TypeSafe AI lève $870M en série A avec une valorisation de $7.5B pour déployer davantage de modèles d’IA

TypeSafe AI a annoncé le 9 octobre 2026 qu’elle a levé une série A de $870 million avec une valorisation de $7.5 billion, menée par Andreessen Horowitz avec la participation de Sequoia Capital, de l’investisseur existant DCVC et d’investisseurs providentiels. Le partenaire général d’Andreessen Horowitz, Martin Casado, rejoint le conseil d’administration de l’entreprise.

Termes du tour et investisseurs

Andreessen Horowitz a confirmé qu’elle dirige l’investissement dans un article daté du 9 octobre 2026 et signé par Jennifer Li, Sarah Wang, Martin Casado, Marc Andreessen et Ben Horowitz. Li et Casado sont des partenaires généraux spécialisés dans les investissements d’infrastructure de la société, Wang est partenaire général de son équipe de croissance, et Andreessen et Horowitz sont les cofondateurs et partenaires généraux de l’entreprise.

L’annonce de TypeSafe elle‑même est un court article destiné aux développeurs, aux entreprises et aux recrues potentielles ; la société a divulgué le montant en dollars, la valorisation et le siège au conseil de Casado dans une note de bas de page de cet article.

Le modèle System One derrière la levée

TypeSafe a lancé Jev en accès anticipé le 15 septembre 2026, après deux ans en mode furtif, et a indiqué qu’elle faisait sortir les développeurs de sa liste d’attente. Dans le post de lancement, le fondateur Diogo Almeida a décrit Jev comme la première entrée d’une nouvelle classe de modèles que la société appelle System One, conçue pour une prise de décision rapide et structurée au sein des logiciels.

Selon la documentation de TypeSafe, Jev prend des questions typées et les évalue par rapport à un état fourni, renvoyant des résultats structurés sans générer ni analyser de texte. Les résultats arrivent sous forme de valeurs typées avec des distributions de probabilité, de sorte que le code peut bifurquer, trier et acheminer directement sur celles‑ci. La société expose trois primitives : Choice sélectionne une option parmi une liste fournie ; Score note l’état selon une grille d’évaluation ; et Noul renvoie une réponse 0‑1 indiquant si une affirmation donnée est vraie. Choice et Score renvoient également des valeurs de confiance, et les trois types de questions peuvent être combinés dans un seul appel d’API, chaque type étant évalué indépendamment et simultanément par rapport au même état.

Almeida a écrit que TypeSafe a construit une nouvelle pile entièrement axée sur l’automatisation : une nouvelle architecture de modèle, un échantillonneur parallèle et une méthode d’entraînement que la société appelle Reinforcement Learning for Calibrated Decisions (RLCD). Il a indiqué que Jev atteint une intelligence comparable à celle des grands modèles de langage existants sur les tâches System One tout en étant deux ordres de grandeur plus rapide, avec des temps de réponse de bout en bout de 70 à 500 millisecondes, une fourchette que l’article indique pouvoir être de 40 à 200 fois plus rapide que les modèles de pointe à intelligence comparable pour les requêtes de type System One. Parce que les sorties sont des valeurs structurées typées définies à l’avance, Almeida a souligné que le modèle ne commet jamais d’erreurs de type et ne peut pas halluciner.

Le tarif publié est de $0.042 par million de jetons d’entrée, les jetons de sortie étant gratuits. La société indique que les chiffres de 193,6 fois plus rapide et 444,6 fois moins cher présentés sur sa page d’accueil proviennent de ses évaluations de flux de travail, et elle avertit que ces valeurs se situent dans la partie supérieure des gains observés en conditions réelles. Elle note également que les flux de travail d’évaluation ont été construits par des membres de son équipe de capacités de modèles et que certains biais pourraient exister.

Almeida a écrit qu’au sein d’OpenAI il a contribué au développement de méthodes d’exécution d’instructions pour les modèles de langage, travail qu’il a déclaré être à l’origine de la recherche derrière ChatGPT. Le nom System One fait référence au livre de Daniel Kahneman, Thinking, Fast and Slow, et à son contraste entre la pensée rapide et intuitive du System 1 et le raisonnement plus lent et délibéré du System 2. Jev porte le nom de William Stanley Jevons ; la société a indiqué qu’elle s’attend à ce que l’intelligence artificielle suive le même chemin que le charbon, dont les gains d’efficacité des machines à vapeur ont entraîné une hausse de la demande.

Adoption signalée et déploiement précoce

TypeSafe a indiqué dans son annonce qu’un tiers des entreprises du Fortune 500 utilisent Jev et que cela a déjà permis d’économiser des millions de dollars aux clients en production. Le post d’Andreessen Horowitz indique un chiffre différent, affirmant que 25 % des entreprises du Fortune 500 ont intégré Jev. L’entreprise a décrit Jev comme le modèle à la croissance la plus rapide qu’elle ait jamais observée, précisant qu’il a généré 1 trillion de jetons en trois jours après son lancement et que des milliers de cas d’usage sont apparus au cours de la première semaine, parmi lesquels des interfaces utilisateur génératives, des jeux interactifs et l’analyse de données. Elle a caractérisé Jev comme coûtant approximativement entre 1/100 et 1/500 du prix des modèles de pointe tout en étant 100 fois plus rapide pour les tâches de classification à précision comparable, transmettant les décisions du modèle directement dans le code sous forme de valeurs typées plutôt que sous forme de texte que le logiciel doit ensuite analyser.

Dans une étude de cas du 7 octobre 2026, TypeSafe a indiqué que Jack & Jill, une place de marché de talents où des agents IA associent les candidats aux équipes de recrutement, a remplacé Gemini 3.1 Flash Lite pour 100 % des appels à une étape clé de son pipeline d’appariement de candidats, dans les 10 jours suivant son premier test. Selon l’étude de cas, ce changement a réduit les coûts de présélection de 88 %, passant de 0,755 $ à 0,092 $ par 1 000 candidats, et a divisé par deux le temps médian de présélection, passant de 20,3 secondes à 10,3 secondes, tout en conservant 94,6 % des candidats que les responsables du recrutement ont ensuite demandé à rencontrer, contre une base de 93,9 %; l’étude précise que cette différence de qualité n’était pas statistiquement significative. La qualité de classement a été mesurée à 0,933 pour Jev contre 0,924 pour Gemini sur l’AUC. TypeSafe a déclaré des économies annuelles de 265 000 $ pour Jack & Jill au volume actuel, avec une projection de 500 000 $ sur les douze prochains mois compte tenu de la croissance attendue, et a indiqué que l’utilisation de Jev s’est étendue à plus de 15 flux de travail, dont des rôles correspondants affichés aux candidats lors de l’inscription et une vérification de profil passée de environ 3,6 secondes à environ 0,2 seconde.

Plans annoncés

TypeSafe a déclaré qu’elle prévoit d’étendre davantage les capacités de Jev, de déployer des modèles supplémentaires natifs de machine, de fournir une infrastructure pour créer des logiciels intelligents et d’ajouter les fonctionnalités d’entreprise demandées par les clients. L’annonce encourage également les candidats potentiels à rejoindre l’entreprise, en renvoyant vers la page carrières de la société.