Nvidia négocie le rachat de Reflection AI, une startup valorisée 8 milliards de dollars

Selon le Financial Times, Nvidia discute du rachat de Reflection AI, une startup américaine qui construit des modèles ouverts de niveau frontier. Le dernier repère connu sur la valeur de l'entreprise est de 8 milliards de dollars : c'est la valorisation obtenue en octobre 2025, lorsqu'elle a levé 2 milliards de dollars. D'après la presse, Nvidia a elle-même participé à ce tour de table. Elle semble désormais prête à passer du rôle d'investisseur à celui de propriétaire. Les conditions de l'opération, son prix et son calendrier ne figurent pas dans les données disponibles, et les négociations peuvent encore échouer.

Ce que l'on sait des négociations

La source de l'information est un article du FT, protégé par un paywall. Nous ne pouvons donc pas en détailler le contenu et nous appuyons sur le titre et sur l'historique public de l'entreprise. Sur Hacker News, le lien a recueilli 84 points et 49 commentaires. La discussion tourne autour d'une question : que deviendront les poids ouverts si leur auteur appartient au premier vendeur d'accélérateurs ? À notre connaissance, ni Nvidia ni Reflection AI n'ont confirmé officiellement l'opération.

Qui est Reflection AI

La startup a été fondée en 2024 par Misha Laskin et Ioannis Antonoglou, deux anciens de Google DeepMind. Misha Laskin travaillait sur l'apprentissage par renforcement pour Gemini, tandis qu'Ioannis Antonoglou a fait partie des équipes d'AlphaGo et d'AlphaZero. Le premier produit de l'entreprise est Asimov, un agent conçu pour travailler sur des bases de code. Son ambition affichée est plus large : créer un modèle ouvert américain capable de rivaliser avec les chinois DeepSeek et Qwen, et en publier les poids.

Voici ce que l'on sait de l'entreprise à partir de sources ouvertes :

• Fondateurs : Misha Laskin et Ioannis Antonoglou, tous deux issus de DeepMind.
• Tour d'octobre 2025 : 2 milliards de dollars pour une valorisation d'environ 8 milliards.
• Investisseurs, selon la presse : Nvidia, Lightspeed, Sequoia, DST, GIC, Eric Schmidt et d'autres.
• Produit : l'agent Asimov, pour comprendre et modifier du code.
• Positionnement : des modèles frontier ouverts comme alternative aux poids chinois.

La logique de Nvidia

Pour un fabricant de GPU, les modèles ouverts sont directement rentables. Plus les entreprises font tourner leurs propres modèles sur leurs propres serveurs, plus elles ont besoin d'accélérateurs. Les API fermées concentrent la demande chez quelques laboratoires, alors que les poids ouverts la répartissent entre des milliers de clients. Nvidia dispose déjà de la famille Nemotron. Le rachat de Reflection AI lui apporterait une équipe capable d'entraîner des modèles du plus haut niveau, et pas seulement d'affiner ceux des autres. Nvidia gagnerait aussi un levier face à Washington, où les modèles américains ouverts sont considérés comme un enjeu de souveraineté technologique.

Les risques existent aussi. Nvidia a déjà investi dans OpenAI, xAI, Mistral et d'autres laboratoires. Le rachat de l'un d'eux amènerait les autres clients à se demander si le fournisseur de puces ne devient pas un concurrent. Les autorités de la concurrence américaines, européennes et chinoises surveillent déjà de près chaque mouvement de l'entreprise. Une opération de cette ampleur attirera presque certainement leur attention.

Que faire pour les équipes qui s'appuient sur des modèles ouverts

Tant que l'opération n'est pas conclue, il n'y a rien à changer, mais mieux vaut prévoir un plan B. Si vous comptez vous appuyer sur de futurs poids de Reflection AI, vérifiez la licence indiquée pour les versions déjà publiées et conservez des copies des checkpoints dont vous avez besoin. Prévoyez dans votre architecture la possibilité de remplacer rapidement le modèle de base : passer à Llama, Qwen, Nemotron ou DeepSeek doit prendre des jours, pas des trimestres.

Pour ceux qui hésitent entre acheter des GPU et louer du cloud, il est utile de surveiller si Nvidia se met à publier des modèles optimisés uniquement pour son propre matériel. Un tel scénario modifierait le calcul du coût total de possession.