Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarX: @pukerrainbrow→ original

Le projet personnel de LangChain est devenu une start-up valorisée 3 milliards de dollars en quatre ans et a levé 300 millions

Le projet que Harrison Chase a publié en octobre 2022 comme projet personnel est désormais valorisé 3 milliards de dollars : le 13 novembre, LangChain a bouclé un tour de série C de 300 millions de dollars mené par CapitalG. La valorisation correspond au prix que les investisseurs attribuent à l'entreprise entière. Ce sont les clients qui paient pour LangSmith, un « centre de contrôle » pour agents d'IA qui permet de voir ce qu'ils font et de restreindre leur accès aux modèles et aux données. Pour les équipes qui font tourner des agents en production, le signal est clair : la supervision des agents devient une ligne budgétaire à part entière.

Traité par IA depuis X: @pukerrainbrow ; édité par Hamidun News
Le projet personnel de LangChain est devenu une start-up valorisée 3 milliards de dollars en quatre ans et a levé 300 millions
Source : X: @pukerrainbrow. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireX: @pukerrainbrow ↗
Rédacteur en chef
Chiffre clé #1Plus de 7000 organisations utilisent LangSmith, dont NVIDIA et Toyota
Chiffre clé #2Workday a ramené le lancement d'un nouvel agent de cinq mois à moins d'une journée
Chiffre clé #3Les bibliothèques open source ont été téléchargées plus d'un milliard de fois, avec désormais 350 millions de téléchargements par mois

En octobre 2022, l'ingénieur Harrison Chase a publié en open source la bibliothèque LangChain, en projet personnel. Quatre ans plus tard, c'est une entreprise que les investisseurs valorisent 3 milliards de dollars. Ici, « valorisation » désigne le prix de l'entreprise entière selon le dernier tour de financement, et non son chiffre d'affaires.

Le 13 novembre, LangChain a annoncé un tour de série C : 300 millions de dollars de nouveaux fonds, menés par le fonds CapitalG. Ce ne sont pas les clients qui paient pour la bibliothèque, mais pour LangSmith, une plateforme qui permet de lancer des agents d'IA, de suivre ce qu'ils font et de limiter leurs capacités. Plus de 7000 organisations l'utilisent déjà.

Si vous développez des agents, cette histoire montre à quel stade le marché est prêt à payer.

Comment un projet personnel est devenu une entreprise

Chase a obtenu son diplôme à Harvard en 2017, puis a travaillé comme ingénieur en apprentissage automatique chez Kensho Technologies et Robust Intelligence. Il y a rencontré Ankush Gola, diplômé en génie électrique de Princeton en 2015, qui avait ensuite passé quatre ans comme ingénieur senior chez Facebook. Un mois après la sortie de LangChain, ChatGPT est arrivé, et la première vague de développeurs qui voulaient construire des applications autour des modèles de langage s'est tournée notamment vers ce projet. Lorsque l'intérêt a grandi, Chase et Gola ont constitué la société en 2023.

Le financement a suivi rapidement. En avril 2023, Benchmark a mené un tour d'amorçage de 10 millions de dollars, puis Sequoia a dirigé une série A de 25 millions. En octobre 2025, IVP a conduit une série B de 125 millions à une valorisation de 1,25 milliard, et la valorisation atteint désormais 3 milliards. Le tour de série C réunissait GIC, DFJ Growth, IVP, Sapphire Ventures, Salesforce Ventures, Insight Venture Partners, QuantumLight et MongoDB Ventures. Sequoia, Amplify et Benchmark ont investi à nouveau. Au total, l'entreprise a levé 460 millions de dollars.

Les projets open source de LangChain ont été téléchargés plus d'un milliard de fois, et l'on compte aujourd'hui plus de 350 millions de téléchargements par mois. Cette base de développeurs fonctionne comme un canal de vente gratuit pour le produit payant.

Ce pour quoi les clients paient : LangSmith

On peut se représenter LangSmith comme un centre de contrôle pour agents. Il fonctionne avec n'importe quel framework et n'importe quel modèle, et pas seulement avec LangChain lui-même. Les agents peuvent tourner dans le cloud de LangChain ou dans le compte AWS, Azure ou Google Cloud du client. La plateforme suit et évalue le comportement des agents, et gère en plus les modèles, outils et données auxquels ils ont accès.

Nouveauté distincte : LangSmith Engine. C'est un agent qui améliore d'autres agents : il repère les erreurs en production et rédige un correctif, qu'il s'agisse de code ou d'un prompt. En substance, c'est un ingénieur d'astreinte qui lit les journaux et propose une modification.

Côté clients, les chiffres sont les suivants : plus de 7000 organisations, dont Harvey, Rippling, NVIDIA, Toyota et Salesforce. Clay suit sur la plateforme des centaines de millions d'exécutions d'agents par mois. Workday a ramené le délai de mise en service d'un nouvel agent de cinq mois à moins d'une journée. Ces données proviennent de l'entreprise elle-même et n'ont pas encore été vérifiées de façon indépendante. Elles montrent toutefois que le goulot d'étranglement s'est déplacé : écrire un agent est devenu plus simple, mais s'assurer qu'il se comporte de manière prévisible reste difficile.

Ce qu'il faut retenir pour les développeurs et les chefs de produit

Chase l'a déclaré au Wall Street Journal : « Le comportement de l'agent est la partie la plus difficile à contrôler. » Un agent peut bien se comporter en démonstration et agir de façon étrange sur des données réelles. Sans traçabilité, évaluation de la qualité et restrictions d'accès, il est presque impossible de s'en apercevoir.

Conclusions pratiques :

  • prévoir l'observabilité dès le premier jour : journaux des étapes de l'agent, évaluation des résultats, suivi du coût des requêtes ;
  • limiter les droits des agents avant le lancement, et non après le premier incident : quels outils et quelles données sont accessibles ;
  • ne pas se lier à un seul framework : l'intérêt de LangSmith est qu'il ne dépend ni du modèle ni de la bibliothèque choisis ;
  • comparer les solutions sur votre propre stack, plutôt que sur la base de cas clients publicitaires.

Il y a aussi des réserves. La valorisation de 3 milliards repose sur la croissance future du marché des agents, qui reste pour l'essentiel professionnel et n'est pas encore stabilisé. Les concurrents, des fournisseurs cloud aux autres outils d'observabilité, développent eux aussi des tableaux de bord similaires. Et un agent auto-améliorant comme Engine doit être testé au même niveau que les autres : un correctif écrit par une IA exige une relecture humaine.

LangChain compte aujourd'hui 435 salariés et prévoit d'atteindre 850 d'ici la fin 2027, soit près du double. C'est un pari sur le fait que les entreprises déploieront massivement des agents et paieront pour l'infrastructure qui permet de les maîtriser.

Dossier

Questions clés sur cet article

Comment un projet personnel est devenu une entreprise?

Chase a obtenu son diplôme à Harvard en 2017, puis a travaillé comme ingénieur en apprentissage automatique chez Kensho Technologies et Robust Intelligence. Il y a rencontré Ankush Gola, diplômé en génie électrique de Princeton en 2015, qui avait ensuite passé quatre ans comme ingénieur senior chez Facebook. Un mois après la sortie de LangChain, ChatGPT est arrivé, et la première vague de développeurs qui voulaient construire des applications autour des modèles de langage s'est tournée notamment vers ce projet.

Que sait-on sur Ce pour quoi les clients paient : LangSmith ?

On peut se représenter LangSmith comme un centre de contrôle pour agents. Il fonctionne avec n'importe quel framework et n'importe quel modèle, et pas seulement avec LangChain lui-même. Les agents peuvent tourner dans le cloud de LangChain ou dans le compte AWS, Azure ou Google Cloud du client. La plateforme suit et évalue le comportement des agents, et gère en plus les modèles, outils et données auxquels ils ont accès. Nouveauté distincte : LangSmith Engine.

Que sait-on sur Ce qu'il faut retenir pour les développeurs et les chefs de produit ?

Chase l'a déclaré au Wall Street Journal : « Le comportement de l'agent est la partie la plus difficile à contrôler. » Un agent peut bien se comporter en démonstration et agir de façon étrange sur des données réelles. Sans traçabilité, évaluation de la qualité et restrictions d'accès, il est presque impossible de s'en apercevoir.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
Qu'en pensez-vous ?
Chargement des commentaires…