Fireworks AI atteint 17,5 Md$ : comment une startup à 552 M$ est devenue un géant de l’inférence en deux ans

Mots-clés : Fireworks AI, financement Series D, inférence IA, financement startup 2026, Lin Qiao, modèles IA spécialisés

Slug : fireworks-ai-1505m-series-d-inference-platform-2026

Temps de lecture : ~7 min

Date : 2026-07-20

Titre SEO : Fireworks AI lève 1,5 Md$ : bond de valorisation x32

Description SEO : Fireworks AI a bouclé une Series D de 1,505 Md$ à 17,5 Md$, contre 552 M$ il y a deux ans. Comment l’inférence spécialisée est devenue son pari gagnant.

Mot-clé principal : financement Fireworks AI

Une ascension de deux ans, de 552 millions à 17,5 milliards de dollars

Fireworks AI a annoncé une levée de série D de 1,505 milliard de dollars le 16 juillet 2026, valorisant la plateforme d’inférence IA à 17,5 milliards de dollars. Le tour a été mené par Atreides Management, Index Ventures et TCV, avec la participation d’une longue liste de bailleurs de fonds dont NVIDIA, Lightspeed Venture Partners, Bessemer Venture Partners, Menlo Ventures, Insight Partners et Ontario Teachers’ Pension Plan.

La trajectoire de valorisation est le véritable titre de l’histoire. Fireworks AI, fondée en 2022 par Chenyu Zhao, Lin Qiao, Dmytro Dzhulgakov et Dmytro Ivchenko, était valorisée à seulement 552 millions de dollars lors de sa Série B en juillet 2024. Lors de sa Série C de 250 millions de dollars le 28 octobre 2025, cette valorisation était passée à 4 milliards de dollars — un bond d’environ 7,2 fois. Neuf mois plus tard, la Série D porte l’entreprise à 17,5 milliards de dollars, soit une hausse supplémentaire de 4,4 fois et une progression combinée d’environ 32 fois en exactement deux ans.

L’activité derrière le chiffre

Cette croissance n’est pas qu’une histoire de levée de fonds — les indicateurs sous-jacents ont progressé tout aussi vite. Au moment de la Série C en octobre 2025, Fireworks déclarait un chiffre d’affaires annualisé dépassant 280 millions de dollars et traitait plus de 10 trillions de tokens par jour auprès de plus de 10 000 entreprises. Lors de la Série D neuf mois plus tard, l’entreprise avait dépassé 1 milliard de dollars de chiffre d’affaires annualisé — une hausse de 5 fois sur un an — tandis que le volume quotidien de tokens avait de nouveau presque triplé, passant de 15 trillions à plus de 40 trillions de tokens traités par jour.

L’indicateur le plus révélateur, cependant, est la nature de ces tokens. Plus de 95 % du volume quotidien de tokens de Fireworks transite désormais par des modèles personnalisés sur les données propriétaires de chaque client, plutôt que par des modèles fondation génériques servis tels quels. Parmi les clients nommés figurent Doximity, Geico, Revolut, Shopify et Uber, aux côtés de Samsung Electronics et GitLab — une base de clients couvrant la fintech, l’assurance, le e-commerce et les logiciels d’entreprise plutôt qu’une seule niche étroite.

La cofondatrice et directrice générale Lin Qiao — anciennement responsable de PyTorch chez Meta avant de fonder Fireworks — a résumé clairement le pari de l’entreprise : « Chaque entreprise détient un savoir que personne d’autre ne possède : ses données, ses processus, ses clients, sa définition de la qualité. » L’argument est que Fireworks transforme ce savoir propriétaire en modèles spécialisés et possédés par le client, plutôt que de louer l’accès à une API de modèle frontière générique — une activité structurellement différente de la revente de capacité de calcul face aux modèles hébergés d’OpenAI ou d’Anthropic.

Ce que « l’intelligence spécialisée » signifie concrètement

Fireworks exploite deux services d’inférence distincts : une option serverless nécessitant une configuration d’infrastructure minimale pour les charges légères, et un service « Deployments » offrant des clusters GPU dédiés avec autoscaling et compression de modèle par quantification pour les clients gérant le trafic le plus lourd et le plus sensible à la latence. La plateforme prend aussi en charge le fine-tuning de modèles open source et inclut des outils d’optimisation automatisée des workflows d’entraînement — la positionnant comme une infrastructure pour les entreprises qui veulent posséder un modèle personnalisé plutôt que de dépendre entièrement d’une API tierce.

Cette distinction compte dans le contexte des flux de capitaux vers l’infrastructure IA en 2026, une année marquée par des volumes record de capital-risque américain fortement concentrés sur l’IA. Le pari de Fireworks s’inscrit dans une thèse spécifique au sein de cette vague plus large : l’inférence spécialisée et possédée par le client constitue une activité défendable, distincte de la course aux modèles génériques entre les plus grands laboratoires.

Le syndicat d’investisseurs lui-même donne une indication sur la lecture de ce tour de table. La participation continue de NVIDIA sur trois tours consécutifs — Série B, Série C, et désormais Série D — est notable compte tenu de la stratégie plus large du fabricant de puces consistant à soutenir des entreprises qui stimulent l’utilisation de son propre matériel. La présence d’Ontario Teachers’ Pension Plan dans ce tour est tout aussi révélatrice : les fonds de pension investissent rarement dans l’infrastructure IA en phase précoce, et leur participation signale une lecture de Fireworks comme une entreprise mature et adossée à des revenus plutôt qu’un pari spéculatif sur la couche modèle. Ce mélange d’investisseurs technologiques stratégiques et de capital patient dans le même tour est suffisamment inhabituel pour constituer en soi un signal sur la manière dont le marché valorise les spécialistes de l’infrastructure face aux laboratoires de modèles fondation.

Ce que cela signifie pour les acheteurs IA d’entreprise et les fondateurs

1. Réévaluez les hypothèses de construction vs location pour les charges IA en production

Si votre organisation dispose de jeux de données propriétaires significatifs et de workflows IA répétables, l’économie favorise de plus en plus l’inférence personnalisée et possédée plutôt que la location continue d’une API de modèle fondation générique à grande échelle. La croissance de Fireworks, de 280 M$ à plus de 1 Md$ de chiffre d’affaires annualisé en neuf mois, prouve que les acheteurs d’entreprise font déjà ce calcul, au-delà des arguments marketing des fournisseurs d’infrastructure IA.

2. Surveillez la croissance du volume de tokens comme véritable signal d’usage, pas les gros titres de financement

Les tours de financement et les valorisations sont des indicateurs retardés ; le volume de tokens est plus proche de l’usage en temps réel. Le bond de Fireworks de 15 à 40 trillions de tokens par jour en neuf mois est un signal plus honnête de l’accélération réelle de l’adoption de l’IA en entreprise que n’importe quelle annonce de financement isolée — suivez les divulgations d’usage des fournisseurs d’infrastructure, pas seulement leur table de capitalisation.

3. Attendez-vous à ce que la couche d’infrastructure d’inférence continue de concentrer les capitaux

Avec NVIDIA, plusieurs fonds proches de fonds souverains (Ontario Teachers’ Pension Plan) et un large syndicat de sociétés de capital-risque soutenant tous un même spécialiste de l’inférence à une valorisation de 17,5 Md$, la couche d’inférence est désormais traitée comme une infrastructure à part entière, pas comme une simple startup applicative. Les fondateurs bâtissant sur des modèles fondation devraient s’attendre à ce que la concurrence sur les prix et les capacités à ce niveau continue de leur bénéficier directement au cours des 12 à 24 prochains mois.

Le pari structurel derrière la valorisation

La hausse de valorisation x32 de Fireworks en deux ans n’est pas un simple effet de mode de l’IA qui s’accumule — elle suit de près une croissance réelle du chiffre d’affaires et de l’usage, ce qui constitue une histoire nettement différente de plusieurs autres valorisations d’infrastructure IA bâties principalement sur la dynamique des tours de financement. Le ratio revenu-valorisation est aussi à noter : avec plus de 1 Md$ de chiffre d’affaires annualisé pour une valorisation de 17,5 Md$, Fireworks se négocie à environ 17,5 fois le revenu prévisionnel, un multiple qui se situe dans la fourchette payée par les investisseurs pour les entreprises d’infrastructure à forte croissance de ce cycle, plutôt que les multiples bien plus élevés observés sur certains laboratoires de modèles fondation purs avec des revenus divulgués minimes.

Le pari de l’entreprise est qu’à mesure que davantage d’entreprises passent de l’expérimentation de l’IA générique à son déploiement en production sur leurs propres données propriétaires, les gagnants seront les fournisseurs d’infrastructure qui font de la spécialisation — pas seulement de l’accès brut aux modèles — le produit lui-même. Reste à savoir si cette thèse résistera face à des modèles fondation d’OpenAI, Anthropic et Google toujours plus performants et moins chers — une question que le prochain tour de financement, quel qu’il soit, aidera à trancher.

Questions Fréquemment Posées

Sources et lectures complémentaires

• Fireworks Raises a $1.5 Billion Series D to Lead the Specialized Intelligence Revolution — Ontario Teachers’ Pension Plan
• AI Infrastructure Startup Fireworks Closes $1.5B Round at $17.5B Valuation — SiliconANGLE
• Fireworks AI Raises $250M Series C to Power the Future of Enterprise AI — Fireworks AI
• Fireworks AI Soars From $552M to $4B Valuation, Two Ukrainians Among Founders — Scroll