Databricks à 188 milliards de dollars : ce que révèle ce bond de valorisation en cinq mois

Le cinquième bond de valorisation de Databricks en 19 mois

Le 16 juillet 2026, Databricks a annoncé avoir signé une lettre d’intention pour un tour de financement stratégique valorisant l’entreprise à 188 milliards de dollars, avec la participation de nouveaux investisseurs et d’investisseurs existants dans un tour mené par Coatue, déjà présent au capital. Ce tour, évalué à environ 3 milliards de dollars selon TechCrunch et SiliconANGLE, devrait être finalisé durant l’été 2026.

Ce chiffre importe moins par son ampleur que par sa vitesse. Databricks avait levé des fonds en février 2026 sur la base d’une valorisation de 134 milliards de dollars — une série L ayant rapporté environ 5 milliards de dollars en financement par actions, plus 2 milliards de dollars de capacité d’endettement supplémentaire, confirme la salle de presse de Databricks. Auparavant, l’entreprise était valorisée à 100 milliards de dollars en septembre 2025 et à 62 milliards de dollars en décembre 2024, selon les informations rapportées par TechCrunch sur l’historique de financement de l’entreprise. Quatre réévaluations en 19 mois, chacune supérieure à la précédente, ne correspond pas à un rythme de levée de fonds normal, même selon les standards de l’ère de l’IA — c’est le signe que les investisseurs late-stage traitent la « couche de données » sous-jacente à l’IA d’entreprise comme un actif plus rare et plus défendable que la couche de modèles qui la surplombe.

L’argument du chiffre d’affaires derrière le multiple

Contrairement à plusieurs entreprises adjacentes à l’IA qui lèvent des fonds sur des multiples vertigineux basés sur des revenus projetés, Databricks affiche une croissance de revenus réels et cumulatifs. L’entreprise a franchi un chiffre d’affaires annualisé de 5,4 milliards de dollars avec une croissance de plus de 65 % sur un an au moment de sa communication de février 2026, accompagné d’une trésorerie disponible positive sur les 12 derniers mois, de plus de 800 clients générant plus d’un million de dollars de revenu annualisé, et d’un taux de rétention net supérieur à 140 %, selon le communiqué de Databricks. Lors du Data + AI Summit de San Francisco le 16 juin 2026, ce chiffre d’affaires annualisé avait bondi à nouveau à 6,9 milliards de dollars, avec une croissance de plus de 80 % sur un an, selon un rapport citant la couverture de CNBC. Le chiffre d’affaires spécifique aux produits d’IA — incluant la base de données d’agents Lakebase, l’Unity AI Gateway et la suite d’assistants Genie — est passé d’un rythme annualisé de 1,4 milliard de dollars en février à 1,7 milliard de dollars en juin.

Le PDG Ali Ghodsi présente cette stratégie comme un pari contre les dépenses de force brute en modèles. « Les entreprises passent du « tokenmaxxing » au « valuemaxxing » », a déclaré Ghodsi dans l’annonce de financement de juillet. « Elles ne veulent pas brûler des tokens coûteux sur le modèle le plus intelligent pour chaque tâche — elles veulent le meilleur résultat par dollar dépensé. » Cette thèse finance les produits explicitement cités dans la levée de fonds : le renforcement de l’Unity AI Gateway (une couche de gouvernance qui applique des garde-fous de cybersécurité et oriente les charges de travail vers le modèle le moins coûteux mais adéquat), l’extension de Genie (des outils de requêtage en langage naturel et de création d’agents IA lancés en mars 2026), et le développement de Lakebase, la base de données managée pour agents IA que Databricks a rachetée pour environ 1 milliard de dollars en mai 2025, selon le compte-rendu de SiliconANGLE sur la feuille de route produit. Cette croissance n’est toutefois pas gratuite — Ghodsi a également reconnu que les agents IA font grimper les coûts d’infrastructure basés sur la consommation plus rapidement que le chiffre d’affaires, comprimant les marges alors même que le chiffre d’affaires accélère.

Ce calcul de valorisation place désormais une entreprise privée à une valeur plus de deux fois supérieure à la capitalisation boursière de Snowflake, environ 83 milliards de dollars, alors même que le chiffre d’affaires annualisé de Snowflake, environ 5,6 milliards de dollars, n’accuse qu’un retard relativement modeste sur les 6,9 milliards de dollars de Databricks — un écart que un rapport souligne comme étant valorisé par les investisseurs presque entièrement sur la trajectoire de croissance et le mix produits IA plutôt que sur l’échelle actuelle.

Ce que les responsables data d’entreprise devraient faire maintenant

1. Renégocier les contrats pluriannuels avant la prochaine réévaluation

Databricks s’est repositionné quatre fois en moins de deux ans, et chaque tour s’est accompagné d’un regroupement de produits élargi — Unity Gateway, Genie et Lakebase sont de plus en plus vendus comme une pile intégrée plutôt qu’à la carte. Les entreprises qui renouvellent leurs contrats aujourd’hui devraient négocier des protections tarifaires et des SLA nommés par produit avant que le prochain tour de financement ne redéfinisse le rapport de force en faveur du fournisseur. Attendre la « prochaine version » pour verrouiller les conditions a historiquement signifié payer le prix catalogue post-tour, plus élevé.

2. Tester la dépendance vis-à-vis de la pile de plateforme qui s’élargit

Lakebase, Unity AI Gateway et Genie ont été conçus ou rachetés spécifiquement pour maintenir les charges de travail IA à l’intérieur du lakehouse de Databricks plutôt que de les diriger vers des bases de données vectorielles autonomes ou des startups de routage de modèles. Les responsables data devraient cartographier les pipelines IA déjà dépendants d’au moins deux de ces trois produits — ce chevauchement est la mesure pratique du coût de changement de fournisseur, pas les clauses contractuelles. Si la dépendance est concentrée dans le flux de travail d’une seule équipe, il est moins coûteux de diversifier maintenant qu’après l’ajout d’un troisième produit à la pile.

3. Budgétiser les coûts des agents IA basés sur la consommation, pas des lignes SaaS fixes

Les commentaires de Ghodsi sur la compression des marges due au volume de requêtes généré par les agents constituent un avertissement que les entreprises devraient intégrer dans leurs propres budgets : les charges de travail agentiques génèrent bien plus de requêtes par tâche que les tableaux de bord traditionnels ou les traitements par lots, et une tarification basée sur la consommation signifie que les coûts évoluent avec l’usage, pas avec le nombre de sièges. Les équipes finance et data devraient modéliser les dépenses liées aux agents IA comme un coût d’exploitation variable lié aux courbes d’adoption, avec des révisions trimestrielles, plutôt que de les prévoir comme une licence annuelle fixe.

4. Confronter le discours « valuemaxxing » à ses propres besoins de routage de modèles

Databricks vend explicitement l’idée que les entreprises devraient orienter les tâches vers le modèle le moins coûteux mais adéquat plutôt que vers le modèle le plus performant par défaut. Les directeurs techniques évaluant l’Unity AI Gateway ou des couches de routage comparables devraient d’abord évaluer leur propre répartition de charges de travail — le support client peut tolérer un modèle moins cher là où la conformité ou la génération de code ne le peut pas — avant d’adopter une politique de routage uniforme traitant toutes les tâches IA comme interchangeables.

Le tableau d’ensemble

La valorisation de 188 milliards de dollars de Databricks est moins l’histoire d’une entreprise que celle de la concentration actuelle du capital IA late-stage. Les fournisseurs de modèles comme OpenAI et Anthropic dominent l’actualité, mais les investisseurs qui soutiennent Databricks parient sur la couche située en dessous — la gouvernance, le stockage et l’orchestration qui déterminent si les déploiements d’IA d’entreprise sont auditables, maîtrisés en coûts et portables entre modèles. Le fait que ce tour soit entièrement privé, Ghodsi citant explicitement les IPO concurrentes de SpaceX, Anthropic et OpenAI comme raisons pour lesquelles 2026 est « une année terrible pour entrer en bourse », suggère que les marchés privés sont actuellement disposés à financer des paris d’infrastructure à des valorisations que les marchés publics n’ont pas encore été appelés à souscrire. Lorsque Databricks entrera finalement en bourse — Ghodsi a indiqué que ce ne sera pas avant 2027, et principalement pour offrir aux employés un moyen de céder leurs actions plutôt que pour lever des capitaux — son IPO constituera le premier test public clair de la valeur réelle que représente la couche de données de l’IA d’entreprise face au multiple que les investisseurs privés paient actuellement pour elle.

Questions Fréquemment Posées

Sources et lectures complémentaires

• Databricks lève un tour de financement stratégique à 188 milliards de dollars — Databricks Newsroom
• Databricks atteint une valorisation de 188 Md$, poursuivant son statut d’acte II favori de l’IA — TechCrunch
• Databricks lève de nouveaux fonds à une valorisation de 188 Md$ — SiliconANGLE
• Databricks lève un tour de financement stratégique à une valorisation de 188 Md$ — The AI Insider
• Le nouveau tour de financement de Databricks propulse sa valorisation à 188 Md$, aucune IPO en vue — Trending Topics
• Databricks croît de plus de 65 % sur un an, franchit les 5,4 Md$ de chiffre d’affaires annualisé — Databricks Newsroom
• Le chiffre d’affaires annualisé de Databricks bondit de plus de 80 % à 6,9 Md$, tandis que les coûts des agents IA compriment les marges — TechEchelon