Évaluation à 1 milliard, Nvidia mise gros ! Prime Intellect est-elle en train de se débarrasser de l'étiquette Web3 ?

En levant des fonds auprès de Nvidia, Intel et Dell, tout en effaçant discrètement les traces de l'émission de jetons, Prime Intellect annonce un ARR de 100 millions de dollars. Quel chemin a-t-elle emprunté ?

Rédigé par : KarenZ, Foresight News

Une entreprise d'infrastructure AI fondée il y a un peu plus de deux ans, qui annonce avoir obtenu le soutien des fonds d'investissement de Nvidia, Intel et Dell, tout en déclarant que ses revenus annuels dépassent 100 millions de dollars - ces deux chiffres ensemble suffisent à faire de Prime Intellect l'un des projets AI les plus dignes d'être réévalués récemment.

Le 8 juillet 2026, le réseau d'infrastructure AI décentralisé Prime Intellect a annoncé avoir complété un tour de financement de série A de 130 millions de dollars avec une évaluation de 1 milliard de dollars, dirigé par le fonds de capital-risque Radical Ventures, avec la participation rare des fonds d'investissement de Nvidia, Intel et Dell, portant le total des financements à plus de 150 millions de dollars.

En révélant ce financement massif, Prime Intellect a également annoncé que, en moins d'un an, ses revenus annuels (ARR) avaient rapidement grimpé à plus de 100 millions de dollars, avec plus de 6000 entreprises et startups clientes utilisant sa plateforme.

Quel est le contexte ?

L'auteur a mentionné en mars 2025 dans l'article « Les membres fondateurs d'OpenAI interviennent ! Lecture rapide du projet Prime Intellect, un cheval noir décentralisé » que Prime Intellect a été fondé en janvier 2024 par les cofondateurs Vincent Weisser et Johannes Hagemann.

• Le CEO Vincent Weisser a précédemment été impliqué dans le domaine croisé de la science décentralisée (DeSci) et de l'IA, étant co-fondateur de projets tels que Bio Protocol, VitaDAO et CryoDAO, et a été responsable de l'écosystème et de l'IA sur la plateforme DeSci Molecule.
• Le CTO Johannes Hagemann se concentre sur l'IA distribuée et l'ingénierie semi-automatisée, ainsi que sur les interfaces cerveau-machine, ayant précédemment travaillé comme ingénieur de recherche en IA chez la société allemande AI Aleph Alpha.

De plus, en octobre 2025, l'investisseur en capital-risque Ash Arora a rejoint Prime Intellect en tant que responsable du marketing appliqué (Applied GTM), chargé de définir la stratégie produit, la commercialisation, les revenus et les produits d'IA appliqués dans le domaine du post-traitement et de l'apprentissage par renforcement. Ash Arora a récemment indiqué que le nombre d'employés à temps plein chez Prime Intellect a atteint 40 personnes.

En termes de financement, Prime Intellect a levé plus de 150 millions de dollars, dont 5,5 millions de dollars lors d'un tour de financement de pré-amorçage en avril 2024, dirigé par Distributed Global et CoinFund, avec des investisseurs providentiels tels que Clem Delangue, CEO de Hugging Face.

Moins d'un an plus tard, en mars 2025, Prime Intellect a de nouveau levé 15 millions de dollars, dirigé par le Founders Fund de Peter Thiel, avec des investisseurs comprenant l'un des membres fondateurs d'OpenAI, l'ancien directeur de l'IA de Tesla, Andrej Karpathy, ainsi que Tri Dao, scientifique en chef de Together.AI, et Emad Mostaque, co-fondateur de Stability AI, parmi d'autres personnalités de poids dans le domaine de l'IA.

La dernière ronde de financement est d'une nature différente. Dans le tour de financement de 130 millions de dollars de série A, NVIDIA Ventures, Intel Capital et Dell Technologies Capital ne sont pas seulement des investisseurs financiers, mais leurs sociétés mères occupent des positions clés dans les infrastructures GPU, CPU, serveurs et centres de données.

L'explication d'Intel Capital concernant cet investissement indique également que les géants du matériel achètent en raison du fait que Prime Intellect tente de regrouper l'environnement de calcul, d'entraînement, d'évaluation et d'apprentissage par renforcement post-entraînement avec le raisonnement supérieur, le tout sur un même plan de contrôle unifié.

Quels progrès concrets ?

Les premiers résultats remarquables de Prime Intellect incluent la démonstration que des GPU hétérogènes à longue distance peuvent également être entraînés de manière collaborative. En suivant l'itération technologique des deux dernières années, on peut voir comment la plateforme a progressivement transformé les expériences de recherche en lignes de produits commercialisables.

À la fin novembre 2024, Prime Intellect a publié le modèle de 10 milliards de paramètres INTELLECT-1, avec des nœuds d'entraînement répartis sur cinq pays et trois continents. La société a déclaré avoir obtenu un taux d'utilisation global de 83 % des calculs intercontinentaux, tandis qu'en utilisant uniquement des nœuds situés aux États-Unis, le taux d'utilisation des calculs a atteint 96 %.

Moins de six mois plus tard, Prime Intellect a publié INTELLECT-2, portant l'objectif à 32 milliards de paramètres pour l'apprentissage par renforcement distribué mondial. Pour cela, l'équipe a développé le cadre d'apprentissage par renforcement asynchrone PRIME-RL, SHARDCAST pour la diffusion des poids du modèle, et TOPLOC pour vérifier si les nœuds de raisonnement « font réellement le travail ».

Un changement clé s'est produit avec INTELLECT-3. En novembre 2025, Prime Intellect a publié un modèle MoE de 106 milliards de paramètres, supervisé et affiné par apprentissage par renforcement, basé sur le GLM-4.5-Air. Ce modèle a été entraîné pendant environ deux mois sur 64 nœuds avec 512 GPU NVIDIA H200 ; les poids du modèle, le cadre d'entraînement, les données, l'environnement RL et les méthodes d'évaluation ont tous été open source. L'importance ici n'est pas seulement la publication d'un nouveau modèle, mais la validation par l'entreprise d'un système de production complet à travers son projet de recherche : PRIME-RL gère l'entraînement asynchrone, les vérificateurs et l'Environments Hub fournissent des outils et un écosystème communautaire unifiés pour construire et héberger des environnements RL et des évaluations, et Prime Sandboxes isole l'exécution du code généré par les agents intelligents, tandis que la couche d'orchestration des calculs gère le cluster, le stockage et la surveillance.

En février de cette année, Prime Intellect a lancé une plateforme de formation AI complète, Prime Intellect Lab, spécialement conçue pour aider les particuliers, les ingénieurs et les entreprises d'IA à former et optimiser leurs propres modèles (en particulier les modèles agentic/intelligents), sans avoir besoin de construire des clusters GPU coûteux. Le 7 mai, Lab a terminé ses tests et a été officiellement ouvert au public.

En juin, Prime Intellect a publié la version 0.6.0 de prime-rl, déclarant avoir porté la limite d'ingénierie à des modèles MoE (mixtes experts) de l'ordre du trillion de paramètres. Prime Intellect a révélé qu'il pouvait traiter des séquences allant jusqu'à 131 000 tokens sur 28 nœuds H200 pour des tâches d'ingénierie logicielle de la série GLM-5, avec un temps d'entraînement par étape inférieur à 5 minutes.

Le facteur clé derrière cela n'est pas un algorithme spécifique, mais l'optimisation conjointe des systèmes d'entraînement et de raisonnement : le côté raisonnement utilise des calculs à faible précision FP8 ainsi que des composants tels que DeepEP et DeepGEMM pour améliorer le débit, le pré-remplissage et la séparation du décodage évitent que les longues sorties d'outils ne ralentissent la génération, et le KV Cache décharge par niveaux pour améliorer la concurrence ; le côté entraînement utilise également le FP8 à échelle de blocs et réduit les différences de routage entre l'entraînement et le raisonnement des modèles MoE grâce à Router Replay, tout en ajoutant FSDP, parallélisme d'experts et parallélisme contextuel. Ces optimisations affectent finalement l'utilisation des GPU, le temps d'entraînement et le coût pour les clients.

En juillet de cette année, prime-rl a également ajouté une couche d'algorithme unifiée, intégrant six types de méthodes d'entraînement : GRPO, MaxRL, distillation on-policy, auto-distillation, distillation SFT et ECHO, et permettant de choisir différents algorithmes pour différents environnements au cours d'un même entraînement. En d'autres termes, un même agent peut utiliser une méthode d'apprentissage pour des tâches mathématiques et une autre pour des tâches d'opération terminale, sans avoir à réécrire le formateur sous-jacent. Cela rapproche Prime Intellect d'un système d'exploitation RL évolutif, plutôt que de simplement « faire tourner des entraînements pour les clients ».

Synergie matériel et logiciel : Nvidia n'est pas qu'un investisseur

D'après la composition des investisseurs de la série A, l'engagement des géants du matériel avec Prime Intellect ne se limite pas à un niveau financier, mais s'étend à la co-construction de l'architecture matériel et logiciel.

La collaboration entre Prime Intellect et Nvidia couvre deux niveaux : matériel et logiciel. En ce qui concerne le matériel, sa charge de travail d'entraînement et de service utilise déjà les systèmes de niveau rack NVIDIA Blackwell, Blackwell Ultra et NVL72, la société affirmant que ces systèmes sont plus efficaces que les clusters Hopper précédents.

Sur le plan logiciel, NVIDIA Dynamo est utilisé pour l'orchestration de raisonnement à l'échelle mondiale, l'auto-scaling, le routage des requêtes et le déchargement du KV Cache, et est intégré avec le déploiement à grande échelle de LoRA (adaptation à faible rang, une technique de fine-tuning pour les grands modèles de langage) de Prime Intellect.

Le blog technique de Nvidia a également confirmé que Prime Intellect a déployé le cadre de raisonnement NVIDIA Dynamo dans son flux de travail de production et a participé à la conception et à l'intégration du support LoRA Adapter.

Prime Intellect a précédemment déclaré en mars de cette année qu'il allait tester des charges de travail RL dans un bac à sable autour du processeur NVIDIA Vera, et prévoit de migrer certaines de ces charges de travail vers Vera une fois qu'elle sera disponible publiquement, tout en offrant un bac à sable GPU sur le système Vera Rubin. Selon les tests internes de l'entreprise, chaque emplacement de processeur Vera peut exécuter de manière stable 176 machines virtuelles en parallèle ; dans la charge de travail RL qu'elle a définie, l'activation du multithreading a permis d'obtenir un débit environ 30 % supérieur à celui de la base de référence AMD Zen 5 sur AWS, qui n'utilise que des cœurs physiques.

Ces chiffres montrent un potentiel avantage en termes de coûts, mais ils proviennent actuellement de tests de collaboration, et l'environnement de comparaison n'est pas entièrement identique, ce qui ne peut pas être considéré comme une conclusion de performance générale indépendante. Vera Rubin et le bac à sable GPU doivent également être décrits comme « prévus pour être adoptés », et non comme étant déjà largement commercialisés.

Avec la maturation des produits, une véritable monétisation commerciale est en cours. Selon Prime Intellect, la société fintech Ramp utilise Prime Intellect Lab pour entraîner l'agent de recherche FastAsk pour Ramp Labs : Ramp a transformé son éditeur de tableurs AI, Ramp Sheets, en un environnement RL entraînable, en utilisant Qwen3.5-35B-A3B comme modèle de base pour l'entraînement par renforcement.

Les résultats publiés par Prime Intellect montrent que la précision de FastAsk est de 66,25 %, supérieure à celle de Claude Opus 4.6 qui est de 61,88 %, avec un temps moyen réduit d'environ 27 %.

Étant donné que le jeu de tests et l'évaluation sont définis par les deux parties collaboratrices, cela ne signifie pas que ce modèle 35B dépasse Opus en termes de capacités générales, mais cela prouve une proposition plus étroite et plus précieuse commercialement : les entreprises peuvent former des modèles plus petits pour devenir des experts dans des flux de travail spécifiques.

1 milliard de dollars « ARR » est-il vrai ?

Il est essentiel de clarifier que le texte original utilisé par Prime Intellect est « plus de 100 millions de dollars de revenus annuels », et non « 100 millions de dollars de revenus réalisés au cours de l'année écoulée ».

Les revenus annuels sont généralement une extrapolation du rythme des revenus d'un mois ou d'un trimestre récent sur une année ; si l'activité connaît une croissance rapide, cela peut être nettement supérieur aux revenus réels des douze derniers mois. Pour les GPU facturés à l'utilisation, ainsi que pour les activités d'entraînement et d'inférence, cet indicateur ne signifie pas que les clients ont signé des contrats annuels d'un montant équivalent, renouvelables automatiquement.

D'après les annonces de Prime Intellect et les produits payants déjà en ligne, la commercialisation de l'entreprise couvre principalement quatre types de produits : le premier est le marché de calcul, y compris les instances GPU facturées en fonction du temps d'utilisation, les clusters multi-nœuds et les clusters réservés ; le deuxième est l'entraînement hébergé en laboratoire, facturé en fonction des entrées, des sorties et des tokens d'entraînement du modèle ; le troisième est l'inférence et l'évaluation hébergée, également liées au volume d'appels de modèle ; le quatrième est les bacs à sable, facturés en fonction du CPU, de la mémoire, du disque et du temps d'exécution.

La dynamique de croissance de cette structure de revenus n'est pas difficile à comprendre. Tout d'abord, les clusters GPU sont eux-mêmes des ressources à forte valeur unitaire, consommées en continu à l'heure, ce qui permet à l'échelle des revenus de grimper plus rapidement que celle des abonnements logiciels purs. Deuxièmement, Prime Intellect étend le parcours de consommation des clients de « louer des GPU » à « construire un environnement --- exécuter des inférences --- faire des évaluations --- entraîner par renforcement --- déployer en production », permettant à un même client de générer de la consommation à plusieurs étapes. Enfin, l'entraînement par renforcement des agents nécessite un grand nombre de déploiements parallèles, de raisonnements contextuels longs et de bacs à sable isolés, ce qui consomme naturellement plus de puissance de calcul que les simples questions-réponses d'API.

Les plus de 6000 clients révélés par Prime Intellect et le cas de Ramp montrent au moins que la plateforme n'est plus seulement une démonstration de recherche. Cependant, lors de l'examen de ce chiffre de 100 millions de dollars, il est nécessaire de garder à l'esprit certaines limites. Prime Intellect est une entreprise privée qui n'a pas encore publié d'audit financier, ni les revenus mensuels ou trimestriels sur lesquels se base le calcul des revenus annuels, ni le taux de paiement des clients, ni la répartition des revenus, ni la concentration des clients. La manière dont les revenus du marché de la puissance de calcul sont reconnus, que ce soit selon les dépenses totales des clients ou les revenus nets de la plateforme, n'est pas précisée par les autorités.

De plus, le marché de calcul de Prime Intellect ne propose actuellement pas de contrat de niveau de service (SLA) formel, la raison officielle étant que l'infrastructure sous-jacente provient de plusieurs fournisseurs. Les utilisateurs ayant des exigences de stabilité élevées sont conseillés de choisir Secure Cloud ; en cas de défaillance du fournisseur, un remboursement ou un crédit sur la plateforme peut être proposé.

Plutôt qu'un simple chiffre financier, les progrès plus faciles à vérifier sont que Prime Intellect a véritablement transformé l'entraînement collaboratif distribué, qui était auparavant lâche, en une infrastructure complète « avec des modèles développés en interne, un écosystème open source, un soutien matériel de grands acteurs, et des factures réelles d'entreprises ».

Indices de cryptomonnaie effacés dans les documents

Un détail qu'il est impossible d'ignorer est qu'avec Prime Intellect entrant aujourd'hui dans le club des valorisations à 1 milliard de dollars et annonçant avec éclat un ARR de 100 millions de dollars, j'ai remarqué que des formulations dans les documents officiels, qui avaient une forte couleur Web3, telles que : « contrats déployés sur le réseau de test Base Sepolia », « migration future vers une chaîne développée en interne » et « distribution de récompenses via le contrat RewardsDistributor en fonction du temps d'activité vers le pool de puissance de calcul » ------ ont été complètement effacées.

Cette suppression au niveau documentaire avait déjà été annoncée dans un tweet publié par Prime Intellect début mars 2025.

À l'époque, Prime Intellect avait annoncé avoir levé 15 millions de dollars dans un tour de financement dirigé par le Founders Fund de la Silicon Valley, avec des investisseurs clés tels qu'Andrej Karpathy (co-fondateur d'OpenAI), Clem Delangue (PDG de Hugging Face) et Balaji Srinivasan. C'est à partir de ce moment que la logique sous-jacente du projet a été déconstruite.

Le récit initial, fortement axé sur les racines, de « distribution de cryptomonnaie, d'extraction de puissance de calcul des petits investisseurs, et d'incitations par airdrop », s'est immédiatement transformé en un terrain miné touchant les lignes rouges de la conformité des capitaux-risque traditionnels. Pour s'aligner sur le marché des capitaux traditionnels, Prime Intellect devait en surface effectuer un nettoyage complet de « Crypto-first » vers « AI-first ».

Cependant, son entraînement de modèle distribué a conservé le noyau topologique du réseau P2P, mais la décentralisation n'est plus un récit de jetons destiné à la spéculation des petits investisseurs, mais est devenue un canal invisible pour les entreprises B2B « pour gérer à faible coût la puissance de calcul mondiale inutilisée ».

Aujourd'hui, Prime Intellect ressemble davantage à une entreprise SaaS AI pure, et l'issue future est probablement une introduction en bourse ou une acquisition à forte prime par un grand acteur du matériel.