Nvidia ne se contente plus de vendre des puces. Le fabricant américain vient de mettre la main sur Kumo AI, une start-up de Mountain View spécialisée dans les prédictions sur données structurées d'entreprise. Le montant confirmé par Fortune et The Information : plus de 400 millions de dollars. Un rachat discret mais révélateur de la direction que prend Nvidia dans la course à l'IA d'entreprise.
Une technologie qui lit entre les lignes de vos données
Kumo AI a été fondée en 2021 par trois anciens des grandes entreprises tech : Vanja Josifovski, ex-directeur technique d'Airbnb, Hema Raghavan, ancienne responsable IA chez LinkedIn, et Jure Leskovec, professeur de sciences informatiques à Stanford University. Leur idée de départ : résoudre un problème que tous les services de données d'entreprise connaissent bien, mais que peu savent adresser.
Les outils d'IA classiques analysent les données en lignes et en colonnes, de façon isolée. Une transaction, un client, une commande : chaque enregistrement est traité séparément. Kumo AI fait le contraire. Sa technologie représente toutes les données comme un réseau de relations, un "graphe", où chaque client est relié à ses achats, ses produits aux fournisseurs, les transactions aux comportements. Ce graphe est ensuite analysé par un réseau de neurones capable de détecter des patterns invisibles dans une base de données classique.
Le résultat concret : une entreprise peut poser des questions en langage naturel du type "Ce client va-t-il résilier son abonnement dans les 30 prochains jours ?" ou "Quel produit ce client est-il susceptible d'acheter ?" et obtenir une réponse précise, en quelques minutes, sans avoir à construire des pipelines d'analyse pendant des mois. Kumo affirme réduire le travail manuel de modélisation jusqu'à 95 %.
Des clients qui pèsent lourd, un financement modeste
Malgré un tour de financement total de seulement 37 millions de dollars (mené par Sequoia Capital), Kumo AI avait réussi à convaincre des entreprises de premier plan. Reddit, DoorDash et la chaîne de grande distribution britannique Sainsbury's utilisaient ses modèles en production. Des partenariats techniques avaient également été noués avec Snowflake et Databricks, les deux plateformes de données les plus utilisées par les grandes entreprises.
Les trois fondateurs ont rejoint Nvidia dès mai 2026, plusieurs semaines avant l'annonce officielle, signe que l'intégration était déjà en cours.
Pourquoi Nvidia veut cette brique
Nvidia est aujourd'hui valorisé à plusieurs milliers de milliards de dollars, essentiellement grâce à ses puces graphiques (GPU) qui font tourner les modèles d'IA. Mais le marché attend désormais autre chose : des solutions complètes, de la puce jusqu'au logiciel. Les grandes entreprises ne veulent pas juste du matériel, elles veulent des systèmes capables de transformer leurs données internes en valeur ajoutée, sans expertise data science en interne.
Kumo AI répond exactement à ce besoin. En intégrant cette technologie à son catalogue, Nvidia peut proposer une offre allant du GPU jusqu'à la couche applicative de prédiction sur données relationnelles. C'est aussi une réponse à la montée en puissance de Microsoft, Google et Amazon, qui construisent tous des plateformes IA d'entreprise de bout en bout.
Ce que ça change pour l'écosystème
Pour les entreprises qui utilisent déjà Snowflake ou Databricks pour stocker leurs données, l'arrivée de Kumo dans l'écosystème Nvidia est une bonne nouvelle potentielle : la technologie devrait être mieux intégrée et plus accessible. Pour les petites équipes data, c'est aussi un signal que l'IA prédictive sur données structurées va devenir progressivement un service standard, plutôt qu'un projet sur mesure réservé aux grandes entreprises.
Le signal plus large : Nvidia multiplie les acquisitions logicielles et algorithmiques. Après des années de domination matérielle, le groupe de Jensen Huang construit désormais une pile complète. Et 400 millions de dollars pour une start-up de 37 M$ levés avec des clients comme Reddit et DoorDash en production, c'est une valorisation qui témoigne du prix que le marché met aujourd'hui sur les données structurées bien exploitées.