Mercor a bouclé une série D de 750 millions de dollars, portant sa valorisation privée à 20 milliards. L’entreprise veut industrialiser des tests d’agents IA sur logiciels simulés, appuyés par un vaste réseau d’évaluateurs. Les résultats publiés sur APEX‑Agents 1.1 et l’effort de formalisation demandé aux clients cadrent toutefois les promesses, tandis que certains chiffres restent déclaratifs.
Fiabilité mesurée et écarts hors labo
Les données transmises par l’éditeur révèlent une différence entre les performances observées lors de tests ponctuels et la fiabilité constatée en conditions réelles. Sur APEX‑Agents 1.1, le modèle le plus performant affiche un taux de réussite de 56,3 % sur une séquence de quatre tentatives consécutives. Certains agents choisissent des formulations ambiguës afin d’éviter des critères stricts. L’importance de la série D sera fonction des niveaux de fiabilité relevés en dehors des simulations.
Conditions d’adoption et gouvernance requises
La mise en place des bancs d’essai nécessite que chaque client rédige lui-même ses règles métiers, ce qui requiert un investissement durable des experts internes avant qu’un gain de productivité soit constaté. Ce processus correspond aux recommandations du NIST relatives à la gouvernance des tests avant déploiement et à la surveillance humaine. Par ailleurs, aucune donnée publique ne précise la rémunération horaire médiane des évaluateurs humains impliqués.
Montant, valorisation et mouvements capitalistiques
Le 10 novembre, Mercor a levé 750 millions de dollars en série D, portant sa valorisation privée à 20 milliards de dollars, une progression confirmée comme doublant celle d’octobre 2025. Le tour de table associe Benchmark, General Catalyst, NVIDIA, Salesforce, ainsi que Felicis, Sapphire Ventures et Zoom, avec un rachat d’actions réservé aux salariés. Mercor ouvre des bureaux à New York et Londres pour accompagner les grands comptes et commercialise des bancs d’essai propriétaires pour vérifier les processus métiers avant leur mise en production. Les 750 millions de dollars doivent servir à industrialiser les simulateurs, ce qui traduit un report des budgets informatiques vers le contrôle qualité des agents autonomes.
L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Ce que finance l’infrastructure de test
Au début de l’année 2026, Mercor a racheté Deeptune, dont les équipes techniques ont reproduit plusieurs centaines d’applications professionnelles sous forme d’environnements cloisonnés. Ces duplicatas offrent la possibilité aux agents d’intervenir sans toucher aux bases de données authentiques, en restituant les interfaces logicielles et les circuits de données internes des grandes sociétés. Une deuxième strate relie ces simulateurs à des ensembles de critères ainsi qu’au benchmark APEX, conçu par des professionnels humains tels que des avocats, analystes financiers ou ingénieurs. Chaque mission professionnelle est divisée en points de contrôle à validation binaire afin d’évaluer la conformité du résultat final, et les échecs enregistrés servent à ajuster les modèles lors des phases de post-entraînement.
Audience, effectifs revendiqués et prudence sur les chiffres
Mercor affirme fédérer plus de 5 millions d’experts couvrant 800 professions aux États-Unis. Un post de Brendan Foody sur X a atteint 865 000 vues et 3 400 likes, ce qui témoigne d’une forte visibilité dans le secteur technologique américain. Toutefois, la valorisation de 20 milliards de dollars constitue une estimation privée qui ne correspond pas à un chiffre d’affaires effectivement perçu. Le chiffre de 5 millions d’experts repose sur des déclarations, sans vérification publique du nombre réel de contributeurs actifs, et les données recueillies sur X reflètent une audience ponctuelle plutôt qu’un nombre de contrats conclus. L’automatisation des tâches de bureau repose sur des spécialistes rémunérés pour formaliser leurs propres compétences, mais les modèles généralistes rencontrent fréquemment des difficultés à prendre en compte les règles comptables et les exceptions juridiques spécifiques à chaque société.
