Série B de 65 M$ pour Ollama : l’IA locale devient une catégorie d’entreprise

Ce que révèle vraiment la Série B de 65 millions de dollars d’Ollama

Pendant la majeure partie de 2024 et 2025, l’actualité du financement de l’IA a surtout parlé des laboratoires de pointe levant des tours toujours plus importants pour entraîner des modèles toujours plus grands dans le cloud. La levée d’Ollama va dans l’autre sens. L’entreprise, qui permet aux développeurs d’exécuter localement des grands modèles de langage à poids ouverts en une seule commande, a bouclé une Série B de 65 millions de dollars menée par Theory Ventures le 9 juillet 2026, portant son capital total levé à 88 millions de dollars, selon la couverture de SiliconANGLE sur cette levée. Le tour a également attiré la participation de Benchmark, 8VC, Y Combinator, Pace Capital, 49 Palms et GTMFund, aux côtés d’un groupe de business angels.

Ollama a été fondée en 2023 par Michael Chiang et le PDG Jeffrey Morgan comme projet open source permettant d’exécuter des grands modèles de langage sur un ordinateur portable plutôt que sur un cluster de GPU d’un hyperscaler. Deux ans plus tard, SiliconANGLE rapporte que la plateforme prend en charge plus de 67 000 intégrations de modèles et est devenue la manière par défaut dont de nombreuses équipes d’ingénierie expérimentent d’abord les modèles à poids ouverts avant de décider de les déployer dans le cloud. Cette trajectoire — d’outil de passionnés à couche d’infrastructure d’entreprise — est ce que les investisseurs valorisent désormais.

Le timing compte. Les entreprises se sont heurtées en 2024 et 2025 à de réelles limites de l’IA exclusivement dans le cloud : des exigences de résidence des données interdisant l’envoi de documents propriétaires à une API tierce, des applications sensibles à la latence qui ne tolèrent pas d’aller-retour réseau, et des coûts par token qui explosent dès qu’une fonctionnalité IA est déployée auprès de tous les employés. L’inférence locale ne résout pas tous ces problèmes, mais elle élimine entièrement la question de la sortie des données — et cette seule propriété a suffi à faire adopter Ollama dans des environnements qu’un pur fournisseur d’API cloud n’atteindrait jamais.

Les chiffres derrière une plateforme de 8,9 millions de développeurs

Les indicateurs derrière cette levée constituent la véritable histoire, car ils décrivent une adoption survenue en grande partie sans équipe commerciale. Ollama compte 8,9 millions de développeurs actifs mensuels et, selon la note d’investissement de Theory Ventures elle-même, la plateforme fonctionne déjà au sein de 85 % des entreprises du Fortune 500 — un taux de pénétration que la plupart des éditeurs SaaS d’entreprise mettent une décennie à atteindre. Les nouvelles installations avoisinent près d’un million par semaine, selon l’analyse de Theory Ventures, et l’usage hébergé dans le cloud — où Ollama exécute des modèles plus volumineux sur sa propre infrastructure tout en conservant la même API et la même expérience de sélection de modèles — a vu son volume mensuel de tokens doubler en moyenne à mesure que les équipes passent des prototypes locaux à des charges de travail en production.

Theory Ventures décrit un schéma d’adoption ascendant reproductible : un ingénieur installe Ollama sur sa machine personnelle, teste un modèle sur un problème interne réel, présente un prototype fonctionnel lors d’une réunion d’équipe, et en quelques semaines, 10 à 20 collègues l’utilisent à leur tour. La note du fonds cite des déploiements concrets chez des organisations telles que la NASA, une centrale électrique finlandaise et le programme d’accélérateur de particules du Lawrence Livermore National Laboratory — le type d’environnements réglementés, sensibles à la latence ou isolés du réseau où un fournisseur d’IA exclusivement cloud ne peut structurellement pas rivaliser. Le PDG Jeffrey Morgan a formulé directement la thèse de l’entreprise dans l’entretien accordé à SiliconANGLE : « Les modèles ouverts doivent être faciles à exécuter, faciles à intégrer et disponibles partout où les gens en ont besoin. »

La couche commerciale reste délibérément légère. L’offre cloud payante d’Ollama atteint jusqu’à 100 dollars par mois, aux côtés d’un niveau gratuit, selon SiliconANGLE — une structure tarifaire conçue pour convertir les utilisateurs locaux gratuits en clients cloud payants une fois qu’une charge de travail dépasse les capacités du GPU d’un ordinateur portable, plutôt que de restreindre l’accès dès le premier jour. C’est un modèle de mise sur le marché sensiblement différent de la tarification centrée sur l’API que pratiquent tous les grands laboratoires de pointe — et c’est le mécanisme que ce nouveau capital est censé faire passer à l’échelle.

Ce que les DSI et responsables IT devraient faire

1. Séparer la question du « pouvons-nous l’exécuter localement » de celle du « devrions-nous »

L’inférence locale résout un véritable problème de gouvernance des données, mais ce n’est pas un substitut universel aux API cloud. Avant d’imposer une politique local-first, cartographiez les charges de travail qui portent réellement des contraintes de résidence des données ou de sensibilité de la propriété intellectuelle — révision de documents juridiques, analyse de code source propriétaire, données clients réglementées — par rapport à celles qui tolèrent la latence et sont mieux servies par un modèle cloud de pointe plus performant. Les propres chiffres d’Ollama montrent que le schéma gagnant est hybride, et non exclusivement local : la même architecture exécutant de petits modèles sur un ordinateur portable et des modèles plus volumineux dans le propre cloud d’Ollama lorsque la charge de travail augmente.

2. Piloter sur le matériel déjà en votre possession avant d’acheter des GPU

Le schéma d’adoption ascendant décrit par Theory Ventures — un ingénieur, un ordinateur portable, un prototype fonctionnel — est reproductible sans cycle d’achat formel. Faites exécuter à un petit groupe d’ingénieurs des modèles à poids ouverts localement, sur du matériel de développement existant, sur un cas d’usage interne réel, pendant 30 jours avant d’approuver toute dépense d’investissement en GPU. Cela fait apparaître une demande réelle et des exigences de qualité de modèle réalistes avant tout engagement budgétaire, évitant l’écueil classique consistant à acheter de la capacité d’inférence pour un usage qui, en réalité, n’en a pas besoin.

3. Inscrire une clause de portabilité des modèles dans chaque contrat fournisseur IA signé cette année

Une plateforme désormais présente dans 85 % des entreprises du Fortune 500 sans démarche commerciale d’entreprise traditionnelle est le signe que les coûts de changement dans les outils IA sont plus faibles qu’il n’y paraît. Les responsables IT négociant avec un fournisseur d’IA — API cloud, environnement local ou solution hybride — devraient exiger que les prompts, les données de fine-tuning et le code d’intégration restent portables vers un autre modèle ou environnement d’exécution, sans plus qu’un simple ajustement de configuration. Verrouiller un flux de travail dans le format propriétaire d’un fournisseur est le regret le plus fréquemment rapporté par les équipes IA d’entreprise, 12 mois après un déploiement.

4. Budgétiser la croissance des tokens, pas une licence fixe

Theory Ventures rapporte que le volume mensuel de tokens sur l’offre cloud d’Ollama a doublé en moyenne à mesure que les équipes passent de l’expérimentation à la production. Cette courbe de croissance n’est pas propre à Ollama — c’est ce qui se produit chaque fois qu’une fonctionnalité IA passe d’une démonstration à un usage quotidien par les employés. Les directions financières et IT devraient modéliser les dépenses d’infrastructure IA comme un poste évolutif lié à l’usage dès le premier pilote, et non comme une licence annuelle fixe, afin d’éviter les mauvaises surprises budgétaires qui touchent les équipes ayant confondu le coût d’une preuve de concept initiale avec un régime de dépense stabilisé.

Où cela se situe dans l’écosystème de l’infrastructure IA en 2026

La levée d’Ollama n’est pas un événement de financement isolé — c’est un point de données dans une tendance plus large de 2026, où le capital se déplace vers le « dernier kilomètre » du déploiement de l’IA plutôt que vers l’entraînement des modèles lui-même. Les laboratoires de pointe continuent de lever les plus gros tours, mais la couche d’infrastructure qui permet aux entreprises d’exécuter et de gouverner réellement les modèles — localement, dans un cloud privé, ou selon une répartition hybride — attire des investisseurs qui lisent les chiffres d’adoption au sein du Fortune 500 comme la preuve d’une demande durable plutôt que d’une tendance passagère de développeurs.

La question ouverte est de savoir si le modèle ascendant et à faible friction d’Ollama survivra au contact des achats d’entreprise à grande échelle. Les sociétés qui passent du statut d’outil gratuit pour développeurs à celui de fournisseur d’infrastructure payant font généralement face à un moment où les acheteurs d’entreprise exigent des accords de niveau de service (SLA), un support dédié et des certifications de conformité qui coûtent plus cher à construire que ne le suppose le modèle commercial actuel, volontairement léger. La manière dont Ollama tarifera et dotera en personnel cette transition — sans briser l’adoption sans friction qui lui a permis d’atteindre 8,9 millions de développeurs — déterminera si cette Série B apparaîtra, avec le recul, comme la levée qui a bâti une entreprise d’infrastructure durable, ou comme celle qui a financé un pivot difficile.

Questions Fréquemment Posées

Sources et lectures complémentaires

• Open-source AI developer tool Ollama raises $65M to grow platform — SiliconANGLE
• Ollama Raises $65M Series B Funding to Grow Its Open-Source AI Platform — HPCwire
• Why 85% of the Fortune 500 Already Runs Ollama: Our Investment in Their Series B — Theory Ventures
• Ollama Closes $65M Series B, Reaches 8.9M Developers with Local, Open-Weight AI — Tech Times