- ▸ Mirendil verrouille sa capacité de calcul chez Google Cloud
- ▸ Un contrat qui pèse la moitié d'une levée à 1 milliard
- ▸ TPU, GPU et clusters gérés pour une IA qui se corrige seule
- ▸ Neyshabur vise le travail d'un laboratoire de pointe
La startup accède aux TPU de Google et aux GPU Nvidia pour entraîner une IA capable d’améliorer ses propres résultats. Le contrat pluriannuel équivaut à la moitié de sa levée d’amorçage de juin. Objectif affiché : automatiser une partie de la recherche scientifique.
L’essentiel – Mirendil conclut un partenariat pluriannuel de plus de 100 M$ avec Google Cloud pour alimenter sa recherche en IA auto-améliorante. – Le montant représente environ la moitié de la levée d’amorçage bouclée fin juin 2026, sur une valorisation de 1 Md$. – Le laboratoire vise à faire tourner l’IA comme un chercheur autonome en médecine, biologie et science des matériaux.
Mirendil verrouille sa capacité de calcul chez Google Cloud
Mirendil a signé un partenariat pluriannuel avec Google Cloud pour sécuriser sa puissance de calcul. Le contrat dépasse 100 millions de dollars, a déclaré le cofondateur et directeur général Behnam Neyshabur à TechCrunch ce 6 août 2026.
L’accord couvre l’accès aux TPU maison de Google, les puces d’accélération dédiées à l’entraînement des modèles, et aux GPU Nvidia. Mirendil obtient aussi des clusters d’entraînement gérés, c’est-à-dire des grappes de serveurs administrées par le fournisseur.
Le laboratoire consacre cette infrastructure à un seul objectif : entraîner une IA dite auto-améliorante, un système censé progresser sur un problème donné sans réécriture manuelle du code.
Un contrat qui pèse la moitié d’une levée à 1 milliard
Le montant éclaire la trajectoire financière de Mirendil. Il représente environ la moitié de la somme levée en amorçage fin juin, une opération bouclée sur une valorisation de 1 milliard de dollars.
La jeune société réinjecte donc l’équivalent de la moitié de son tour de table directement dans le calcul. Ce ratio mesure le poids de l’infrastructure dans les coûts d’un laboratoire d’IA générative.
L’accord suit deux mouvements de fond du secteur. Les géants du cloud courtisent les startups avec des engagements d’infrastructure massifs. En parallèle, les entreprises d’IA multiplient les contrats de calcul pour sécuriser leur accès à mesure qu’elles montent en charge.
Neyshabur met en avant la variété du parc matériel de Google. « [Google] fournit plusieurs types de puces… Cette flexibilité nous permet au bout du compte de combiner les charges de travail avec les bons accélérateurs, et de réduire le coût, pas seulement pour nous, mais aussi pour nos clients qui utilisent nos systèmes », déclare-t-il.
TPU, GPU et clusters gérés pour une IA qui se corrige seule
Neyshabur compare le fonctionnement visé au travail d’un chercheur humain. L’IA explorerait un nouveau domaine, accumulerait connaissances et expertise, puis améliorerait graduellement ses performances.
« Vous pouvez avoir une IA auto-améliorante à laquelle vous soumettez un problème, et qui continue de s’améliorer avec le temps », résume le dirigeant.
Mirendil parie que ce mécanisme automatisera une partie de la recherche scientifique et de la recherche en IA. Le laboratoire cible trois terrains : la médecine, la biologie et la science des matériaux.
Un scientifique fixerait un objectif, puis laisserait le système progresser en continu. « Cette technologie nous permet de fixer à l’IA des objectifs ambitieux, et l’IA continuerait de progresser », affirme Neyshabur.
Neyshabur vise le travail d’un laboratoire de pointe
Le dirigeant illustre sa vision par un cas médical. « Comment obtenir un système d’IA qui continue de mener des recherches, d’améliorer ses propres connaissances et performances sur la maladie d’Alzheimer ? », interroge-t-il.
Sa lecture de la compétition dépasse la puissance brute. L’enjeu tient, selon lui, à « la manière dont nous orchestrons des systèmes entiers d’intelligence et dont nous franchissons les contraintes physiques du passage à l’échelle ».
Les modèles de Mirendil serviraient aussi à répartir les tâches de calcul. « Ces modèles sont très bons pour travailler avec différentes charges et puces, et pour attribuer les bonnes charges aux bonnes puces », précise-t-il. Ni le calendrier de mise en production ni les premiers clients n’ont été communiqués à ce jour.
FAQ
Pourquoi Mirendil a-t-elle besoin de TPU et de GPU en même temps ?
Selon Neyshabur, Google fournit plusieurs familles de puces. Le laboratoire attribue chaque charge de travail à l’accélérateur le plus adapté. Cette combinaison vise à abaisser le coût d’entraînement, pour Mirendil comme pour ses futurs clients.
Que recouvre l’expression « IA auto-améliorante » ?
Il s’agit d’un système censé progresser en boucle sur un problème donné, sans intervention manuelle à chaque étape. Le modèle accumule des connaissances sur un domaine et affine ses résultats dans le temps, à la manière d’un chercheur humain, selon la description du CEO à TechCrunch.
