CuspAI a été fondée en 2024. Elle n'a pas deux ans. Pourtant, elle attire déjà 400 millions de dollars dans un tour de table mené par Jeff Bezos, avec la participation du fonds souverain singapourien Temasek et du géant du capital-risque New Enterprise Associates (NEA). Selon le Business Times, la société était déjà en discussion pour lever au moins 200 millions de dollars, ce qui aurait porté sa valorisation au-dessus du milliard. L'arrivée de Bezos a doublé la mise. Ce tour de table fait suite à une série A menée l'été dernier par NEA et Temasek, prolongée ensuite par une extension qui a porté la valorisation à près de 800 millions de dollars – après la signature de contrats commerciaux de plusieurs millions de dollars. La trajectoire est fulgurante : en moins de 24 mois, CuspAI est passée de la création à une valorisation supérieure au milliard. Mais ce qui rend cette opération structurellement significative n'est pas seulement le montant ou la vitesse. C'est la nature de ce que CuspAI construit – et ce qu'elle révèle sur la convergence de l'IA générative et de la science des matériaux.
Source : Financial Times, 17 juin 2026
Le cœur technologique de CuspAI est décrit comme « un moteur de recherche hautement spécialisé pour formules moléculaires ». Le principe est aussi simple que radical : au lieu de synthétiser et tester physiquement des milliers de composés en laboratoire – un processus qui prend typiquement plus d'une décennie –, l'IA générative de CuspAI prédit les propriétés des matériaux à partir de leurs structures moléculaires, et propose des candidats optimisés pour les propriétés souhaitées. L'approche est dite « synthesis-aware » : le modèle est entraîné sur des jeux de données propriétaires qui incluent non seulement les propriétés théoriques des matériaux, mais aussi les contraintes de synthèse en conditions réelles – un facteur critique souvent négligé par les approches purement computationnelles. Les domaines d'application sont vastes : semi-conducteurs de nouvelle génération, batteries à haute densité énergétique, capture du carbone, énergie durable. Pour chaque domaine, le goulot d'étranglement est le même : la découverte de nouveaux matériaux est le facteur limitant. Si CuspAI tient sa promesse de réduire ce cycle de plus d'une décennie à quelques mois, l'impact dépasse largement le cadre d'une startup : il touche à l'infrastructure physique de la transition énergétique.
La décision de Jeff Bezos d'ancrer personnellement cette levée de fonds n'est pas anodine. Elle s'inscrit dans une reconfiguration plus large de sa stratégie d'investissement post-Amazon. Bezos a historiquement investi dans des secteurs à forte intensité capitalistique et à long cycle de maturation : Blue Origin (espace), Altos Labs (reprogrammation cellulaire), et maintenant CuspAI (matériaux). Le fil conducteur est la conviction que les rendements exponentiels se trouvent à l'intersection de la science fondamentale et de l'IA appliquée. Dans le cas de CuspAI, la thèse d'investissement comporte trois couches. Première couche, la rareté : les fondateurs – Chad Edwards, chimiste, et Max Welling, chercheur en IA de premier plan – combinent deux expertises rarement réunies dans une même équipe fondatrice, et le board consultatif (Hinton, LeCun) constitue un signal de qualité que peu de startups peuvent afficher. Deuxième couche, la défendabilité : les jeux de données propriétaires de CuspAI, qui incluent les contraintes de synthèse réelle, créent une barrière à l'entrée que les approches purement computationnelles ne peuvent pas franchir sans accès aux mêmes données. Troisième couche, le timing : la convergence de la maturation des modèles d'IA générative, de l'urgence climatique et de la demande industrielle en nouveaux matériaux crée une fenêtre d'opportunité que Bezos a identifiée avant le marché.
L'un des signaux les plus forts de cette opération est la qualité de l'écosystème de partenaires que CuspAI a déjà constitué. Nvidia et ASML, les deux entreprises les plus stratégiques de la chaîne de valeur des semi-conducteurs, sont partenaires commerciaux – ce qui suggère que la découverte de matériaux pour les puces de nouvelle génération fait partie du périmètre. Hyundai, dont l'activité batteries est critique pour la transition électrique, est également partenaire. Meta AI Research, le laboratoire d'IA de Meta, valide la crédibilité scientifique de l'approche. Kemira, spécialiste de la chimie industrielle, apporte l'expertise de fabrication. Cette constellation de partenaires n'est pas un hasard : elle constitue une boucle de rétroaction où chaque partenaire fournit à la fois des données d'entraînement (problèmes réels de matériaux) et un débouché commercial (le partenaire est le premier client). C'est une architecture de croissance que l'on retrouve dans les startups les plus performantes de la deep tech : la validation industrielle précède la mise à l'échelle, et les clients sont aussi les co-développeurs.
Partenaires industriels fournissent données→CuspAI entraîne modèles sur données réelles→Modèles produisent candidats matériaux→Partenaires valident en conditions réelles→Données de validation enrichissent modèles→Boucle de rétroaction : chaque itération améliore le modèle
- Un secteur en ébullition : CuspAI n'est pas seule. Une vague de startups bien financées applique l'IA à la science des matériaux, fondées par des anciens d'OpenAI, Google DeepMind et Amazon. Le secteur attire des capitaux parce qu'il promet de résoudre le goulot d'étranglement le plus fondamental de l'industrie : la découverte de nouveaux matériaux prend trop de temps.
- Le précédent DeepMind : DeepMind a démontré avec AlphaFold que l'IA peut résoudre des problèmes scientifiques fondamentaux plus vite que les méthodes traditionnelles. La découverte de matériaux est le prochain domino : si l'IA peut prédire la structure des protéines, elle peut prédire les propriétés des matériaux. Le capital afflue parce que la preuve de concept existe déjà.
- La prime au premier entrant : Le premier acteur à démontrer une découverte de matériau commercialement viable – un nouveau catalyseur, un nouvel électrolyte de batterie, un nouveau semi-conducteur – via l'IA déclenchera une revalorisation massive du secteur. Bezos parie que CuspAI sera cet acteur, et que le marché sous-estime la probabilité que cela arrive dans les 24 prochains mois.
- La deep tech n'est plus un pari sur la technologie, c'est un pari sur la convergence : Bezos ne parie pas sur l'IA seule, ni sur la science des matériaux seule. Il parie sur leur intersection, là où la valeur est multiplicative. Ce pattern se répète dans tous ses investissements récents : la valeur ne se crée plus dans une discipline, mais dans les zones de contact entre disciplines.
- Le board consultatif comme actif stratégique : La présence de Geoffrey Hinton et Yann LeCun – deux figures parmi les plus respectées de l'IA mondiale – n'est pas cosmétique. Dans un secteur où la crédibilité scientifique est le principal facteur de différenciation face aux investisseurs et aux partenaires industriels, un board de cette qualité est un actif économique direct. Il valide la thèse technologique avant même que les résultats commerciaux ne soient visibles.
- Le capital ne suit plus la traction, il précède le marché : 400 millions de dollars pour une entreprise de deux ans sans produit commercialisé à grande échelle. Ce n'est pas une anomalie, c'est la nouvelle normale du capital-risque deep tech. Le capital ne finance plus l'exécution d'un business model validé – il finance la construction d'un avantage technologique que le marché n'a pas encore appris à évaluer. La question n'est plus « quel est le marché adressable ? » mais « quelle est la vitesse à laquelle ce marché va se matérialiser ? ».