IA pour la vidéo : Twelve Labs lève 100 millions de dollars auprès d'Amazon

Twelve Labs, start-up qui développe une IA de recherche vidéo, a reçu 100 millions de dollars d'investissement d'Amazon, du fonds de capital-risque NEA et du sud-coréen Naver Ventures. L'argent servira à développer une technologie capable de chercher et d'analyser rapidement de gros volumes de contenu vidéo.

Qui participe au tour de table, et pourquoi

La composition des investisseurs révèle un intérêt stratégique, et pas seulement financier, pour la technologie de recherche vidéo.

• 100 millions de dollars : montant du tour de table, annoncé le 1er juillet 2026
• Amazon.com Inc. : premier fournisseur de cloud au monde (AWS)
• NEA Management Co. : l'un des principaux fonds de capital-risque de la Silicon Valley
• Naver Ventures : la branche d'investissement du premier moteur de recherche de Corée du Sud

La participation d'Amazon compte tout particulièrement pour Twelve Labs. AWS sert des milliers de clients professionnels dans le monde, et cet investissement ouvre une voie directe pour intégrer la recherche vidéo à l'écosystème cloud d'Amazon. Les clients professionnels d'AWS pourront ajouter la recherche vidéo par IA aux outils qu'ils utilisent déjà, sans changer d'infrastructure.

NEA Management est l'un des plus anciens et des plus importants fonds de capital-risque de la Silicon Valley. Sa participation montre que l'industrie voit dans la recherche vidéo un axe prioritaire, et non un développement de niche.

Naver est le premier moteur de recherche de Corée du Sud, avec un solide laboratoire d'IA en interne. Pour lui, la recherche multimodale est une priorité stratégique directe : pouvoir chercher du contenu vidéo par le sens, et pas seulement par le texte, est essentiel pour concurrencer Google sur le marché asiatique.

Pourquoi la recherche vidéo est si difficile à résoudre

Sans IA spécialisée, retrouver un moment précis dans une archive vidéo est pratiquement impossible. Les moteurs de recherche traditionnels ne savent indexer que du texte : sous-titres, descriptions, balises. S'il n'y a pas de sous-titres, ou s'il faut retrouver un moment visuel, comme une personne portant un vêtement donné, un logo à l'écran ou un geste précis, les outils standard échouent sans étiquetage manuel de chaque extrait.

Twelve Labs construit des modèles multimodaux qui analysent la vidéo dans son ensemble : l'image, la piste audio et la parole en même temps. Cela permet de formuler des requêtes sémantiques et d'obtenir des repères temporels précis sans étiquetage préalable.

Chaque jour, des centaines de millions d'heures de vidéo sont créées : enregistrements de réunions et de webinaires d'entreprise, images de vidéosurveillance, archives de médias, cours de formation, contenus d'utilisateurs. La vidéo représente une part croissante des données d'entreprise, et l'immense majorité de ce matériel reste pratiquement non indexée. C'est là que la recherche par IA crée une valeur mesurable pour les entreprises.

Ce que cela signifie

Le tour de table de 100 millions de dollars avec Amazon, NEA et Naver installe Twelve Labs parmi les principaux prétendants au leadership d'un segment de la recherche vidéo par IA en pleine formation. La participation stratégique d'Amazon fournit une base d'infrastructure pour passer à l'échelle : dans une course où l'arrivée précoce sur le marché détermine les positions à long terme, le partenariat avec AWS devient un avantage concurrentiel important.

Qu'est-ce que la recherche vidéo par IA ?

C'est une technologie qui permet de chercher et d'analyser rapidement de gros volumes de contenu vidéo. Selon les développeurs de Twelve Labs, les technologies traditionnelles traitent encore mal cette tâche.

Qu'est-ce que l'IA pour la recherche vidéo ?

C'est un réseau de neurones qui analyse et recherche du contenu dans de gros volumes de matériel vidéo, ce que les technologies traditionnelles traitent mal.

À quoi sert un réseau de neurones pour la vidéo ?

À retrouver rapidement le contenu voulu dans des bases vidéo et à analyser la vidéo par le sens, ce qui était auparavant techniquement impossible.