Mirendil: deux cents millions pour une IA qui fasse ses propres recherches

01 July 2026 Publié | Traduit de l'espagnol

La startup Mirendil, basée à San Francisco, a levé 200 millions de dollars sans avoir de produit ni de revenus. Son objectif est de développer une intelligence artificielle capable d'automatiser la recherche en IA, permettant aux universités et aux petits laboratoires de créer des modèles spécialisés sans grandes équipes. Pour les citoyens, cela pourrait accélérer les avancées en médecine ou en matériaux, bien que le risque soit évident.

interface de recherche holographique lumineuse flottant au-dessus d'un bureau, bras robotique avec outil de micro-soudure assemblant une puce prototype, équipement de laboratoire universitaire éparpillé et baies de serveurs en arrière-plan, silhouette de scientifique ajustant un affichage de réseau neuronal transparent montrant des chemins de lumière bleue ramifiés, illustration technique cinématographique, éclairage froid bleu et blanc, particules de poussière illuminées dans l'air, surfaces métalliques avec reflets, visualisation technique photoréaliste

Le défi technique d'une IA qui fait de la recherche 🧪

Le projet vise à ce que l'IA non seulement traite des données, mais formule des hypothèses, conçoive des expériences et tire des conclusions. Cela implique de maîtriser des domaines tels que l'apprentissage par renforcement et la génération de nouvelles connaissances. Cependant, l'absence d'un produit minimum viable et l'absence de revenus suscitent des doutes. La promesse est que les petits laboratoires puissent concurrencer les géants de la technologie, mais le chemin technique est incertain et nécessite une validation constante.

200 millions pour une IA qui ne sait même pas encore s'allumer 🤖

Mirendil a réussi ce que de nombreuses startups envient : lever une fortune sans avoir rien montré de tangible. Son plan est que l'IA fasse des recherches par elle-même, mais pour l'instant, elle ne fait que chercher comment dépenser l'argent. Si le projet échoue, il aura au moins démontré qu'il est plus facile de demander un financement que de programmer. Pendant ce temps, les universités attendent patiemment que la machine décide de se mettre au travail.