Valorisation de Mercor à 20 Md$ : le véritable actif pourrait être le vérificateur, et non les données.
Mercor a levé 750 M$ pour une valorisation de 20 Md$. Son fondateur affirme que son chiffre d’affaires annualisé a atteint 3 Md$ en 27 mois.
Impressionnant. Mais deux distinctions sont importantes.
Premièrement, le chiffre d’affaires brut n’est pas le chiffre d’affaires d’un éditeur de logiciels. Selon des informations publiées par le passé, 60 à 70 % du chiffre d’affaires de Mercor aurait été reversé à des experts sous contrat. Son modèle économique est donc très différent de celui d’une entreprise SaaS à forte marge.
Deuxièmement, l’acquisition de Deeptune par Mercor laisse entrevoir une activité plus intéressante que l’annotation de données.
Un agent d’IA a besoin d’un environnement réaliste, d’une tâche à accomplir et d’un vérificateur capable de déterminer s’il a effectivement réussi.
Un même environnement peut potentiellement générer des retours d’entraînement sur des milliers de tentatives. C’est un modèle économique différent de la rémunération d’un expert pour chaque annotation individuelle.
Mais cela soulève une nouvelle question concurrentielle : à qui appartient le vérificateur ?
Si les entreprises peuvent créer en interne des environnements de tâches et des systèmes d’évaluation fiables, les marges des prestataires tiers pourraient se réduire. Si leur maintenance exige une expertise rare et des processus constamment mis à jour, des fournisseurs comme Mercor pourraient acquérir un avantage durable.
À mon avis, le prochain avantage concurrentiel décisif dans l’entraînement de l’IA ne reposera pas sur le plus grand réseau de prestataires. Il viendra du système le plus difficile à reproduire pour mesurer la capacité des agents à accomplir des tâches économiquement utiles.
Surveillez la part du chiffre d’affaires provenant des entreprises, les marges ajustées en fonction des coûts des prestataires et les dépenses récurrentes consacrées aux environnements d’évaluation.
#stocks
Mercor a levé 750 M$ pour une valorisation de 20 Md$. Son fondateur affirme que son chiffre d’affaires annualisé a atteint 3 Md$ en 27 mois.
Impressionnant. Mais deux distinctions sont importantes.
Premièrement, le chiffre d’affaires brut n’est pas le chiffre d’affaires d’un éditeur de logiciels. Selon des informations publiées par le passé, 60 à 70 % du chiffre d’affaires de Mercor aurait été reversé à des experts sous contrat. Son modèle économique est donc très différent de celui d’une entreprise SaaS à forte marge.
Deuxièmement, l’acquisition de Deeptune par Mercor laisse entrevoir une activité plus intéressante que l’annotation de données.
Un agent d’IA a besoin d’un environnement réaliste, d’une tâche à accomplir et d’un vérificateur capable de déterminer s’il a effectivement réussi.
Un même environnement peut potentiellement générer des retours d’entraînement sur des milliers de tentatives. C’est un modèle économique différent de la rémunération d’un expert pour chaque annotation individuelle.
Mais cela soulève une nouvelle question concurrentielle : à qui appartient le vérificateur ?
Si les entreprises peuvent créer en interne des environnements de tâches et des systèmes d’évaluation fiables, les marges des prestataires tiers pourraient se réduire. Si leur maintenance exige une expertise rare et des processus constamment mis à jour, des fournisseurs comme Mercor pourraient acquérir un avantage durable.
À mon avis, le prochain avantage concurrentiel décisif dans l’entraînement de l’IA ne reposera pas sur le plus grand réseau de prestataires. Il viendra du système le plus difficile à reproduire pour mesurer la capacité des agents à accomplir des tâches économiquement utiles.
Surveillez la part du chiffre d’affaires provenant des entreprises, les marges ajustées en fonction des coûts des prestataires et les dépenses récurrentes consacrées aux environnements d’évaluation.
#stocks