TwelveLabs, une jeune pousse qui construit des modeles d'IA pour comprendre la video, a leve 100 millions de dollars dans un tour de serie B, annonce le 1er juillet. Le tour a ete co-dirige par NEA et NAVER Ventures, et sa liste d'investisseurs est la premiere chose a noter, car elle inclut Amazon aux cotes d'Index Ventures, Radical Ventures, Korea Investment Partners, Quadrille Capital et Red Bull Ventures. TwelveLabs n'est pas un nouveau nom dans ce domaine. L'entreprise est connue pour des modeles qui permettent aux logiciels de rechercher et de decrire le contenu de la video, le genre de technologie qui peut trouver chaque moment ou un objet, une action ou une personne particuliere apparait a travers une immense archive de rushes, ce qui est un probleme reellement difficile que l'IA axee sur le texte ne resout pas a elle seule.
Ce a quoi sert l'argent importe plus que le montant. TwelveLabs utilise le tour pour aller au-dela de la comprehension video, qui est essentiellement une tres bonne recherche et un tres bon etiquetage, vers ce qu'elle appelle un systeme d'intelligence agentique complet pour la video. L'idee est de reunir trois choses habituellement separees, la perception, la connaissance et le raisonnement, dans une seule architecture destinee a la video. La ou un modele de comprehension peut vous dire qu'un clip contient un chariot elevateur et un deversement, un systeme agentique est cense raisonner sur la scene, la relier a ce qu'il sait deja, et prendre ou recommander une action. L'entreprise s'est mise a decrire l'objectif comme une superintelligence video, ce qui releve du langage marketing, mais le glissement sous-jacent, de l'etiquetage de ce qui se trouve dans une video au raisonnement a son sujet, est une etape reelle et difficile.
Le volet Amazon de l'annonce est sans doute la plus grande histoire. TwelveLabs a designe Amazon Web Services comme son fournisseur de nuage prefere et a signe un engagement strategique pluriannuel qui va bien au-dela de la location de serveurs. Les deux entreprises ont declare qu'elles optimiseraient l'inference video de TwelveLabs pour qu'elle tourne sur AWS Trainium, les propres puces d'IA d'Amazon, plutot que de dependre uniquement du materiel Nvidia, et que les nouveaux modeles de TwelveLabs seraient lances d'abord sur AWS. C'est un signal significatif dans deux directions. Pour Amazon, soutenir un specialiste de l'IA video et le faire tourner sur Trainium fait partie de son effort pour prouver que son silicium maison peut gerer des charges de travail d'IA serieuses et pour securiser un point d'ancrage dans une modalite qu'elle ne possede pas. Pour TwelveLabs, un alignement etroit avec un seul nuage est un pari selon lequel une puissance de calcul et une distribution garanties valent plus que de rester neutre.
En prenant du recul, la levee s'inscrit dans un schema plus large, a savoir que la video devient son propre champ de bataille distinct dans l'IA. La plupart des progres visibles de ces dernieres annees ont eu lieu dans le texte et, plus recemment, dans la generation d'images et de clips. La comprehension de la video a grande echelle, le probleme bien moins glamour consistant a donner du sens a l'enorme volume de rushes que les cameras de securite, les entreprises de medias, les usines et les telephones produisent chaque jour, a pris du retard, precisement parce que c'est difficile et couteux. Un tour de financement comme celui-ci, avec a la fois de l'argent de capital-risque et un geant du nuage derriere lui, est un pari selon lequel la prochaine couche de valeur de l'IA n'est pas un autre agent conversationnel mais des systemes capables de regarder et de raisonner sur le monde physique et enregistre. Cela relie la comprehension video au meme vaste glissement vers les agents et vers une IA qui agit, plutot que de seulement repondre.
Les reserves meritent d'etre gardees en vue. Cent millions de dollars sont une somme serieuse mais modeste a cote des milliards qui affluent vers les laboratoires de modeles de pointe, et cela signale un specialiste solide plutot qu'un nouveau geant. Le mot superintelligence devrait etre lu comme une ambition, pas comme une description, puisque raisonner de maniere fiable sur la video du monde reel, desordonnee, reste un probleme non resolu, et les acheteurs en entreprise jugeront le produit sur la precision et le cout, pas sur des slogans. Il y a aussi les questions familieres qui suivent tout bond dans la comprehension de la video par les machines, sur la surveillance, le consentement et qui a le droit de pointer ces systemes vers qui, qui deviennent plus pressantes a mesure que les outils s'ameliorent. Mais en tant que signal de marche, le tour est assez clair. Une entreprise d'IA video reconnue vient de securiser un large tresor de guerre, une liste prestigieuse de bailleurs de fonds, et un partenaire de nuage pret a engager ses propres puces, le tout pointe vers la meme idee, selon laquelle apprendre a l'IA a veritablement comprendre et raisonner sur la video est sur le point de compter bien plus que cela n'a ete le cas.