Mirendil lève 1 milliard de dollars pour industrialiser la recherche IA
Mirendil a annoncé le 12 novembre 2026 une levée de 1 milliard de dollars menée par Kleiner Perkins et Clearlake Capital. La start-up veut rendre la R&D de pointe plus accessible grâce à des modèles, des agents et une plateforme de travail délégué.
Mirendil a annoncé le 12 novembre 2026 une levée de 1 milliard de dollars en série A, menée par Kleiner Perkins et Clearlake Capital, pour rendre la recherche et le développement en IA de pointe plus accessibles aux scientifiques et ingénieurs. La start-up veut aussi montrer qu’un petit groupe peut accomplir des tâches jusque-là réservées à des équipes entières, voire à une institution. Son pari repose sur des modèles de fondation, des agents logiciels et une infrastructure cloud pensée pour des boucles de recherche plus longues. Le marché, lui, surveille surtout une question simple : ce modèle est-il reproductible, ou seulement spectaculaire sur le papier ?
Une levée massive pour un objectif très précis
Mirendil a réuni un tour de table auquel participent aussi Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC et S32, parmi d’autres investisseurs nouveaux et historiques. La société ne finance pas seulement une équipe produit ; elle cherche à bâtir une chaîne complète, de l’entraînement des modèles à l’exécution de travaux de recherche assistés par agents. Dans ce contexte, la taille du chèque compte moins que la thèse industrielle derrière le financement. Et cette thèse est claire : faire baisser le coût, le temps et le nombre d’humains nécessaires pour produire de la recherche utile.
La start-up a été fondée par 20 chercheurs et ingénieurs issus notamment d’Anthropic, xAI, Google DeepMind et OpenAI, selon son annonce du 24 juin 2026. Elle avait déjà levé 200 millions de dollars en seed, un tour mené par Andreessen Horowitz et Kleiner Perkins, avec la participation de NVIDIA et d’autres investisseurs. Pour une jeune pousse, cela commence à faire beaucoup de capital pour une seule idée. Mais l’idée n’a rien d’anecdotique : si elle fonctionne, elle touche directement la manière dont se construit la prochaine génération de modèles.
Le test technique qui a servi de preuve
Mirendil dit avoir publié le 21 octobre 2026 ses premiers résultats de modèle, et c’est là que l’histoire devient plus concrète. Selon l’entreprise, un chercheur seul, aidé d’agents IA préentraînés, a entraîné Mirendil-Base, un modèle de code, from scratch en 3,5 mois avec moins de 10 millions de dollars de calcul. Le chiffre inclut la recherche, les petits tests, l’exécution finale d’entraînement, les jetons consommés par les agents et le traitement des données.
La société affirme que les agents ont écrit plus de 99 % du code, lancé les expériences et diagnostiqué les échecs, tandis que le chercheur décidait quoi tenter et quoi garder. L’expérience reposait sur du code public, des pages web et des jeux de données publics, sans achat ni licence de données supplémentaires, et sans distillation ni données synthétiques. Mirendil-Base serait dans une fourchette de 100 milliards à 500 milliards de paramètres [à vérifier], tandis que les modèles plus grands Mirendil-Base-Large et Mirendil-Base-XL étaient encore en entraînement au moment du rapport.
Fern et Lor, deux briques pour déléguer le travail lourd
Après ce premier jalon, Mirendil a post-entraîné Mirendil-Base pour en faire Fern 0.1, présenté comme son premier modèle. La page produit décrit un système conçu pour des tâches agentiques à gros volume, comme le débogage de runs d’entraînement, la lecture de traces complètes d’agents ou l’audit de données d’entraînement. Son architecture, son entraînement et son service prennent en charge une fenêtre de contexte allant jusqu’à 10 millions de jetons, soit environ 23 Mo ou un demi-million de lignes de code. Autrement dit, assez pour garder en mémoire des journées de travail d’un agent d’un seul bloc.
L’autre pilier s’appelle Lor. Lancé le 28 octobre 2026, ce système cloud permet à des agents d’écrire du code, de lancer des expériences, de provisionner du calcul et d’opérer sur des machines choisies par l’utilisateur. Mirendil indique qu’un agent peut découper une tâche entre des dizaines d’autres, avec des centaines d’instances actives sur plusieurs projets, et que ces agents peuvent continuer pendant des jours ou des semaines tout en se débloquant eux-mêmes quand quelque chose casse. Oui, c’est le genre d’outil qui donne des sueurs froides aux chefs de projet et des idées aux laboratoires.
L’accès à Lor se fait uniquement sur invitation, en bêta privée. Il est gratuit pendant cette phase sur macOS, Linux et le web, tandis que Windows, iOS et Android sont annoncés comme disponibles prochainement. Les utilisateurs peuvent suivre la progression de chaque agent, l’arrêter et retirer des machines du système.
Le nerf de la guerre reste l’infrastructure
Mirendil a aussi annoncé le 6 août 2026 un partenariat pluriannuel avec Google Cloud. L’accord place les charges de travail d’entraînement, d’inférence et de recherche IA sur l’AI Hypercomputer de Google Cloud, en s’appuyant sur les TPU de Google Cloud et sur l’infrastructure IA complète de NVIDIA. Il prévoit également des clusters d’entraînement gérés et co-conçus sur le calcul, le stockage, le réseau et les plans de contrôle, afin de soutenir des boucles de recherche plus larges.
Cette dimension compte autant que le produit lui-même. Sans capacité de calcul stable, un discours sur l’automatisation de la recherche reste une démonstration de scène. Avec elle, Mirendil tente de relier trois étages : la création de modèles, le pilotage d’agents et la montée en charge cloud. Reste la vraie question, moins glamour et plus décisive : une expérience interne réussie peut-elle devenir un flux de travail fiable pour des équipes externes, avec le même niveau de contrôle et de coût ?
Points clés
- 1 milliard de dollars levés en série A, le 12 novembre 2026.
- Kleiner Perkins et Clearlake Capital ont mené l’opération.
- Un chercheur a entraîné Mirendil-Base en 3,5 mois.
- Moins de 10 millions de dollars de calcul annoncés.
- Lor est en bêta privée sur invitation, gratuite pendant cette phase.
- Google Cloud fournit l’infrastructure du partenariat annoncé en août 2026.
En chiffres
- 1 milliard de dollars — série A annoncée par Mirendil, 12 novembre 2026.
- 3,5 mois — durée d’entraînement revendiquée pour Mirendil-Base.
- Moins de 10 millions de dollars — coût de calcul total annoncé pour l’expérience.
- 10 millions de jetons — fenêtre de contexte maximale revendiquée pour Fern 0.1.
- 20 chercheurs et ingénieurs — équipe fondatrice annoncée en juin 2026.