47 licornes en phase précoce au T1 : pourquoi les modèles de fondation réécrivent le manuel du capital-risque

Un trimestre qui a fait tomber tous les records de jeunes licornes

Selon Crunchbase, 47 entreprises en phase de seed et phase précoce ont atteint le statut de licorne au premier trimestre 2026. C’est la plus grande cohorte de ce genre jamais enregistrée sur un seul trimestre, et elle est concentrée à un stade de la pile de financement — du seed à la Série B — qui n’a historiquement produit qu’une poignée de valorisations à un milliard de dollars par an.

Le contexte plus large du marché du capital-risque est encore plus extrême. Le financement mondial du capital-risque au T1 2026 a atteint environ 300 milliards de dollars, avec les startups nord-américaines captant 250 milliards de dollars (environ 83 % du total mondial). Le Crunchbase Unicorn Board a ajouté 900 milliards de dollars de valeur agrégée sur le trimestre, le plus grand bond de trois mois jamais enregistré. Quatre méga-opérations — OpenAI à 122 Md$, Anthropic à 30 Md$, xAI à 20 Md$ et Waymo à 16 Md$ — ont représenté 64 % de tous les dollars de capital-risque mondial. Une analyse a estimé la part de l’IA dans le financement total en capital-risque à 81 % pour le trimestre.

Ces quatre opérations à elles seules sont plus importantes que le marché annuel total du capital-risque de tout pays en dehors des États-Unis. C’est le fait macro qui façonne le reste de cette histoire.

À quoi ressemblent réellement les 47

« Pratiquement toutes » les licornes en phase précoce du T1 2026 sont axées sur l’IA, selon Crunchbase, le reste étant regroupé dans les technologies de défense, la robotique et les semi-conducteurs. Sur les 47 entreprises, 12 ont été strictement classées dans le « secteur IA » — environ 25,5 % — mais le chiffre est bien plus élevé une fois que l’on inclut la robotique native IA, l’infrastructure IA, la biotechnologie activée par l’IA et les startups de puces IA qui ont été étiquetées sous leur verticale plutôt que sous « IA ».

Quelques noms représentatifs donnent la forme de la cohorte :

• Thinking Machines Lab — la société d’IA fondationnelle de Mira Murati, cofondée avec Barret Zoph, Lilian Weng et John Schulman (tous anciens d’OpenAI). L’entreprise a levé un seed de 2 milliards de dollars en juillet 2025 à une valorisation de 12 milliards de dollars, puis, fin 2025, était en discussion pour une levée complémentaire de 5 milliards de dollars à une valorisation de 50 à 60 milliards de dollars.
• Project Prometheus — la startup d’IA physique de Jeff Bezos, qui vise à construire des systèmes d’IA pour les applications incarnées et robotiques.
• Nscale — licorne d’infrastructure IA basée à Londres qui a levé plus de 5 milliards de dollars pour construire des centres de données à base de GPU pour l’entraînement et l’inférence.
• Rhoda AI — a rejoint le Unicorn Club le 10 mars 2026 après une Série A de 450 millions de dollars, construisant des modèles de fondation pour la robotique industrielle à partir de pré-entraînement vidéo.
• Fundamental — laboratoire IA levant une Série A de 255 millions de dollars à une valorisation de 1,4 milliard de dollars pour des modèles de fondation destinés à l’analytique dans la finance, la biotechnologie et les médias.
• Harmonic — IA axée sur les mathématiques, résolvant des problèmes de raisonnement formel avec des modèles spécialisés.

Le motif est indéniable. La cohorte n’est pas du SaaS, pas du consumer, pas du logiciel vertical. Ce sont des modèles de fondation, de l’infrastructure adjacente aux modèles, et des produits physiques et scientifiques IA-first.

Pourquoi les modèles de fondation absorbent l’argent

Quatre raisons structurelles expliquent pourquoi les investisseurs continuent à signer des chèques toujours plus gros aux laboratoires frontières malgré le débat sur l’économie unitaire :

1. Le calcul est le nouveau moat. Les lois d’échelle et les régimes d’entraînement par apprentissage par renforcement ont fait monter le coût des pré-entraînements pour les modèles frontières à 1-10 milliards de dollars. Seules les entreprises avec des bilans à plusieurs milliards de dollars peuvent jouer. Cela concentre le capital sur une liste rétrécie de laboratoires.
2. La distribution converge vers les agents. OpenAI, Anthropic, xAI et Gemini ne sont plus seulement des fournisseurs de modèles ; ils sont les « systèmes d’exploitation » émergents pour les agents IA capables de lire, écrire, raisonner et agir. Le prix économique n’est pas les revenus d’API — c’est le marché des workflows d’agents qui pourrait remodeler chaque industrie du travail intellectuel.
3. Le talent fondationnel est rare. La valorisation de Thinking Machines Lab a bondi d’environ 4 à 5 fois entre juillet 2025 et fin 2025 sur la base de l’équipe et de la feuille de route seules, sans divulgation significative de revenus. Les investisseurs paient pour l’intrant le plus rare : les chercheurs qui ont expédié des modèles frontières.
4. La politique de l’IA souveraine. Les gouvernements des États-Unis, du Royaume-Uni, de la Corée, de l’Arabie saoudite et d’ailleurs font surenchère pour obtenir des champions nationaux de l’IA avec des garanties d’approvisionnement, des subventions de calcul et une politique industrielle. Cela dérisque le capital de stade avancé d’une manière que les investisseurs du marché privé n’ont pas vue depuis l’ère des premiers semi-conducteurs.

Les 35 licornes non-modèles-de-fondation comptent toujours

Les gros titres sur les modèles de fondation occultent une vague secondaire significative. Crunchbase note qu’en février 2026, le matériel — robotique et semi-conducteurs — a ajouté le plus de nouvelles licornes de toutes les catégories, avec 27 nouvelles entreprises milliardaires, dont six sociétés de robotique et quatre startups de puces. L’infrastructure IA, l’outillage d’efficacité des modèles, l’inférence-as-a-service et le silicium spécialisé absorbent plus de capital que la cohorte traditionnelle de licornes SaaS ne l’a fait en 2021, année de pic.

Les technologies de défense sont un autre pilier sous-discuté. Les entreprises construisant des drones autonomes, des systèmes satellitaires et des outils de décision de champ de bataille propulsés par l’IA ont rejoint le club des licornes à un rythme jamais vu depuis l’ère dot-com, reflétant la réorganisation post-2022 de l’approvisionnement de défense occidental et des priorités de capacité souveraine.

Les risques pour la thèse 2026

Le cas haussier est évident. Le cas baissier compte plus pour les fondateurs et les LPs :

• Risque de concentration. Si les quatre méga-opérations du T1 représentent 64 % du capital-risque mondial, un seul faux pas d’un laboratoire frontière (un procès, un flop produit, une violation de données, une action réglementaire) pourrait faire s’effondrer les valorisations de dizaines d’entreprises en portefeuille qui tarifient par rapport à ces comparables.
• L’économie unitaire reste non prouvée. Même les plus grandes entreprises de modèles de fondation ont rapporté des marges brutes qui seraient inhabituelles pour une entreprise logicielle traditionnelle. À un moment donné, le marché exigera de la rentabilité, et la transition de la croissance à tout prix aux opérations disciplinées a historiquement été douloureuse pour les entreprises privées lourdement financées.
• Les valorisations en phase précoce surchauffent. Une valorisation de 1 milliard de dollars au stade seed laisse au fondateur presque aucune marge pour des down-rounds, et met une énorme pression sur le tour de financement suivant pour se revaloriser à un niveau supérieur. La bulle SaaS de 2021 a montré à quel point cela peut devenir moche.
• Surplomb réglementaire. L’échéance de conformité d’août 2026 du règlement européen sur l’IA, les contrôles à l’exportation américains sur les puces IA et l’examen sectoriel de l’IA dans l’embauche, le crédit et la santé sont tous des ralentisseurs potentiellement lents pour les entreprises dont l’histoire de croissance dépend d’un déploiement sans entrave.

Ce qu’il faut surveiller aux T2 et T3 2026

Trois signaux diront aux investisseurs et aux fondateurs si cette cohorte de licornes tient le coup. Premièrement, le rythme des tours de suivi à marques plates ou en hausse — tout signe de down-rounds dans la cohorte réinitialiserait rapidement les attentes. Deuxièmement, la fenêtre d’IPO. Upstage en Corée, une poignée de candidats américains et des noms européens comme Nscale sont tous à un stade quelconque de préparation à la cotation. Des tarifications fortes valideraient le cadre de valorisation ; des faibles l’affaibliraient. Troisièmement, la trajectoire réelle des revenus des laboratoires frontières. L’écart entre 122 milliards de dollars de valorisations et la traction commerciale sous-jacente est la variable la plus importante pour tout l’écosystème de capital-risque IA.

Pour l’instant, le T1 2026 est tout simplement le trimestre le plus agressif de création de licornes de l’histoire du capital-risque — et la thèse des modèles de fondation en est la raison.

Sources et lectures complémentaires

• This Is A Momentous Year For Early-Stage Unicorns — Crunchbase News
• Q1 2026 Shatters Venture Funding Records As AI Boom Pushes Startup Investment To $300B — Crunchbase News
• Almost 40 new unicorns have been minted so far this year — TechCrunch
• Mira Murati’s Thinking Machines Lab is worth $12B in seed round — TechCrunch
• While OpenAI Shattered Records, Robotics and Semiconductor Startups Quietly Added The Most New Unicorns In February — Crunchbase News
• VC Hits $297 Billion in One Quarter, AI Swallows 81% of Funding — Trending Topics