Voir les titres Ne plus voir les titres
Son nom dit peu de choses au grand public, mais vous utilisez probablement des produits qu’il a contribué à façonner. Kevin Weil, 43 ans, a dirigé le produit chez Twitter, Instagram puis OpenAI, avant de quitter le créateur de ChatGPT en avril dernier. Le voilà de retour avec un projet encore sans nom ni produit public, pour lequel il chercherait à lever 150 millions de dollars sur une valorisation d’au moins 750 millions, selon Business Insider, qui cite trois personnes proches des discussions.
L’objet de cette nouvelle entreprise tient en une phrase : produire les données scientifiques dont les modèles d’intelligence artificielle ont besoin pour faire des découvertes. Un pari qui place l’Américain au cœur d’une course naissante aux laboratoires pilotés par l’IA, où les centaines de millions de dollars affluent déjà. Qu’est-ce qui vaut à un projet aussi discret une étiquette de trois quarts de milliard ?
Un bâtisseur de produits passé par Twitter, Instagram et Planet
Le parcours de Kevin Weil suit une ligne étonnamment cohérente. Chez Twitter, puis chez Instagram, il a occupé des postes de direction produit au moment des grandes bascules de ces plateformes, avant de rejoindre Planet, spécialiste des données satellitaires, comme président du produit et des activités commerciales. Trois expériences, un même fil rouge : transformer une technologie complexe en service utilisable à grande échelle.
Ce profil de bâtisseur lui vaut d’être recruté par OpenAI en juin 2024 comme directeur produit. Il y supervise la période où ChatGPT s’installe dans le quotidien de centaines de millions d’utilisateurs, et où l’entreprise cherche à monétiser sa percée technologique auprès du grand public comme des entreprises. Son passage prendra pourtant une direction inattendue.
Chez OpenAI, du produit grand public à la science
Moins d’un an et demi après son arrivée, Weil quitte la direction produit pour l’organisation de recherche, où il lance OpenAI for Science, une initiative dédiée à la découverte scientifique. Il y pilote notamment Prism, un espace de travail conçu pour mettre les modèles de pointe directement entre les mains des chercheurs, dans leurs travaux d’analyse et d’écriture.
Son départ, en avril 2026, intervient après un peu moins de deux ans dans l’entreprise. L’intéressé l’explique par une réorganisation : l’initiative scientifique était en cours de décentralisation vers les autres équipes de recherche, d’après les éléments rapportés par Inc. La suite montre qu’il n’a pas abandonné le sujet, bien au contraire.
Sa nouvelle société s’attaque à un autre étage de la pile technologique. Il ne s’agit plus de fournir des outils aux scientifiques, mais de produire la matière première des futurs modèles : des données expérimentales inédites. La manière d’y parvenir reste, elle, ouverte.
150 millions de dollars pour une société encore muette
Les contours exacts du projet restent flous, et les termes de la levée ne sont pas définitifs. Plusieurs pistes de collecte de données sont évoquées par Business Insider, sans qu’aucune ne soit confirmée à ce stade des discussions :
- exploiter des laboratoires en propre, capables de produire des données expérimentales contrôlées ;
- nouer des partenariats avec des laboratoires académiques ou industriels existants ;
- acquérir des jeux de données scientifiques déjà constitués ;
- déployer un logiciel embarqué dans les laboratoires pour capter les données à la source.
Chacune de ces options dessine une entreprise différente, du groupe industriel lourd à l’éditeur de logiciel léger. Ce flou n’a pas découragé les investisseurs approchés, car le marché sous-jacent, lui, est déjà en pleine effervescence.
Une course où les millions affluent déjà
Weil arrive sur un terrain où plusieurs acteurs ont pris de l’avance. Le tableau ci-dessous résume les principales initiatives engagées dans les laboratoires autonomes pilotés par l’IA :
| Acteur | Financement | Objet |
|---|---|---|
| Periodic Labs | 300 millions $ en amorçage | Scientifiques IA et laboratoires autonomes |
| Lila Sciences | 350 millions $ en série A, 550 millions au total | Usines à science pilotées par l’IA |
| National Science Foundation | 380 millions $ pour 20 équipes | Réseau national de laboratoires automatisés |
La fondation américaine a annoncé son programme en juillet, complété par plus de 20 millions de dollars de l’institut Astera. Periodic Labs, fondée par un ancien chercheur d’OpenAI et un ancien de Google DeepMind, illustre la filiation directe entre les grands laboratoires d’IA et cette nouvelle vague d’entreprises.
Pourquoi la donnée expérimentale vaut si cher
Le raisonnement qui sous-tend ces investissements tient à une limite structurelle : une IA scientifique ne peut pas tout apprendre de ce qui existe déjà en ligne. La littérature publiée surreprésente les expériences réussies, alors que les résultats négatifs, rarement publiés, ont une vraie valeur pour entraîner des modèles. Un corpus propriétaire incluant ces résultats et leur contexte expérimental devient un avantage défendable, précisément parce qu’il ne peut pas être aspiré sur le web.
Le goulot d’étranglement de la science pilotée par l’IA est de plus en plus non pas la génération d’idées, mais leur mise à l’épreuve physique.
Milad Abolhasani, directeur des technologies accélérées à l’université d’État de Caroline du Nord, propos recueillis par Inc., le 12 août 2026
Les modèles savent déjà proposer et hiérarchiser des expériences plus vite que les laboratoires classiques ne peuvent les exécuter. L’enjeu devient de bâtir une boucle où chaque expérience améliore le choix de la suivante, un cercle vertueux entre IA, données et expérimentation physique.
La question que pose le pari de Kevin Weil
Reste à savoir quelle partie de cette boucle l’ancien dirigeant d’OpenAI compte posséder : les laboratoires, le logiciel qui les orchestre, ou le corpus de données lui-même. Son passé plaide pour la couche produit, là où ses concurrents investissent d’abord dans le matériel et les infrastructures. Sollicité, l’intéressé n’a pas commenté.
Ce mouvement dit aussi quelque chose de la recomposition en cours autour d’OpenAI. Les cadres qui s’en éloignent lancent leurs propres structures pendant que Sam Altman verrouille sa position, et que d’autres figures défendent des visions concurrentes de la prochaine étape de l’intelligence artificielle, de la prudence prêchée par Dario Amodei au pari milliardaire de Yann LeCun.
Pour l’Europe, cette course aux données scientifiques mérite d’être suivie de près : ses laboratoires publics produisent une matière expérimentale considérable, encore peu valorisée. Si la donnée de laboratoire devient l’actif stratégique de la décennie en IA, la question de qui la capte, et à quelles conditions, se posera aussi de ce côté-ci de l’Atlantique.
