ElevenLabs : une voix vaut 11 milliards de dollars (et ce n'est pas le plafond)

Pendant que le monde se demande quand GPT-5 remplacera les programmeurs, ElevenLabs s'empare discrètement, et avec beaucoup de qualité, de tout ce qui sonne. Un tour de table de 500 millions de dollars auprès de Sequoia Capital, pour une valorisation de 11 milliards, n'est pas qu'une affaire d'argent. C'est la reconnaissance officielle que le marché de la génération audio a cessé d'être un jouet pour fabriquer des mèmes avec des voix de politiques, et qu'il est devenu une vraie industrie, avec de gros chèques et des enjeux sérieux.

Il y a un an à peine, l'entreprise valait trois fois moins. Une telle envolée, alors que le capital-risque panse encore ses plaies après la crise, en dit long. Les investisseurs de Sequoia ont manifestement vu en ElevenLabs plus qu'un énième réseau de neurones de synthèse vocale : la future infrastructure de tous les contenus du monde. Si l'on peut cloner une voix en quelques secondes et la traduire dans des dizaines de langues en conservant des intonations uniques, on réinvente de fait l'industrie du doublage et de la localisation traditionnels.

Rappelons comment tout a commencé. ElevenLabs a fait irruption dans l'espace médiatique avec une technologie qui effrayait par son réalisme. À l'époque, elle ressemblait à un jouet dangereux pour canulars. Mais la start-up a vite dépassé ses maladies de jeunesse et s'est étendue à l'édition, au jeu vidéo et aux médias. Aujourd'hui, tout le monde intègre son API, des développeurs indépendants de jeux indés aux géants qui doivent faire narrer des milliers d'heures de livres audio sans recourir à des acteurs. Les économies sur les heures de studio et les cachets des narrateurs se chiffrent en ordres de grandeur.

Cette croissance soulève évidemment des questions légitimes. 11 milliards de dollars pour une entreprise de synthèse vocale, n'est-ce pas trop ? Après tout, Meta* et OpenAI travaillent aussi sur leurs propres modèles audio, avec des ressources pratiquement illimitées. Pourtant, ElevenLabs a réussi à bâtir autour de son produit un écosystème et une marque associée à la qualité numéro un. Dans un monde de l'IA où les modèles open source talonnent les solutions propriétaires, conserver cette avance n'a rien d'une mince affaire. Mais 500 millions de capital frais lui offrent une belle marge de manœuvre et de quoi poursuivre la recherche.

Il est intéressant de voir l'attention des grands acteurs se déplacer. Si l'an dernier a été placé sous le signe du texte et du code, celui-ci appartient clairement aux contenus multimédias. La vidéo de Sora et l'audio d'ElevenLabs forment une nouvelle boîte à outils pour créer du contenu en un clic. Cela effraie les professionnels du secteur, mais pour les entreprises, c'est de la pure arithmétique : pourquoi payer un studio un mois de travail si un service cloud fait la même chose en cinq minutes et cent fois moins cher ? Nous entrons dans une ère où la voix devient un actif numérique, comme une police de caractères ou un logo.

Mais cette médaille a son revers. Avec la capitalisation, la responsabilité grandit aussi. Les problèmes de deepfakes et de vol d'identité vocale n'ont pas disparu. ElevenLabs devra consacrer une part importante de ces 500 millions à la sécurité et aux batailles juridiques avec les syndicats d'acteurs, qui commencent déjà à poser des questions embarrassantes. La façon dont l'entreprise utilisera cet argent sera connue dans les prochains mois, mais une chose est sûre : la voix coûte désormais cher.

L'essentiel : ElevenLabs n'est plus une entreprise qui court après les autres, mais la cible numéro un de ses concurrents. Saura-t-elle justifier sa valorisation de 11 milliards quand Google et Apple intégreront des fonctions similaires directement dans leurs systèmes d'exploitation ?

*Meta est reconnue comme organisation extrémiste et interdite en Fédération de Russie.