Mercor lève 750 millions de dollars lors d’un tour de financement de série D, pour une valorisation de 20 milliards de dollars, afin de développer l’entraînement de l’IA

Le 10 novembre 2026, Mercor a annoncé un tour de financement de série D de 750 millions de dollars, qui valorise l’entreprise spécialisée dans l’entraînement de l’IA à 20 milliards de dollars. Le financement comprend une offre de rachat réservée aux salariés ainsi que la participation de NVIDIA, Salesforce, Zoom et d’autres investisseurs.

Benchmark, Felicis, Fundomo, des fonds gérés par des sociétés affiliées à Apollo, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group et XTX Ventures ont également participé. Les fonds permettront d’accélérer le développement de l’infrastructure et la recherche sur l’évaluation des modèles et leur entraînement complémentaire, c’est-à-dire l’entraînement supplémentaire d’un modèle existant, tout en favorisant la création d’un plus grand nombre d’environnements où les agents pourront apprendre à exécuter des processus de travail complexes. Mercor a également ouvert des bureaux à New York et à Londres en 2026, étendant ainsi ses activités au-delà de San Francisco pour se rapprocher de ses clients entreprises et laboratoires, et recruter des employés.

Évaluation des entreprises et entraînement par des experts

Au cours des deux dernières années, Mercor a développé une infrastructure permettant d’entraîner et d’évaluer des modèles de pointe sur des tâches réelles, en s’appuyant sur l’expertise humaine. L’entreprise étend désormais ces capacités aux entreprises, avec des évaluations destinées à déterminer ce que les agents peuvent faire, combien ils coûtent et comment leurs performances peuvent être améliorées. Ses évaluations personnalisées s’appuient sur les processus de travail réels d’un employeur pour mesurer les modèles au regard des exigences de l’entreprise et repérer les domaines où un entraînement supplémentaire ou une pratique dans des environnements réalistes pourrait être utile.

Mercor indique que son réseau compte plus de cinq millions d’experts rémunérés pour entraîner des modèles d’IA de pointe et que les États-Unis comptent plus de 800 métiers distincts comportant des processus de travail pour lesquels les modèles n’ont pas encore été évalués. Son approche destinée aux entreprises consiste à partir d’un modèle ouvert performant, à élaborer des évaluations publiques et à recourir à l’entraînement complémentaire pour réduire les coûts avant d’entraîner des modèles pour ses clients.

Cette approche distingue le fait de savoir comment une tâche est généralement exécutée de celui de connaître les méthodes propres à un employeur, dans le cadre de ses systèmes, de ses politiques et de ses normes de qualité. Mercor explique que l’entraînement complémentaire nécessite une fraction des ressources requises pour entraîner des modèles de pointe. Ses activités auprès des laboratoires de pointe et des entreprises reposent sur le même réseau d’experts, les mêmes méthodes d’évaluation et la même infrastructure d’entraînement complémentaire, ce qui permet aux enseignements tirés de chaque volet d’éclairer l’autre.

Le rôle de Deeptune dans l’entraînement des agents

Plus tôt en 2026, Mercor a acquis Deeptune, une entreprise spécialisée dans les environnements d’apprentissage par renforcement. L’annonce du 9 juillet 2026 présentait l’acquisition prévue et les deux années consacrées par Deeptune à la reproduction de centaines d’applications d’entreprise, des tableurs à Salesforce, afin de créer des environnements d’entraînement pour les agents. Ces environnements permettent aux agents de s’exercer à des processus de travail professionnels.

Chaque environnement comporte trois éléments : le logiciel dans lequel le travail est effectué, les tâches qui définissent ce que l’agent doit accomplir et les vérificateurs qui déterminent s’il a réussi. Les experts de Mercor créent des tâches et des vérificateurs qui transforment le jugement humain en signaux d’apprentissage. Selon l’annonce de juillet, son système APEX mesure les performances des modèles sur des tâches à forte valeur économique dans des milliers de processus de travail réels, tandis que Deeptune fournit la couche logicielle nécessaire pour transformer cette expertise en environnements d’entraînement.

Dépenses internes consacrées à l’IA

Mercor indique consacrer trois fois plus à l’inférence — les calculs nécessaires à l’exécution des modèles — qu’aux salaires de ses employés, et que ces dépenses sont compensées par l’amélioration des performances des employés dans leur travail.

Le cofondateur et directeur général Brendan Foody a déclaré que, si ce ratio se maintient à mesure que l’IA se diffuse dans l’économie, cela laisse présager une croissance du produit intérieur brut plus proche des deux chiffres au cours des cinq prochaines années, soit près de trois fois le rythme qu’il a décrit comme habituel.

Le financement soutient une proposition unique destinée aux entreprises : créer l’environnement, fournir les experts et mesurer si un agent est prêt. Pour Mercor, le critère concret est la fiabilité des performances dans les processus de travail propres au client, où une connaissance générale des tâches ne suffit pas.