Labelbox lève plus de 100 millions de dollars lors d’un tour de série E, pour une valorisation de 1,25 milliard de dollars, afin de faire progresser l’apprentissage par renforcement et les agents IA

Le 14 octobre 2026, Labelbox a annoncé avoir levé plus de 100 millions de dollars lors d’un tour de financement de série E, pour une valorisation pré-money de 1,25 milliard de dollars. Le tour, mené par Infinitum Partners, associe des fonds propres à une ligne de crédit.

Wipro Ventures, Andreessen Horowitz (a16z), B Capital, Tau Ventures et Snowpoint Ventures ont également participé, entre autres. Le directeur général et cofondateur Manu Sharma a détaillé les modalités dans un article publié sur le blog de l’entreprise. L’entreprise a indiqué que le financement soutiendrait la poursuite de la recherche et du développement de ses deux produits phares, Horizon et Recursion Managed Agents, ainsi que l’agrandissement des équipes chargées de les proposer aux clients. Sharma a écrit que l’accès aux capacités de calcul serait essentiel pour la prochaine étape de l’entreprise, rappelant que John Yetimoglu, d’Infinitum, avait été l’un des premiers investisseurs de Groq et participait désormais au développement d’une infrastructure de calcul à grande échelle chez GroqCloud.

Positionnement et historique de l’entreprise

Labelbox a déclaré avoir atteint la rentabilité en 2026, tout en enregistrant une croissance annuelle supérieure à cinq fois. L’entreprise compte, selon ses déclarations, plus de 400 clients, dont plus de 90 % des principaux laboratoires d’IA américains. Sa clientèle comprend des laboratoires d’IA de pointe, des hyperscalers, des start-up et des entreprises du Fortune 500.

Sharma, Brian et Dan ont fondé Labelbox en 2018. Dans une note destinée aux fondateurs, Sharma a écrit qu’il était venu aux États-Unis pour apprendre à concevoir et à construire des avions et des fusées, en travaillant sur la mécanique des fluides numérique et les réseaux neuronaux, et que ses fonctions ultérieures chez DroneDeploy et Planet Labs lui avaient montré à quel point les données représentaient une part importante des possibilités offertes par l’apprentissage automatique.

L’article décrit l’histoire de l’entreprise en trois étapes : des logiciels de données d’entraînement destinés aux personnes qui développent l’IA ; des environnements d’apprentissage par renforcement, créés après ce que Sharma appelle le moment ChatGPT, lorsque les modèles les plus performants ont commencé à progresser en s’exerçant à des tâches réelles ; et des agents, que l’entreprise a d’abord développés pour son propre usage avant d’en ouvrir le système aux clients.

Sharma a également écrit que Labelbox développe elle-même chaque couche de sa plateforme : un environnement d’exécution pour agents conçu pour les agents à très long horizon, une infrastructure de bac à sable capable d’exécuter des millions de machines virtuelles, sa propre infrastructure de post-entraînement par apprentissage par renforcement et un réseau de plus de 4 millions d’experts.

Environnements d’apprentissage par renforcement d’Horizon

Selon l’entreprise, le système WorldSim d’Horizon construit des entreprises simulées, comprenant du code, des tableaux de bord, des feuilles de calcul, des présentations et des documents remplis de données commerciales réalistes. Un modèle y tente d’accomplir de bout en bout une tâche complexe en plusieurs étapes, tandis que chaque étape est enregistrée sous forme de trajectoire. Des vérificateurs déterministes évaluent chaque trajectoire de la même manière à chaque exécution. Lorsque deux trajectoires sont toutes deux correctes, la préférence d’un expert apprend au modèle ce que Sharma appelle le goût. L’entreprise indique fonctionner à l’échelle de milliers de mondes et de millions de trajectoires évaluées, en ajustant les environnements aux objectifs pass@k d’un laboratoire dans les domaines du codage, de l’utilisation d’un ordinateur, de la recherche, des tâches multimodales et des tâches vocales.

La page du produit Horizon présente notamment les domaines suivants : recherche autonome en IA, programmation par agents et génie logiciel, travail intellectuel multimodal, voix avec utilisation d’outils par des agents, utilisation d’un ordinateur et cybersécurité. Sharma a écrit que Labelbox travaille désormais avec 90 % des principaux laboratoires d’IA de pointe et des hyperscalers.

Recursion Managed Agents

L’annonce du financement indique que Labelbox a ouvert Recursion Managed Agents aux entreprises plus tôt en octobre 2026. Selon la conception du produit, un agent géré reçoit un objectif, un déclencheur — par exemple une programmation, une alerte, un message Slack, un webhook ou un appel API — et une grille d’évaluation qui définit les critères d’un travail de qualité. Un agent évaluateur distinct note chaque exécution en examinant la grille critère par critère et en indiquant les éléments qui justifient chaque évaluation ; si le travail ne répond pas aux critères, l’agent le révise.

Les agents peuvent fonctionner selon trois modes : multiagent, où un coordinateur enchaîne des spécialistes ayant chacun leur propre modèle, leurs instructions, leurs outils et leurs autorisations ; équipe, où plusieurs instances d’un agent se répartissent le travail sur un tableau partagé et vérifient mutuellement leurs résultats ; et automatique, le mode par défaut, où l’agent décide lui-même si une tâche nécessite des spécialistes ou une équipe.

Selon l’entreprise, les agents fonctionnent avec plus de 100 applications métier et tout serveur MCP. Chaque outil est configuré en mode lecture seule, modification des données ou destructif, et les identifiants sont conservés dans un coffre-fort afin que le modèle ne puisse jamais les voir. Les sessions s’exécutent dans des environnements de bac à sable isolés, et Labelbox affirme que la plateforme n’effectue aucune conservation des données chez aucun fournisseur de LLM. Son programme de conformité couvre les normes SOC 2 Type II, GDPR, CCPA, NIST 800-171 et PCI DSS. Le tarif est calculé par heure de session d’agent, les coûts de calcul et d’utilisation des modèles étant regroupés dans une seule estimation. Les clients professionnels existants de Labelbox reçoivent un crédit unique de 100 dollars.

Dans un article annonçant le lancement du produit, publié le 8 octobre 2026 et décrivant le déploiement interne de l’entreprise, Labelbox a écrit : « La surprise n’était pas que les agents puissent faire le travail. C’était la rapidité avec laquelle ils s’amélioraient. » L’entreprise indique faire fonctionner 51 agents au sein de 11 équipes, dans les domaines du génie logiciel, de la fiabilité, de la sécurité, de la recherche en apprentissage automatique, des évaluations, du produit, des finances, des ventes, de la stratégie et des achats.

Dans un exemple interne, Labelbox indique que son agent de revue des demandes de fusion a effectué 39 évaluations notées avec une seule version de l’agent et un seul modèle. Parmi les 33 revues validées par l’évaluateur, le coût médian est passé de 13,15 $ pour les 11 premières à 8,90 $ pour les 11 dernières, soit une baisse de 32 % par revue. La mémoire de l’agent a été mise à jour 15 fois, tandis que la durée de chaque revue est restée d’environ 27 minutes. Selon le fonctionnement de la mémoire du produit, dès que cinq nouveaux rapports de session sont disponibles, et au maximum une fois par heure, un agent chargé de la curation les lit et met à jour la mémoire de l’agent. Les clients peuvent consulter ce que l’agent a appris et supprimer toute leçon qui n’est plus valable.