For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/fr/articles/labelbox-raises-100m-for-horizon-and-recu-c952439e.md.
Labelbox a annoncé plus de 100 millions de dollars de financement de série E le 14 octobre 2026, pour une **valorisation pré-money de 1,25 m...
Labelbox a annoncé plus de 100 millions de dollars de financement de série E le 14 octobre 2026, pour une valorisation pré-money de 1,25 milliard de dollars. Infinitum Partners a dirigé le financement, avec la participation de Wipro Ventures, a16z, B Capital, Tau Ventures, Snowpoint Ventures et d'autres investisseurs.
L'annonce soutient deux produits destinés à des clients différents : Horizon, qui fournit des environnements d'apprentissage par renforcement aux créateurs de modèles, et Recursion Managed Agents, qui exécute des tâches pour les équipes d'entreprise. Tous deux reposent sur une boucle de retour d'information qui évalue un résultat et utilise cette évaluation pour améliorer les travaux ultérieurs.
Le financement comprend à la fois des capitaux propres et une facilité de crédit. Cette distinction doit rester associée au montant annoncé : l'entreprise n'a pas présenté l'intégralité de la somme comme de nouveaux capitaux propres levés.
De même, le chiffre de 1,25 milliard de dollars est explicitement une valorisation pré-money. Il ne s'agit pas d'une valorisation post-money annoncée, et ajouter l'intégralité du montant du financement à ce chiffre ignorerait la répartition non divulguée entre capitaux propres et crédit.
Labelbox affirme avoir atteint la rentabilité en 2026 tout en enregistrant une croissance de plus de cinq fois sur un an. L'entreprise indique également compter plus de 400 clients et entretenir des relations avec plus de 90 % des principaux laboratoires d'IA américains. Il s'agit de déclarations de l'entreprise et non de chiffres audités de manière indépendante, et l'annonce ne fournit pas les définitions détaillées nécessaires pour reconstituer chaque indicateur.
L'entreprise prévoit d'utiliser le financement pour la recherche, l'ingénierie et les équipes chargées de fournir Horizon et Recursion aux clients. La note de son fondateur décrit une évolution allant des logiciels de données d'entraînement aux environnements d'entraînement de modèles, puis aux agents opérationnels.
Horizon est conçu pour les laboratoires de pointe qui ont besoin que les modèles s'exercent à des tâches complexes et reçoivent un retour utile. Son approche WorldSim construit des environnements de travail simulés contenant du code, des tableaux de bord, des feuilles de calcul, des présentations et des documents, plutôt que de ne soumettre au modèle qu'une question isolée.
La séquence prévue est la suivante :
Labelbox décrit des récompenses calibrées et des évaluations ajustées aux objectifs pass@k des clients. En termes simples, cette mesure concerne la réussite lorsqu'un modèle dispose d'un nombre donné de tentatives ; elle ne signifie pas qu'une exécution unique réussit systématiquement.
La page Horizon couvre le codage, la recherche, le travail de connaissance multimodal, les agents vocaux utilisant des outils, l'utilisation d'ordinateurs et la cybersécurité. Elle décrit également des comparaisons de préférences humaines pour enseigner le jugement lorsqu'il existe plusieurs résultats techniquement acceptables. Un contrôle déterministe peut établir si une tâche respecte une règle, tandis que le retour d'experts peut distinguer la qualité de deux approches par ailleurs valides.
Recursion Managed Agents applique une boucle similaire au travail en entreprise. Le lancement du 8 octobre de Labelbox décrit trois entrées : l'objectif, l'événement qui déclenche le travail et la grille utilisée pour évaluer le résultat.
Une exécution peut démarrer à partir d'une planification, d'une alerte, d'un message Slack, d'un webhook ou d'un appel API. Un agent évaluateur distinct vérifie le résultat par rapport à la grille et indique les éléments probants. Les critères non satisfaits peuvent entraîner des révisions, tandis que les échecs persistants peuvent être transmis à une personne chargée de la revue, accompagnés de la transcription et des notes de l'évaluateur.
Le produit propose trois modes de fonctionnement :
| Mode | Comportement annoncé |
|---|---|
| Multi-agent | Un coordinateur délègue à des spécialistes disposant de leurs propres modèles, instructions, outils et autorisations |
| Équipe | Des copies d'un agent se répartissent des tâches indépendantes sur un tableau partagé et vérifient les résultats |
| Auto | Le mode par défaut choisit quand des spécialistes ou une équipe sont nécessaires |
Labelbox indique que les agents peuvent travailler dans plus de 100 applications métier et serveurs MCP. Les autorisations d'outils distinguent les actions en lecture seule, les modifications de données et les opérations destructrices, tandis que les identifiants sont conservés dans un coffre-fort plutôt que d'être exposés au modèle.
Ces contrôles décrivent le fonctionnement prévu du produit. Ils ne prouvent pas que chaque tâche doive être exécutée sans supervision ni qu'une grille d'évaluation couvre automatiquement toutes les exigences d'une entreprise.
Le lancement des agents gérés explique comment des rapports de session peuvent devenir une mémoire réutilisable. Après cinq nouveaux rapports, et au maximum une fois par heure, un curateur peut les examiner et mettre à jour les enseignements d'un agent. Les clients peuvent inspecter la mémoire, examiner les modifications récentes, supprimer les enseignements obsolètes ou désactiver la mémoire pour un agent.
Cette distinction est essentielle pour interpréter les déclarations de l'entreprise concernant les améliorations. Une exécution future peut utiliser un meilleur historique des travaux précédents sans modifier les poids du modèle sous-jacent. Le lancement précise explicitement qu'aucun modèle n'a été réentraîné pendant l'exemple présenté.
Decrivez votre idee une fois, et We0 AI peut generer un site vitrine, des pages et un CMS, puis vous aider a attirer clients et trafic apres le lancement.
Une génération de projet complète pour une inscription gratuite
Idéal pour essayer un flux de génération complet et voir rapidement une première ébauche de projet.
Labelbox décrit 39 revues de pull requests évaluées pour une version d'agent et un modèle. Parmi les 33 revues ayant satisfait l'évaluateur, le coût médian est passé de 13,15 $ pour les 11 premières à 8,90 $ pour les 11 dernières, tandis que le temps par revue est resté d'environ 27 minutes et que la mémoire a été mise à jour 15 fois.
Il s'agit d'un exemple observationnel interne, et non d'un essai contrôlé portant sur un travail identique. Labelbox note elle-même que chaque pull request était différente. Cet exemple suggère une approche de mesure utile, consistant à comparer simultanément qualité et coût, mais n'établit pas une économie universelle de 32 % pour tous les clients.
Le rapport source et le lancement du produit décrivent des environnements isolés, des outils à portée limitée, des identifiants conservés dans un coffre-fort et une absence de conservation des données chez les fournisseurs externes de LLM. Ces déclarations ne doivent pas être transformées en affirmation selon laquelle l'ensemble du produit ne conserve aucune information : Recursion stocke également des enregistrements de session et de la mémoire sélectionnée dans le cadre de sa conception.
Avant d'utiliser le produit avec des données métier, une équipe doit vérifier les conditions contractuelles applicables, les accords avec les fournisseurs, les paramètres de conservation et la documentation de conformité. Une liste de cadres de conformité pris en charge ne remplace pas la vérification des rapports ou assurances applicables à ce déploiement particulier.
Labelbox décrit une tarification par heure de session d'agent, avec les coûts de calcul et de modèle intégrés à une estimation. Les tarifs et conditions en vigueur doivent être consultés dans la documentation tarifaire ; l'annonce de financement ne constitue pas un devis à prix fixe pour un flux de travail donné.
La documentation tarifaire consultée le 15 octobre décrit des crédits prépayés et l'absence de forfaits, de licences par utilisateur ou de frais d'abonnement. Elle identifie également une exception : lorsque l'utilisation du modèle est facturée par l'intermédiaire du propre fournisseur du client, l'estimation par heure de session ne couvre que le calcul. La configuration choisie importe donc davantage qu'un tarif horaire unique mis en avant.
Labelbox a annoncé plus de 100 millions de dollars de financement. Ce montant comprend des capitaux propres et une facilité de crédit ; il ne doit donc pas être intégralement présenté comme un investissement en capitaux propres.
Labelbox qualifie explicitement ce chiffre de valorisation pré-money. L'annonce ne fournit pas suffisamment de détails sur la répartition entre capitaux propres et crédit pour calculer de manière fiable une valorisation post-money à partir du seul montant annoncé.
Horizon fournit des environnements d'apprentissage par renforcement et des capacités d'évaluation pour les créateurs de modèles. Recursion Managed Agents exécute des tâches d'entreprise, évalue les résultats et utilise les retours de session pour orienter les travaux futurs.
Le lancement décrit une mémoire sélectionnée que les sessions ultérieures peuvent utiliser, plutôt qu'une mise à jour automatique des poids du modèle après chaque exécution. Labelbox indique que l'exemple de pull request cité a utilisé le même modèle tout au long du processus, sans le réentraîner.
Les déclencheurs annoncés comprennent les planifications, les alertes, les messages Slack, les webhooks et les appels API. Les actions disponibles pour l'agent dépendent toujours des outils et des autorisations configurés pour celui-ci.
Non : cette déclaration concerne le traitement par les fournisseurs externes de modèles et n'efface pas les propres enregistrements de session ou la mémoire du produit. Consultez les conditions et paramètres actuels du produit pour les données concernées par un déploiement.
Le financement de Labelbox étend ses travaux sur les environnements d'entraînement de modèles et les agents d'entreprise gérés. Les modalités annoncées dépassent 100 millions de dollars, répartis entre capitaux propres et crédit, pour une valorisation pré-money de 1,25 milliard de dollars.
Pour l'évaluation d'un produit, la question centrale est de savoir si le travail évalué améliore la qualité et le coût selon la propre grille, les autorisations et les exigences de données d'une équipe.
Partez d’une phrase et obtenez un site complet en quelques minutes.
