Contexte et trajectoire financière
AfterQuery, startup californienne spécialisée dans les données d’entraînement pour IA, a levé une série de financement qui porte sa valorisation à 3,2 milliards de dollars. Cette hausse représente plus d’un facteur 10 en moins de six mois, passant de 300 M$ lors de son Series A de 30 M$ annoncé en avril 2026 à la valeur actuelle. Le même communiqué indique un revenu annualisé de 100 M$, soit un taux de croissance mensuel moyen supérieur à 30 % depuis le lancement. Parmi les premiers clients figurent des acteurs majeurs comme Nvidia, Legora et le laboratoire coréen Motif Technologies, ce qui confirme une adoption précoce dans les environnements de recherche à forte intensité de calcul.
Modèle technique d’entraînement par experts
Contrairement à des plateformes qui se contentent de nettoyer ou d’étiqueter des jeux de données, AfterQuery propose d’encoder les schémas décisionnels et le raisonnement des meilleurs praticiens. Le processus repose sur des professionnels – médecins, avocats, ingénieurs – qui décrivent leurs procédures sous forme de prompts structurés. Ces instructions sont ensuite transformées en jeux de données synthétiques via des pipelines automatisés qui appliquent des techniques de few‑shot learning et de reinforcement learning from human feedback (RLHF). Le résultat est un modèle capable d’exécuter des tâches complexes en reproduisant le raisonnement humain, au lieu de simplement fournir des réponses factuelles. Cette architecture nécessite une orchestration fine entre le stockage de connaissances (bases de données relationnelles), les API de génération de texte et les boucles de rétroaction humaine, ce qui explique le besoin d’une infrastructure cloud à haute bande passante et d’un suivi continu de la qualité des données.
Analyse de la valorisation et des risques
Le partenaire de Y Combinator, Gustaf Alströmer, a qualifié cette progression de plus rapide que tout autre startup de l’accélérateur. La rapidité du passage au statut d’unicorn repose sur une combinaison de revenus récurrents élevés et d’un marché en expansion pour les données d’entraînement spécialisées. Cependant, la valorisation de 3,2 B$ reste largement supérieure au chiffre d’affaires déclaré, ce qui implique une forte dépendance aux attentes de croissance future. Les principaux risques incluent la qualité et la conformité juridique des données d’experts, la protection de la propriété intellectuelle des procédures encodées, et la capacité à maintenir un pipeline d’experts à mesure que la demande augmente. En outre, la concurrence de sociétés comme Mercor et Scale, qui adoptent des modèles similaires, pourrait exercer une pression sur les marges si les coûts d’acquisition d’experts ne sont pas maîtrisés.
