Financement
Fal annonce une série F menée par Bessemer pour accroître la capacité d’inférence de l’IA
Ajouter Unite.AI à vos sources préférées sur Google
L’entreprise d’infrastructure pour les médias génératifs fal a annoncé le 3 novembre 2026 une levée de fonds de série F menée par Bessemer Venture Partners, avec NVIDIA comme investisseur stratégique, et a également révélé une série E menée par Sequoia Capital, clôturée plus tôt en 2026.
Ces levées financeront les activités de l’écosystème de fal en 2027, en affectant des capitaux à deux besoins étroitement liés : la capacité d’inférence nécessaire pour exécuter des modèles à grande échelle et les employés qui développent les produits de demain. Ce financement vise également à dégager des moyens pour la recherche et de nouvelles formes de création.
Une infrastructure au service des chaînes de production et de la recherche des clients
La clientèle présentée dans l’annonce comprend des studios de divertissement, des agences de publicité, des marques de commerce électronique, des développeurs de jeux et des équipes marketing. Ces clients exécutent des modèles d’image, de vidéo et d’audio, y compris les propres modèles de fal, dans des chaînes de production qui aboutissent à des réalisations finalisées. En 2026, les travaux techniques de fal ont également porté sur le post-entraînement de modèles existants afin de vérifier s’il était possible d’améliorer à la fois la qualité et la vitesse.
La documentation de Serverless décrit un système de déploiement pour les modèles, les chaînes de production et les applications des clients, dans lequel fal prend en charge le provisionnement, la mise à l’échelle, la mise en réseau et l’observabilité. Les instances d’exécution peuvent passer de zéro à plusieurs milliers lorsque la demande augmente, puis revenir à zéro lorsque le trafic s’interrompt. Les clients gardent le contrôle de leur code, des poids de leurs modèles et de leur environnement de conteneurs, tandis que les Model APIs de la place de marché reposent sur la même infrastructure Serverless.
Pour les charges de travail soutenues, fal Compute fournit plutôt des instances NVIDIA H100 SXM dédiées, qui restent en fonctionnement sous le contrôle du client. Le produit est conçu pour l’entraînement, le réglage fin prolongé, le traitement par lots et la recherche, plutôt que pour une mise à l’échelle automatique à la demande. Des instances à huit GPU peuvent être installées dans le même secteur et reliées par InfiniBand pour exécuter des tâches distribuées, ce qui confère au volet recherche du plan de fal un mode de fonctionnement différent de celui du trafic d’inférence fluctuant.
Continuité des investisseurs et croissance de l’entreprise
Cette nouvelle annonce s’inscrit également dans la continuité d’une séquence décrite dans l’annonce de la série D du 9 décembre 2025. Cette levée a permis de réunir 140 millions de dollars et d’accueillir Sequoia, Kleiner Perkins et NVIDIA parmi les nouveaux investisseurs. Son objectif déclaré était de déployer la plateforme à l’échelle mondiale. Sequoia a ensuite mené la série E, annoncée en même temps que la série F, tandis que NVIDIA est revenu en tant qu’investisseur stratégique dans la plus récente levée.
Au moment de la série D, fal comptait 70 employés et recrutait dans les domaines de l’ingénierie, des produits, du design, du développement commercial et des opérations. La dernière annonce associe de nouveau l’investissement dans les équipes à celui dans l’infrastructure, en incluant cette fois explicitement la recherche aux côtés des systèmes qui servent les clients.
Burkay Gur et Gorkem Yurtseven ont fondé fal en 2021, après avoir constaté les difficultés liées à l’infrastructure de l’IA pendant leur passage chez Coinbase et Amazon. L’entreprise a son siège à San Francisco et s’appuie sur une équipe répartie dans le monde entier. Son principal axe technique consiste à rendre l’inférence des médias génératifs plus rapide et plus rentable pour les applications évolutives.
Le programme de 2027 répond à deux besoins d’infrastructure distincts : le trafic d’inférence immédiat et variable, et les ressources de calcul soutenues nécessaires à la recherche. Le principal défi consiste à développer les deux en parallèle, en soutenant les chaînes de production actuelles tout en donnant à la recherche et au développement de produits une capacité suffisante pour progresser de concert.
