Mirendil annonce une série A d’un milliard de dollars pour accélérer le développement de ses modèles d’intelligence artificielle. D’après Briefia, ce tour est co-dirigé par Kleiner Perkins et Clearlake, avec la participation de Google. Créée l’an dernier par d’anciens chercheurs de Google DeepMind et d’Anthropic, la jeune pousse entend construire ses propres modèles tout en automatisant une partie importante de leur conception et de leur entraînement.
Un financement centré sur les modèles et le code
Le modèle de base de Mirendil, baptisé Mirendil-Base, sert notamment de fondation à Fern, un modèle de codage présenté le mois dernier. L’entreprise indique que cet outil vise des problèmes de programmation rencontrés dans les laboratoires d’IA. Fern pourrait traiter jusqu’à 10 millions de tokens par requête. Les tokens sont des unités de texte utilisées par les modèles de langage pour analyser et produire une réponse. Selon Mirendil, cette capacité représente dix fois celle de Claude Opus 5.5 et correspondrait à environ 500 000 lignes de code.
Ces performances et ces comparaisons sont avancées par Mirendil. La société précise que Fern repose sur une version de Mirendil-Base comptant entre 100 et 500 milliards de paramètres. Les paramètres sont les valeurs internes qui permettent à un modèle de langage de traiter les données et de générer ses sorties. Mirendil affirme également avoir présenté, à la fin du mois dernier, deux versions améliorées de ses modèles, dont la taille atteindrait jusqu’à 10 trillions de paramètres.
Des agents pour automatiser l’entraînement
L’autre axe de la société concerne Lor, son premier produit. Cette plateforme automatise plusieurs tâches liées aux sessions d’entraînement des modèles. Elle s’appuie sur des agents d’intelligence artificielle, c’est-à-dire des logiciels capables d’exécuter une suite de tâches définies et de réagir aux résultats obtenus. Mirendil explique que le travail est réparti entre des centaines d’agents, chargés notamment de tester des variantes, de comparer les résultats et de corriger automatiquement certaines erreurs repérées lors des évaluations.
La jeune pousse attribue également à cette automatisation une partie de la rapidité de son développement. Elle rapporte qu’un seul chercheur a travaillé à la création d’un modèle de codage présenté comme destiné à atteindre le niveau des principaux modèles de langage open source. Selon Mirendil, ce projet a été réalisé en environ 3,5 mois, pour un coût de 10 millions de dollars. L’entreprise affirme que ses agents ont écrit plus de 99 % du code de Mirendil-Base, mais aussi participé à la mise en place de l’infrastructure, au choix de l’algorithme d’entraînement, à la collecte des données et à l’affinage du jeu de données et de l’architecture.
| Élément | Donnée annoncée |
|---|---|
| Levée | 1 milliard de dollars |
| Investisseurs | Kleiner Perkins, Clearlake et Google |
| Modèle de codage | Fern, jusqu’à 10 millions de tokens par requête |
| Modèles annoncés | Jusqu’à 10 trillions de paramètres |
Une nouvelle étape dans la course aux infrastructures d’IA
La levée place Mirendil dans le mouvement des jeunes entreprises qui cherchent à concurrencer les laboratoires établis en développant leurs propres modèles et leurs outils de production. Son approche ne se limite pas à un assistant de codage : elle vise aussi les étapes situées en amont, comme la préparation des données, l’expérimentation des architectures et l’évaluation des entraînements. Les affirmations concernant le niveau des modèles, le volume de code généré et les gains liés aux agents restent toutefois celles de l’entreprise.
Avec ce financement, Mirendil dispose désormais de moyens supplémentaires pour poursuivre ses travaux autour de Mirendil-Base, de Fern et de Lor. Briefia précise que l’entreprise a été fondée par des profils issus de Google DeepMind et d’Anthropic, deux acteurs connus du développement de modèles d’intelligence artificielle. Aucun détail supplémentaire sur l’utilisation précise du milliard de dollars n’est fourni dans les éléments publiés par Mirendil.