, Handshake et d’autres fournisseurs de données.
La question centrale est de savoir si Nvidia considère Mercor comme un investissement prometteur ou comme une infrastructure stratégiquement importante pour l’ensemble du marché de l’IA.
Les discussions rapportées entre Nvidia et Mercor restent préliminaires
Ce qui change est l’identité rapportée d’un investisseur potentiel, et non la certitude du financement de Mercor.
Mercor recherchait déjà de nouveaux capitaux avant ce dernier rapport. En juillet, des sources de Bloomberg ont indiqué que l’entreprise discutait d’un tour de table à une valorisation d’environ 20 milliards de dollars.
Ces discussions étaient décrites comme préliminaires. Mercor aurait indiqué à des investisseurs avoir reçu une lettre d’intention à la valorisation proposée, selon une couverture de la valorisation.
Une lettre d’intention consigne habituellement les modalités d’investissement envisagées avant les accords définitifs et les conditions de clôture. Elle témoigne d’un intérêt sérieux, mais ne garantit pas la finalisation d’une transaction.
Le nouveau rapport ajoute Nvidia aux discussions. Il n’établit pas si Nvidia dirigerait le tour, rejoindrait un autre investisseur, fournirait de la dette ou recourrait à une autre formule.
Cette distinction importe, car Nvidia participe désormais à plusieurs formes de financement de l’IA. L’entreprise réalise des investissements classiques en fonds propres, soutient ses clients et collabore avec des institutions financières pour financer des infrastructures.
Mercor ne construit pas principalement de centres de données et n’achète pas des flottes de GPU. Son activité centrale consiste à mettre en relation des développeurs d’IA avec des spécialistes qui créent des tâches, des jugements et des évaluations pour l’entraînement des modèles.
Un éventuel investissement de Nvidia se distinguerait donc des financements conçus pour stimuler les achats de matériel. Le lien stratégique serait moins direct, même si les clients de Mercor consomment toujours d’importantes ressources de calcul Nvidia.
Mercor s’est également présenté comme un fournisseur de grands laboratoires d’IA et d’entreprises technologiques. Des informations antérieures indiquaient que ses clients comprenaient Nvidia, aux côtés d’Amazon, Google, Meta, Microsoft et OpenAI.
Tous ces noms de clients n’ont pas été détaillés de manière indépendante au moyen de contrats ou de publications de revenus. Mercor est une entreprise privée, et l’économie de sa clientèle reste bien moins transparente que celle d’une société cotée.
Le montant rapporté de 20 milliards de dollars correspond également à une valorisation, et non au montant que Mercor recevrait. Aucun compte rendu public fiable n’a établi l’ampleur de l’engagement potentiel de Nvidia.
Les lecteurs devraient donc éviter de fusionner des chiffres distincts. L’objectif de valorisation de Mercor ne signifie pas que Nvidia envisage un investissement de 20 milliards de dollars.
Le point de référence confirmé provient du financement précédent de Mercor. En octobre 2025, l’entreprise a annoncé une Série C de 350 millions de dollars qui la valorisait à 10 milliards de dollars.
Felicis a dirigé ce tour. Benchmark, General Catalyst et Robinhood Ventures y ont également participé, selon l’annonce de Série C de Mercor.
Cette opération avait déjà multiplié par cinq la valorisation de Mercor par rapport à celle de sa Série B. Un tour réussi à 20 milliards de dollars entraînerait un nouveau doublement en moins d’un an.
Une telle hausse serait remarquable en toutes circonstances. Elle l’est particulièrement pour une entreprise évoluant sur un marché autrefois décrit principalement comme celui de l’annotation de données.
Mercor estime que cette catégorie a changé. Les modèles de pointe nécessitent de plus en plus des évaluations créées par des experts, des flux de travail réalistes et des retours qui testent le raisonnement plutôt que la simple identification d’objets.
Cette évolution crée la véritable tension de l’article. Les investisseurs ne valorisent pas simplement une place de marché pour travailleurs temporaires. Ils attribuent une valeur élevée aux systèmes humains qui enseignent aux modèles IA comment s’effectue le travail professionnel.
Pourquoi Nvidia s’intéresserait à un fournisseur de données IA
L’intérêt de Nvidia suggérerait que l’expertise humaine est devenue un complément stratégique au calcul, et non un substitut temporaire à de meilleurs modèles.
La construction d’un modèle de pointe commence par un entraînement à grande échelle sur des textes, des images, du code et d’autres données. Cette étape consomme d’énormes capacités de calcul, domaine dans lequel Nvidia détient sa position la plus forte.
L’entraînement initial ne produit pas de manière fiable un agent capable d’accomplir un travail professionnel complexe. Les développeurs doivent tester le modèle, identifier ses défaillances et générer des retours qui améliorent son comportement.
Mercor recrute des spécialistes pour ce processus. Un juriste pourrait évaluer le raisonnement relatif à la jurisprudence. Un ingénieur pourrait concevoir des tâches de programmation ou déterminer si une solution proposée répond aux exigences techniques.
Ces missions créent des signaux d’entraînement, c’est-à-dire des exemples ou des scores qui orientent un modèle vers un comportement plus utile. Elles peuvent soutenir le réglage fin supervisé, les évaluations et l’apprentissage par renforcement.
L’apprentissage par renforcement entraîne un modèle en récompensant de meilleures performances sur des tâches définies. Sa valeur dépend fortement de la capacité des tâches et des systèmes de notation à représenter un travail réel.
Un modèle peut afficher de bonnes performances sur un benchmark académique tout en échouant dans les logiciels d’une entreprise. Il peut mal interpréter une demande ambiguë, gérer incorrectement une exception ou choisir la mauvaise action suivante.
Cet écart accroît la valeur des experts de domaine. Ils peuvent décrire le flux de travail, créer des exercices réalistes et évaluer des résultats qui ne peuvent être notés à l’aide d’une simple règle automatisée.
Mercor a élargi cette stratégie en juillet en acceptant d’acquérir Deeptune. Mercor a indiqué que Deeptune développe des environnements logiciels dans lesquels les agents IA peuvent s’exercer à des tâches dans des applications d’entreprise simulées.
L’annonce de l’acquisition de l’entreprise décrivait trois composantes d’un environnement : le logiciel, les tâches attribuées et les vérificateurs qui évaluent la réussite de leur exécution.
Mercor a déclaré que son réseau comptait plus de cinq millions d’experts de domaine. Ce chiffre est une affirmation de l’entreprise et ne doit pas être interprété comme cinq millions de sous-traitants actifs.
L’opération Deeptune offre à Mercor un récit produit plus clair. Les experts peuvent définir un travail réaliste, tandis que le logiciel acquis recrée les systèmes dans lesquels les agents s’exercent.
Cette combinaison fait évoluer Mercor au-delà du recrutement. Elle place l’entreprise plus près de la boucle technique utilisée pour évaluer et améliorer les agents IA.
Nvidia bénéficie lorsque les développeurs trouvent des usages plus précieux pour la puissance de calcul. De meilleurs environnements d’entraînement peuvent encourager les laboratoires à mener davantage d’expériences, à entraîner plus de politiques d’agents et à déployer des modèles dans de nouveaux flux de travail.
Cela ne fait toutefois pas de Mercor une opération conventionnelle de financement client pour Nvidia. La structure de coûts principale de Mercor repose sur les talents, les logiciels et les opérations, plutôt que sur des achats massifs de puces.
L’investissement potentiel ressemble davantage à un positionnement dans la chaîne d’approvisionnement. Nvidia pourrait s’exposer à un goulet d’étranglement qui détermine si les dépenses de calcul produisent des modèles commercialement utiles.
Nvidia a déjà démontré une stratégie de financement plus large. Le 10 août, l’entreprise a annoncé des partenariats avec Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR.
Ces plateformes indépendantes visent à mobiliser plus de 500 milliards de dollars au fil du temps pour les infrastructures IA, selon l’annonce de financement de Nvidia.
Le programme d’infrastructure vise à transformer les actifs de calcul et les revenus liés à leur utilisation en investissements adaptés à des capitaux extérieurs. Nvidia a précisé que les institutions participantes prendraient leurs propres décisions d’investissement.
Mercor se situe à un autre niveau de la pile technologique. L’entreprise aide à déterminer ce que les développeurs font de la puissance de calcul une fois qu’ils l’ont obtenue.
Cette différence rend les discussions rapportées stratégiquement intéressantes. Nvidia soutiendrait à la fois la capacité physique nécessaire à l’IA et une entreprise contribuant à transformer cette capacité en comportements entraînés.
Cette relation pourrait offrir à Nvidia une visibilité utile sur le marché. Un fournisseur de données travaillant avec plusieurs laboratoires peut observer quelles tâches, quels domaines professionnels et quelles méthodes d’entraînement suscitent la demande.
Nvidia devrait toutefois gérer avec soin la neutralité vis-à-vis de ses clients. Les laboratoires d’IA pourraient hésiter à exposer des priorités de développement sensibles par l’intermédiaire d’un prestataire financièrement lié à leur principal fournisseur de puces.
Aucun élément public ne montre que Nvidia recevrait un accès aux données clients de Mercor. Toute suggestion selon laquelle l’entreprise obtiendrait automatiquement ces informations serait spéculative.
La valeur stratégique peut exister sans données privilégiées. Nvidia pourrait simplement bénéficier de la croissance de Mercor à mesure que les laboratoires consacrent davantage de dépenses au post-entraînement et à l’évaluation des agents.
La croissance de Mercor met sous pression Scale AI et les autres fournisseurs de données
Une valorisation de 20 milliards de dollars présenterait les données d’entraînement générées par des experts comme l’un des derniers goulets d’étranglement les plus précieux de l’IA.
Le marché concurrentiel a évolué rapidement. Les premières entreprises d’annotation de données s’appuyaient souvent sur d’importantes équipes réalisant des tâches de classification standardisées.
Les laboratoires de pointe exigent désormais une expertise plus ciblée. Ils ont besoin de développeurs logiciels, de chercheurs, de professionnels de la finance, de médecins, de juristes et d’autres spécialistes capables d’évaluer des résultats complexes.
Cette transition augmente la valeur potentielle de chaque projet. Elle accroît aussi les exigences en matière de recrutement, de contrôle qualité, de confidentialité et de gestion des clients.
Mercor est entré sur le marché par la technologie de recrutement. L’entreprise utilisait des entretiens automatisés et des systèmes d’appariement pour mettre en relation des candidats avec des employeurs, avant de s’orienter plus profondément vers le travail d’entraînement de l’IA.
Le récit actuel de l’entreprise présente le jugement humain comme une infrastructure. Ses experts créent des évaluations et des données de flux de travail qui aident les modèles à gérer des tâches à forte valeur économique.
Scale AI reste la comparaison la plus visible. Meta a investi environ 15 milliards de dollars dans Scale en 2025, obtenant une importante participation économique tout en recrutant le fondateur Alexandr Wang pour son organisation IA.
Cette transaction valorisait Scale à environ 29 milliards de dollars, selon des informations publiques. Elle a établi un point de référence pour chaque entreprise privée vendant des données et des services d’évaluation aux laboratoires de pointe.
Une valorisation de Mercor à 20 milliards de dollars réduirait l’écart. Elle indiquerait également aux investisseurs que le marché peut soutenir plus d’une plateforme de données fortement valorisée.
Les entreprises ne suivent pas des stratégies identiques. Scale dispose d’un historique opérationnel plus long, d’importantes activités gouvernementales et d’outils plus étendus pour gérer les pipelines de données.
Mercor met l’accent sur le recrutement d’experts et un réseau flexible de prestataires. L’acquisition de Deeptune ajoute des environnements d’entraînement qui relient le jugement expert à des tâches d’agents reproductibles.
Surge AI propose un autre modèle concurrentiel. L’entreprise a développé une activité importante en fournissant des données humaines de haute qualité tout en conservant un profil public relativement discret.
Turing, Handshake, Invisible Technologies, Labelbox et plusieurs prestataires spécialisés se disputent également les budgets des laboratoires d’IA. Certains privilégient les logiciels, tandis que d’autres mettent l’accent sur des effectifs gérés ou des évaluations techniques.
Le marché peut croître sans faire émerger un vainqueur unique. Les développeurs de modèles utilisent souvent plusieurs fournisseurs pour comparer la qualité, accroître les capacités et réduire leur dépendance.
Cette approche multi-fournisseurs limite le pouvoir de fixation des prix. Un laboratoire peut réorienter ses projets lorsque la qualité baisse, que des préoccupations de sécurité apparaissent ou que les priorités de recherche évoluent.
La concentration des clients crée une autre pression. Le développement de modèles de pointe est dominé par un petit nombre d’organisations disposant de budgets très importants.
Remporter un laboratoire peut entraîner une croissance rapide. Perdre ce même client peut supprimer une part substantielle de l’activité avec peu de préavis.
Le risque concerne aussi bien les prestataires que les investisseurs. Les projets peuvent être suspendus lorsqu’un laboratoire modifie son programme de recherche, achève une expérimentation ou internalise un flux de travail.
La croissance rapportée de Mercor indique une forte demande, mais la qualité des revenus compte autant que leur ampleur affichée. Les investisseurs doivent savoir quelle part des revenus est récurrente et quelle part dépend de projets de courte durée.
Ils doivent également distinguer les paiements bruts aux prestataires des revenus conservés. Une marketplace peut afficher un volume de transactions important tout en ne conservant qu’une fraction après avoir rémunéré les travailleurs.
Le PDG de Mercor, Brendan Foody, a déclaré en juillet que le rythme annualisé des revenus de l’entreprise dépassait 2 milliards de dollars. Un rythme annualisé projette l’activité récente sur une année complète.
Il ne correspond pas à des revenus audités déjà réalisés sur douze mois achevés. L’entreprise n’a pas fourni publiquement assez de détails pour reconstituer ce calcul.
Cette différence compte lors de l’évaluation d’une entreprise valorisée à 20 milliards de dollars. Les investisseurs doivent déterminer si la valorisation proposée reflète des marges durables ou des dépenses temporairement intenses de quelques laboratoires.
La stratégie d’acquisition de Mercor ajoute une autre variable. Deeptune pourrait aider l’entreprise à vendre des logiciels et des programmes d’entraînement intégrés, avec une meilleure économie que la seule mise en relation de prestataires.
L’acquisition peut aussi accroître le risque d’exécution. Mercor doit combiner un réseau de main-d’œuvre en forte croissance avec une infrastructure technique utilisée dans des programmes de recherche sensibles.
La participation de Nvidia ne réglerait pas ces questions. Elle pourrait valider l’importance stratégique de cette catégorie sans valider chaque hypothèse sous-jacente à la valorisation de Mercor.
La conclusion la plus solide concerne la pression concurrentielle. Scale AI et les autres fournisseurs font désormais face à un rival bénéficiant d’une dynamique de financement rapportée et d’une proposition plus complète pour l’entraînement des agents.
Le scénario à 20 milliards de dollars reste soumis à des tests de sécurité et de valorisation
Le principal défi de Mercor est de prouver qu’une croissance rapide peut coexister avec une sécurité durable, des relations clients neutres et une économie de projet fiable.
Mercor a connu un incident de sécurité en mars 2026 impliquant des versions compromises de LiteLLM, un outil open source utilisé pour connecter des applications à plusieurs modèles d’IA.
Un acteur malveillant aurait inséré du code conçu pour extraire des identifiants des systèmes ayant installé les versions concernées. Mercor a confirmé que son environnement avait été touché.
En avril, Meta a suspendu son travail avec Mercor pendant qu’il enquêtait sur l’incident. D’autres laboratoires ont également examiné leur exposition, selon des informations sur la violation.
Le risque dépassait les informations personnelles ordinaires. Les tâches d’entraînement et les données d’évaluation peuvent révéler ce qu’un laboratoire teste, où ses modèles échouent et comment il prévoit de les améliorer.
Ce matériel peut avoir une valeur concurrentielle considérable. Un fournisseur travaillant avec plusieurs laboratoires devient donc une cible attrayante pour les attaquants.
Mercor a ensuite déclaré que les informations clients avaient subi un impact très limité. L’entreprise a aussi affirmé que seule une partie limitée de son réseau d’experts avait vu des informations sensibles affectées.
Ces déclarations provenaient de la mise à jour de l’enquête de Mercor. Elles méritent d’être attribuées, car l’entreprise n’a pas publié les éléments médico-légaux complets nécessaires à une vérification indépendante.
Mercor a également indiqué que tous les laboratoires de pointe avaient accru leur collaboration avec l’entreprise au cours des mois suivants. Si cela est exact, cela indiquerait un rétablissement substantiel des clients.
Le financement potentiel de Nvidia pourrait renforcer cette interprétation. Un investisseur institutionnel sophistiqué examinerait normalement les contrôles de sécurité, la fidélisation des clients et les responsabilités liées à l’incident lors de sa due diligence.
Cependant, les investisseurs ne certifient pas la sécurité opérationnelle. Un investissement peut être conclu malgré des risques connus lorsque le rendement attendu reste attrayant.
Mercor doit également gérer un litige avec Scale AI. Scale a poursuivi Mercor et un ancien employé de Scale en 2025 pour le vol présumé de documents confidentiels.
Scale a allégué que l’employé avait téléchargé plus de 100 documents avant de rejoindre Mercor. Mercor a déclaré ne pas avoir accédé aux fichiers et ne pas vouloir les secrets commerciaux de Scale.
Il s’agit d’allégations opposées, et non de conclusions établies. Le débat public sur ce litige ne devrait pas présumer que l’une ou l’autre partie a prouvé son dossier.
Le procès illustre néanmoins la sensibilité des stratégies clients sur ce marché. Les fournisseurs rivalisent pour des programmes confidentiels susceptibles de façonner la prochaine génération de modèles commerciaux.
Une relation plus étroite avec Nvidia pourrait soulever des questions supplémentaires de gouvernance. Nvidia fournit des technologies de calcul aux laboratoires qui pourraient également employer Mercor.
Les clients voudront des garanties claires concernant la séparation des données. Ils pourraient demander si un investisseur peut influencer les priorités d’un fournisseur ou obtenir des informations sur des projets privés.
Ces préoccupations peuvent être gérées par des contrats, des contrôles d’accès et une gouvernance indépendante. Elles ne disparaissent pas simplement parce que les parties qualifient l’investissement de stratégique.
La valorisation elle-même exige un examen rigoureux. Passer de 10 milliards à 20 milliards de dollars suppose que Mercor peut maintenir son expansion sans une hausse comparable du risque.
Un rythme annualisé de revenus rapporté à 2 milliards de dollars rend la valorisation moins extrême qu’elle ne le serait pour une startup sans revenus. Toutefois, la qualité et la marge de ces revenus restent incertaines.
Si une grande partie est directement reversée aux prestataires, les multiples traditionnels des logiciels deviennent moins pertinents. Mercor devrait démontrer que sa technologie de mise en relation et sa plateforme d’entraînement créent une économie conservée défendable.
L’automatisation constitue une autre incertitude à long terme. De meilleurs modèles peuvent générer davantage de données d’entraînement synthétiques, c’est-à-dire des exemples créés par d’autres systèmes d’IA.
Les données synthétiques peuvent réduire la dépendance aux humains pour certaines tâches. Elles ne peuvent pas déterminer automatiquement si un agent a correctement géré une décision juridique, médicale ou organisationnelle complexe.
Le résultat probable est une transformation du travail humain plutôt que sa disparition complète. Les experts pourraient consacrer moins de temps à rédiger des exemples de base et davantage à concevoir des environnements, évaluer les échecs et traiter les cas ambigus.
Cette transition soutient la stratégie de Mercor, mais elle exige aussi un développement produit continu. Une marketplace de prestataires à elle seule ne justifiera pas indéfiniment une valorisation au niveau des infrastructures.
Deeptune contribue à répondre à cette question en ajoutant des logiciels. Les investisseurs devraient néanmoins rechercher des preuves que le produit combiné améliore les performances des modèles et génère une demande client récurrente.
La dernière incertitude concerne les motivations de Nvidia. Un petit investissement financier aurait une signification différente d’une relation au conseil d’administration ou d’un partenariat commercial approfondi.
Tant que les parties ne divulguent pas les conditions, le marché ne devrait pas considérer toutes les structures possibles comme également significatives.
Trois signaux montreront ce que signifie réellement cette information
Les prochaines preuves devraient provenir de conditions signées, du comportement des clients et d’une adoption mesurable du produit, et non d’un nouveau titre anonyme sur une valorisation.
Le premier signal sera une annonce officielle de financement. Les investisseurs devraient examiner la taille du tour, l’investisseur principal, le rôle exact de Nvidia et la valorisation finale.
Ces détails montreront si Nvidia est au cœur de la transaction ou simplement un participant parmi d’autres. Ils révéleront également si le chiffre rapporté de 20 milliards de dollars a résisté aux négociations.
Une valorisation plus faible suggérerait que les investisseurs ont imposé davantage de discipline après la due diligence. Une valorisation confirmée à 20 milliards de dollars renforcerait l’idée que les systèmes d’entraînement experts restent rares.
Le deuxième signal sera la fidélisation des clients après l’incident de sécurité. Mercor affirme que les laboratoires de pointe ont élargi leur collaboration, mais les déclarations d’une entreprise privée offrent une visibilité limitée.
De futures références clients, des projets renouvelés ou des dépenses rapportées de manière indépendante renforceraient le dossier de Mercor. De nouvelles suspensions affaibliraient l’idée que la croissance a pleinement surmonté les préoccupations de sécurité.
Les prestataires peuvent fournir un signal précoce imparfait, car la disponibilité des projets reflète l’activité des clients. Toutefois, les témoignages individuels ne devraient pas être traités comme un substitut aux données à l’échelle de l’entreprise.
Le troisième signal sera l’adoption du produit combiné Mercor et Deeptune. L’acquisition ne compte que si les clients achètent à une échelle significative des prestations d’experts et des environnements d’entraînement intégrés.
Surveillez les cas d’usage nommés, les déploiements répétés et les preuves que les agents s’améliorent face à des tâches professionnelles réalistes. Des affirmations générales sur de meilleurs modèles ne suffiront pas.
Ces signaux comptent également pour les acheteurs d’IA en entreprise. Une entreprise qui sélectionne des fournisseurs de données ou d’évaluation devrait examiner la manière dont ils recrutent les experts, protègent les flux de travail sensibles et vérifient la qualité des résultats.
Les développeurs devraient s’y intéresser, car les capacités des modèles dépendent de plus en plus de la conception des évaluations. L’accès à davantage de GPU ne peut pas corriger un benchmark qui récompense le mauvais comportement.
Les travailleurs du savoir devraient s’y intéresser, car leur expertise devient du matériel d’entraînement. Les questions importantes concernent le consentement, la rémunération, la confidentialité et la manière dont les entreprises réutilisent le jugement professionnel.
Les équipes qui gèrent la recherche auprès de plusieurs fournisseurs peuvent avoir besoin d’un historique durable des déclarations, des divulgations de sécurité et de l’évolution des conditions de projet. Une base de connaissances IA consultable peut aider à préserver ce contexte sans dépendre d’alertes dispersées.
Les discussions rapportées avec Nvidia ne prouvent pas que Mercor vaut 20 milliards de dollars. Elles montrent que les systèmes entourant l’entraînement des modèles attirent désormais l’attention du fournisseur le plus influent du secteur de l’IA.
Si Nvidia investit, l’accord reliera le capital consacré au calcul à une expertise humaine organisée. Cette combinaison pourrait renforcer Mercor tout en intensifiant l’examen de sa neutralité, de sa sécurité et de sa dépendance envers les clients.
Si les discussions se terminent sans accord, le marché sous-jacent ne disparaît pas. Les laboratoires ont toujours besoin de spécialistes, d’évaluations et d’environnements qui révèlent si les agents peuvent accomplir un véritable travail.
La prochaine étape pratique consiste à surveiller les conditions de financement signées, la fidélisation des clients et l’intégration de Deeptune. Ces faits détermineront s’il s’agit d’un virage stratégique ou d’une autre valorisation ambitieuse sur le marché privé.
