Behind the Term Sheet: Moonshot AI
3 août 2026
Asie
Behind the Term Sheet
Le 27 janvier 2026, un laboratoire de recherche basé à Pékin publiait un nouveau modèle, un rapport technique et une série de scores de benchmarks qui, pour qui savait les lire, racontaient déjà toute l’histoire.
En vingt jours, le chiffre d’affaires mensuel de Kimi K2.5 avait dépassé ce que l’entreprise avait généré sur l’ensemble de l’année 2025. Le chiffre d’affaires a ensuite doublé chaque mois.
Lorsque Kimi a publié de nouveaux travaux de recherche sur une innovation architecturale fondamentale, Elon Musk a réagi : « Impressive work from Kimi. » Quelques jours plus tard, Cursor lançait Composer 2, propulsé par K2.5. Nouvelle réaction de Musk : « Yeah, it’s Kimi 2.5. »
Chez Cathay Innovation, nous connaissons Moonshot AI depuis son tour de seed. Aussi, lorsque les conditions ont été réunies, il n’a fallu que dix minutes à notre comité d’investissement, des associés répartis dans le monde entier, pour prendre sa décision. À l’unanimité. Nous avons depuis renforcé notre position, avec une deuxième puis une troisième tranche.
Aujourd’hui, avec un chiffre d’affaires qui double chaque mois, un K2.5 en tête des benchmarks mondiaux en coding et en raisonnement agentique, et une valorisation proche de 20 Mds$ rapportée par Bloomberg lors de son dernier tour (un nouveau tour étant actuellement en cours), nous souhaitons partager les raisons de notre investissement dans ce modèle open source qui a rejoint la frontière technologique.
Une histoire de coûts : le débat open source vs. modèles propriétaires
Depuis deux ans, le même débat traverse le marché des LLM : les modèles open source peuvent-ils réellement atteindre la frontière technologique, ou l’écart avec les modèles propriétaires allait-il se creuser indéfiniment à mesure que les laboratoires les mieux capitalisés y investissaient des sommes croissantes ?
K2.5 a tranché la question. Le modèle est en tête de l’open source sur les benchmarks agentiques et de recherche, se positionne au niveau des meilleurs modèles propriétaires en coding, et coûte environ cinq fois moins par token à performance comparable. Un enjeu plus que jamais d’actualité : le monde est avide d’IA, mais scrute désormais son prix.
Cette question du coût est centrale. La contrainte a changé de nature. Il y a un an, la question était de savoir si les entreprises allaient adopter l’IA. Aujourd’hui, elle est de savoir si elles peuvent continuer à se le permettre. Les coûts augmentent plus vite que les budgets, et faute de mécanismes de contrôle habituels aux dépenses logicielles, de grandes entreprises cotées dépassent déjà leur budget IA annuel en quelques mois seulement.
L’avantage coût de Kimi est structurel, construit à chaque niveau de la pile technologique. Son architecture Mixture-of-Experts n’active qu’une fraction des paramètres du modèle à chaque requête, réduisant d’autant les besoins de calcul par inférence. Son infrastructure de serving propriétaire optimise fortement la mise en cache et la réutilisation des requêtes. Son optimiseur d’entraînement, développé en interne, permet une efficacité par token environ deux fois supérieure à volume de données égal. Ces gains s’additionnent. Le résultat : une performance de niveau frontière à une fraction du coût.
Les contraintes, s’il fallait le rappeler, sont sources d’innovation.
La tendance de fond reste précoce. Aujourd’hui, 84 % de la population mondiale n’a jamais utilisé de LLM. Les utilisateurs payants d’IA restent marginaux à l’échelle globale. La consommation de tokens pour le coding et les workflows agentiques croît de façon exponentielle. Le modèle le mieux positionné pour accompagner cette croissance est, aujourd’hui, le plus efficient. Les modèles propriétaires conservent toute leur pertinence : pour les usages les plus critiques, les laboratoires de pointe justifient leur prix. Mais « suffisamment performant à un cinquième du coût » représente une opportunité différente, et plus vaste, que la performance maximale réservée à quelques-uns.
L’open source compte également davantage qu’il y a un an : entreprises et gouvernements souhaitent de plus en plus des modèles qu’ils peuvent auditer, déployer et dans lesquels ils peuvent avoir pleinement confiance. Kimi choisit délibérément d’ouvrir ses travaux originaux, pour gagner la confiance de la communauté, attirer les talents et bénéficier d’une validation indépendante qu’aucun budget marketing ne pourrait acheter.
Portrait de Kimi
Moonshot AI a été fondée en mai 2023 par Zhilin Yang, auteur principal de Transformer-XL et XLNet, deux articles de recherche qui ont façonné la construction des modèles de langage modernes. Diplômé d’un doctorat à Carnegie Mellon, Yang a ensuite rejoint Google Brain, puis Meta AI, avant de fonder une entreprise dédiée à repousser les limites de l’intelligence artificielle. Ce que le parcours ne dit pas : cette équipe construit ses propres architectures, de zéro.
La preuve est dans la recherche. MuonClip, déployé pour la première fois à l’échelle du trillion de paramètres, a doublé l’efficacité d’entraînement. Kimi Linear a introduit une nouvelle architecture d’attention offrant une efficacité de décodage six fois supérieure sur les contextes longs. Attention Residuals repense la manière dont les réseaux de neurones agrègent l’information à travers les couches. Chacune de ces avancées a été mise en open source, revue par les pairs et validée de façon indépendante. Jensen Huang a qualifié Kimi de « l’un des meilleurs modèles de raisonnement open source au monde ». L’entreprise a été mise à l’honneur lors de la NVIDIA GTC de mars 2026, une scène réservée aux acteurs qui repoussent la frontière technologique.
La dynamique commerciale a suivi celle du modèle. K2.5 est le moteur de Composer 2 chez Cursor. Il alimente des produits de coding utilisés par Baidu, Alibaba et Tencent. Parmi les autres entreprises qui ont fait ce choix : Notion, Coinbase, Coursera et Perplexity. La demande API des entreprises est, à l’échelle mondiale, sursouscrite. Le seul plafond à la croissance du chiffre d’affaires aujourd’hui est l’accès au calcul.
Depuis K2.5, Moonshot a continué de livrer : K2.6 a étendu les capacités agentiques, K2.7 a porté la performance en coding à un niveau supérieur. K3 est en préparation.
L’ARR de Kimi a triplé en trois mois depuis mars, porté par une adoption développeurs en forte croissance et par les revenus API, dopés par des capacités modèle en progression rapide. Des acteurs de premier plan à l’échelle mondiale utilisent déjà le modèle Kimi, tandis que les partenariats de l’entreprise avec des acteurs locaux de confiance garantissent une stricte conformité en matière de données.
Notre conviction
Des années de proximité offrent quelque chose qu’aucune data room ne peut montrer : la qualité de la réflexion derrière les décisions. Depuis le début, notre équipe a suivi chaque sortie de modèle, chaque publication d’architecture, chaque décision commerciale, en attendant qu’un vainqueur clair se dégage avant de s’engager. K2.5 a été ce signal.
Notre comité d’investissement est arrivé à cette conclusion en croisant plusieurs angles :
- Il s’agit du meilleur modèle fondationnel open source du marché, construit par une équipe qui a constamment surpassé la concurrence en recherche comme en architecture.
- L’équation performance/coût constitue un levier structurel d’entrée dans les dépenses IA des entreprises, et K2.5 est le mieux positionné pour la capter.
- Enfin, pour les entreprises et les gouvernements naviguant un environnement réglementaire de plus en plus complexe, un modèle open source doté d’une véritable indépendance technique, auditable par conception, déployable sur infrastructure locale, répond à une question que les modèles propriétaires ne peuvent pas résoudre.
La question de la résidence des données revient dans chaque conversation avec les entreprises. La réponse de Kimi est opérationnelle, pas politique. Le modèle est déployé localement via un partenaire d’infrastructure régional, et les données ne quittent jamais le pays. L’équipe de Kimi a mené cette conversation avec les responsables conformité de certaines des plus grandes entreprises aux États-Unis et en Europe. Et la solution tient la route.
Et la suite
Chez Cathay Innovation, notre positionnement à la croisée de la Chine, de l’Europe et des États-Unis est central dans cet investissement. Après la clôture du tour, nous avons mis en relation Kimi avec plusieurs partenaires européens afin d’explorer des opportunités de déploiement et de collaboration. L’ambition de Kimi est mondiale. Notre rôle est de raccourcir le chemin pour y parvenir.
Kimi n’est pas un cas isolé pour nous. Notre portefeuille compte d’autres entreprises qui construisent au niveau fondationnel de l’IA. Bioptimus (modèle fondationnel pour la biologie), AMI Labs (world model AI), Logical Intelligence (modèles à base d’énergie pour systèmes critiques), pour n’en citer que quelques-unes. Nous continuons d’investir sur ce segment car c’est au niveau de la couche d’infrastructure que commence la transformation des industries et de la société. Une chose est désormais claire : d’immenses marchés s’ouvrent aux entreprises qui construisent des modèles véritablement à la frontière technologique, et ces entreprises transforment les usages d’une manière que nous n’avions pas anticipée.
L’écart entre modèles open source et modèles propriétaires se réduit plus vite que la plupart ne l’anticipaient. L’idée selon laquelle la performance de pointe nécessiterait des budgets de pointe ne tient plus. Ce que démontre Kimi, c’est qu’indépendamment de la géographie, une équipe talentueuse menant un travail d’architecture rigoureux peut atteindre un niveau de performance quasi équivalent, pour une fraction du coût. Le modèle open source constitue en soi la stratégie de distribution : accès équitable, validation indépendante, portée mondiale.
Moonshot AI a levé environ 5 Mds$ au total sur ses tours de financement fermés depuis sa création. D’autres laboratoires de pointe ont chacun levé plusieurs dizaines de milliards de dollars. Cet écart de financement ne s’est pas traduit par un écart de capacité. Cette efficience capitalistique repose sur deux fondements :
- Une équipe qui a décidé, dès l’origine, que le chemin vers l’AGI passait par une meilleure architecture, non par des budgets plus importants.
- La force de l’open source, une communauté de recherche mondiale collaborant pour construire l’IA la plus performante et la plus transparente au monde.
Nous sommes fiers d’accompagner l’équipe de Moonshot AI dans sa mission : construire une IA de pointe, abordable, qui ne soit pas une boîte noire, où l’open source devient le levier d’une stack technologique souveraine, dans chaque géographie.