Snorkel AI, une start-up qui développe des jeux de données d’entraînement et des environnements simulés pour les laboratoires et les entreprises d’IA, a levé $350 millions lors d’un tour de Série E mené par Insight Partners et S32. La valorisation de l’entreprise, qui existe depuis sept ans, a atteint $3.5B, soit environ trois fois le niveau de $1.3B atteint lors de son tour de Série D il y a 17 mois. Addition, Lightspeed, Greylock, GV et Wells Fargo ont également participé au tour.
Alors que Snorkel proposait initialement des logiciels d’automatisation de l’étiquetage des données, l’entreprise s’est tournée l’an dernier vers des jeux de données finalisés, qu’elle qualifie de « data-as-a-service ». L’entreprise associe des experts du domaine à des logiciels et à des modèles dans le cadre d’une approche hybride qui inclut également la génération de données synthétiques. Snorkel indique que ses revenus annualisés ont été multipliés par dix-huit au cours des 12 derniers mois pour atteindre $375 millions, et attribue cette croissance à la demande des laboratoires d’IA pour des données d’entraînement avancées.
Les revenus annualisés bruts annoncés pour des entreprises similaires sont les suivants :
- Mercor : $2 milliards
- Handshake : $1 milliard
- Micro1 : $500 millions
Ces entreprises versant environ 60 à 70 % de leurs revenus aux experts qui effectuent le travail, leurs revenus nets sont nettement inférieurs à ces montants bruts. Snorkel affirme pour sa part vendre des environnements d’apprentissage par renforcement (RL) et des jeux de données finalisés plutôt que du travail humain, et comptabiliser les paiements versés aux experts dans le coût des marchandises vendues, et non dans les revenus.
L’entreprise a commencé ses activités commerciales en 2019, après quatre années de recherche menées par Alex Ratner et l’équipe de Stanford AI lab.
Pourquoi c’est important
Le fait que Snorkel ait fait évoluer son modèle économique, de l’automatisation de l’annotation vers des jeux de données finalisés et des environnements simulés, montre que les équipes développant l’AI recherchent une infrastructure de formation directement utilisable et intégrant une expertise, plutôt que de simples données brutes. Cette structure hybride, qui combine les contributions d’experts du domaine avec des logiciels, des modèles et la production de données synthétiques, montre comment le processus de préparation des données est commercialisé. Toutefois, les revenus des entreprises du secteur ne sont pas constitués de la même manière : certaines comptabilisent en brut les paiements versés aux experts dans leurs revenus, tandis que Snorkel les inscrit dans le coût des marchandises vendues ; les chiffres publiés ne peuvent donc pas être comparés directement. La question reste de savoir comment ce modèle préservera la croissance des revenus et la qualité des données tout en répondant à la demande de données sophistiquées, et comment la structure des coûts des services de données se standardisera dans le secteur.