Mirendil a signé un partenariat pluriannuel avec Google Cloud d’une valeur de plus de 100 millions de dollars, selon le cofondateur et PDG Behnam Neyshabur, offrant au jeune laboratoire d’IA un accès aux TPUs de Google, aux GPU Nvidia et à des clusters d’entraînement gérés pour ses recherches sur l’IA auto-améliorante.

L’accord est important car il convertit une grande partie du capital récemment levé par Mirendil en puissance de calcul à un moment où les entreprises d’IA de pointe se disputent des accélérateurs rares. L’entreprise affirme que son objectif à long terme est de construire des systèmes capables d’améliorer à plusieurs reprises leurs connaissances et leurs performances tout en menant des recherches, automatisant potentiellement certaines parties de la découverte scientifique et du développement de l’IA.

Un engagement d’infrastructure majeur pour un jeune laboratoire

Neyshabur a déclaré à TechCrunch que l’accord avec Google Cloud dépassait 100 millions de dollars. Cela représenterait environ la moitié du financement d’amorçage levé par Mirendil fin juin à une valorisation de 1 milliard de dollars, selon le même rapport.

L’accord donne à Mirendil accès à plus d’un type d’accélérateur au lieu d’associer ses charges de travail à une seule plateforme de puces. Les TPUs de Google et les GPU Nvidia seront associés à des clusters d’entraînement gérés, permettant à la startup d’exécuter différentes étapes de son travail sur du matériel adapté à chaque charge de travail.

Cet accord reflète un changement plus large dans l’économie de l’IA de pointe. Pour les entreprises qui développent de grands modèles ou des systèmes agentiques complexes, l’accès au calcul peut être aussi stratégique que l’accès aux talents ou au capital-risque. De leur côté, les fournisseurs de cloud utilisent des engagements d’infrastructure pour attirer des startups dont les futurs systèmes pourraient devenir d’importantes sources de demande des entreprises.

Les informations disponibles n’indiquent pas que Mirendil ait lancé un produit commercial ou divulgué des clients liés à cet accord. Le but immédiat semble être la recherche et le développement de systèmes plutôt qu’un déploiement logiciel à court terme.

Ce que Mirendil entend par auto-amélioration

Mirendil travaille sur ce que l’industrie appelle généralement l’auto-amélioration récursive : des systèmes d’IA qui améliorent de façon itérative leurs propres capacités, connaissances ou méthodes. Le concept a attiré l’attention de laboratoires établis et de startups plus récentes, mais il reste un objectif de recherche plutôt qu’une catégorie de produit démontrée avec des normes de performance convenues.

Neyshabur a décrit un système capable de recevoir un problème difficile et de continuer à s’améliorer en étudiant le sujet. Il a donné la maladie d’Alzheimer comme exemple, suggérant qu’un tel système pourrait accumuler des connaissances, apprendre un domaine et progresser vers un objectif de recherche défini au fil du temps.

Les objectifs affichés par Mirendil vont au-delà de la médecine. L’entreprise estime que son approche pourrait soutenir des travaux en biologie, en science des matériaux et en recherche sur l’IA. Ces ambitions exigeraient davantage qu’un modèle performant : elles nécessiteraient une évaluation fiable, une gestion des tâches sur le long terme, des outils de collecte et de test des preuves, ainsi que des mécanismes empêchant une boucle de recherche automatisée de renforcer ses propres erreurs.

L’accord avec Google Cloud compte donc non seulement pour sa valeur financière. Il donne à Mirendil la capacité d’expérimenter la couche d’orchestration autour de l’IA auto-améliorante, notamment la manière dont les modèles, les outils, les évaluateurs et les ressources de calcul interagissent au cours de longues séries de recherche.

Les preuves et les affirmations restent limitées

Les faits centraux de ce reportage proviennent de l’entretien de TechCrunch avec le PDG de Mirendil ainsi que de propos attribués à Google et au cofondateur de Mirendil Harsh Mehta. Les deux autres éléments du groupe de sources fournissent des titres ou des résumés, mais pas de texte d’article exploitable indépendamment, et n’apportent donc ni confirmation supplémentaire ni détail technique.

La valeur de l’accord rapportée, l’accès au matériel et l’orientation de recherche prévue doivent donc être compris comme des faits divulgués par l’entreprise ou rapportés par les médias, et non comme des chiffres vérifiés de manière indépendante. Les éléments disponibles ne précisent pas combien de calcul Mirendil recevra, selon quel calendrier exact, ni si l’engagement représente une capacité réservée, des dépenses cloud, des crédits ou une combinaison de ces arrangements.

Amin Vahdat, vice-président senior et directeur de la technologie IA et infrastructure chez Google, a déclaré que les progrès de l’IA dépendent de plus en plus de l’orchestration de systèmes complets plutôt que de l’amélioration des performances au niveau des puces uniquement. Cette déclaration est la caractérisation par Google de sa stratégie d’infrastructure, et non une preuve que la recherche de Mirendil a atteint une capacité particulière.

De même, l’affirmation de Mirendil selon laquelle son logiciel peut aider les clients à tirer davantage de valeur du matériel Google est une position de l’entreprise. Aucun benchmark, aucune évaluation de modèle, aucune charge de travail de production ni aucun déploiement client n’ont été fournis dans les éléments de reportage remis afin de vérifier cette affirmation. La même prudence s’applique à l’ambition de l’entreprise d’effectuer un travail comparable à celui d’un laboratoire d’IA de pointe entier.

Implications pour les constructeurs et les acheteurs d’entreprise

Pour les développeurs d’IA, l’accord souligne l’importance de la flexibilité des charges de travail. L’entraînement, l’inférence, la génération de données synthétiques, l’évaluation et les expériences d’utilisation d’outils peuvent ne pas avoir les mêmes besoins matériels. Une plateforme capable de déplacer les charges de travail entre les TPUs de Google et les GPU Nvidia pourrait réduire la dépendance à une seule famille d’accélérateurs, mais elle introduit aussi une complexité d’ingénierie en matière de compatibilité logicielle, de planification, d’observabilité et de maîtrise des coûts.

L’accord peut aussi offrir un signal utile sur la manière dont les entreprises d’IA en phase initiale financent leur infrastructure. Un important engagement cloud peut fournir de la capacité et un soutien technique, mais il peut consommer du capital avant qu’un produit n’ait établi des revenus. Les fondateurs qui envisagent des accords similaires devront peser l’accès garanti face au verrouillage contractuel, au risque d’utilisation et à la possibilité que les gains d’efficacité matérielle modifient l’économie au cours d’un terme pluriannuel.

Pour les entreprises, la question la plus importante est de savoir si l’IA auto-améliorante peut être rendue gouvernable dans des workflows réels. Un système qui continue de modifier ses stratégies tout en poursuivant un objectif de recherche aurait besoin de pistes d’audit solides, d’autorisations limitées, de résultats reproductibles, d’une revue humaine et de garde-fous contre des résultats fabriqués ou faiblement étayés. Une plus grande disponibilité de calcul ne résout pas ces problèmes de fiabilité et de sécurité.

L’accord donne aussi à Google une relation stratégique potentielle avec un laboratoire centré sur une direction de recherche à fort impact. Si les systèmes de Mirendil arrivent à maturité, Google pourrait obtenir un partenaire dont le logiciel est conçu autour de son infrastructure, tout en aidant à démontrer comment les plateformes cloud soutiennent la recherche d’IA de longue durée. C’est une possibilité, pas un résultat commercial divulgué.

Ce qu’il faut surveiller ensuite

Le premier signal sera de savoir si Mirendil publie des détails techniques sur l’architecture de son système, ses méthodes d’entraînement, son cadre d’évaluation ou son usage du calcul. De telles révélations aideraient à distinguer une vision de recherche générale d’une approche reproductible de l’auto-amélioration récursive.

Les développeurs devraient également surveiller des preuves indiquant que la startup utilise à la fois les TPUs de Google et les GPU Nvidia dans des expériences à l’échelle de la production, plutôt que de simplement conserver un accès théorique aux deux. Des indicateurs utiles seraient des comparaisons de coûts au niveau des charges de travail, des données de débit et des résultats d’évaluations indépendantes.

Un financement supplémentaire, des clients d’entreprise nommés, des publications de recherche ou une démonstration publique d’un système qui s’améliore au fil de tâches prolongées clarifieraient la trajectoire commerciale et technique de Mirendil. À l’inverse, l’absence de progrès mesurables renforcerait l’idée que l’accord est principalement un pari sur un programme de recherche exigeant.

Perspective Creati.ai

L’engagement de Mirendil envers Google Cloud montre comment la prochaine génération de laboratoires d’IA pourrait être en concurrence : non seulement en entraînant des modèles plus grands, mais aussi en sécurisant l’infrastructure nécessaire pour faire tourner des boucles de recherche persistantes. La taille de l’accord est remarquable, mais le test plus difficile sera de savoir si le calcul supplémentaire produit des améliorations fiables plutôt que de simples expériences plus longues.

Pour le marché, l’histoire se lit avant tout comme un pari sur l’infrastructure et l’exécution. Mirendil a sécurisé l’accès à du matériel important et à des systèmes cloud ; en revanche, les éléments disponibles n’ont pas encore démontré que l’IA auto-améliorante peut offrir les résultats scientifiques ou commerciaux qu’elle envisage.