LMArena lève 150 millions de dollars pour une valorisation de 1,7 milliard de dollars pour repenser l’évaluation de l’IA

L’industrie de l’IA est devenue adepte de l’auto-mesure. Les références s’améliorent, les scores des modèles augmentent et chaque nouvelle version est accompagnée d’une liste de mesures destinées à signaler les progrès. Et pourtant, quelque part entre le laboratoire et la vraie vie, quelque chose continue de glisser.

Quel modèle en fait se sent mieux utiliser ?
À quelles réponses un humain ferait-il confiance ?
Quel système présenteriez-vous aux clients, aux employés ou aux citoyens et vous sentiriez-vous à l’aise de le soutenir ?

C’est dans cet écart que LMArena a tranquillement construit son activité et c’est pourquoi les investisseurs se contentent de mettre 150 millions de dollars derrière pour une valorisation de 1,7 milliard de dollarsdans un tour de série A. Les principaux investisseurs étaient Felicis et UC Investmentsavec la participation de grandes sociétés de capital-risque (Andreessen Horowitz, Kleiner Perkins, Lightspeed, The House Fund, Laude Ventures).

Pas une autre référence

Pendant des années, les références ont été la monnaie d’échange de la crédibilité de l’IA : scores de précision, tests de raisonnement et ensembles de données standardisés. Ils ont travaillé jusqu’à ce qu’ils ne le fassent plus. À mesure que les modèles devenaient plus grands et plus similaires, les améliorations des références devenaient marginales. Pire encore, les modèles ont commencé à être optimisés pour les tests eux-mêmes plutôt que pour les cas d’utilisation réels. Les évaluations statiques ont eu du mal à refléter le comportement de l’IA dans des interactions humaines ouvertes et désordonnées.

Dans le même temps, les systèmes d’IA sont passés des laboratoires aux flux de travail quotidiens : rédaction d’e-mails, écriture de code, optimisation du support client, assistance à la recherche et conseil aux professionnels. La question est passée de « Le modèle peut-il faire cela ? » à « Devrions-nous lui faire confiance quand c’est le cas ? »

C’est un autre type de problème de mesure.

La réponse de LMArena a été simple et radicale : arrêter de noter les modèles de manière isolée. Sur sa plateforme, les utilisateurs soumettent une invite et reçoivent deux réponses anonymisées. Aucune marque. Aucun nom de modèle. Juste des réponses. Ensuite, l’utilisateur choisit le meilleur, ou aucun des deux.

Une voix. Une comparaison. Répété des millions de fois.

Le résultat n’est pas un « meilleur » définitif mais un signal vivant de la préférence humaine comment les gens réagissent au ton, à la clarté, à la verbosité et à l’utilité dans le monde réel. Lorsque l’invite n’est pas claire ou prévisible, ce signal change. Et cela capture quelque chose que les benchmarks manquent souvent.

Vraie préférence, pas seulement exactitude

LMArena ne consiste pas à savoir si un modèle produit une réponse factuellement correcte. Il s’agit de savoir si les humains le préfèrent quand c’est le cas. Cette distinction est subtile mais significative dans la pratique. Les classements du classement Arena sont désormais référencés par les développeurs et les laboratoires avant les versions et les décisions relatives aux produits. Des modèles majeurs d’OpenAI, de Google et d’Anthropic y sont régulièrement évalués.

Sans marketing traditionnel, LMArena est devenue le miroir de l’industrie horlogère.

Pourquoi les investisseurs y prêtent attention maintenant

Le tour de table de 150 millions de dollars n’est pas seulement un vote de confiance dans le produit de LMArena. Cela signale que L’évaluation de l’IA elle-même devient une infrastructure. Alors que le nombre de modèles explose, les acheteurs d’entreprise sont confrontés à une nouvelle question : non pas comment obtenir l’IA, mais à quelle IA faire confiance. Les affirmations des fournisseurs et les références classiques ne se traduisent pas toujours par une fiabilité réelle. Les tests internes sont coûteux et lents.

Un signal tiers neutre, quelque chose qui se situe entre les créateurs de modèles et les utilisateurs, apparaît comme une couche critique. C’est là que vit LMArena. En septembre 2025, il a lancé Évaluations de l’IAun service commercial qui transforme son moteur de comparaison participatif en un produit auquel les entreprises et les laboratoires peuvent accéder moyennant paiement. LMArena affirme que ce service a atteint un taux d’exécution annualisé d’environ 30 millions de dollars quelques mois après son lancement.

Pour les régulateurs et les décideurs politiques, ce type de signal ancré par l’humain est également important. Les cadres de surveillance ont besoin de preuves qui reflètent une utilisation réelle et non des scénarios idéalisés.

Critique et concurrence

L’approche de LMArena n’est pas sans débat. Les plateformes qui s’appuient sur le vote du public et les signaux issus du crowdsourcing peuvent refléter les préférences des utilisateurs actifs, qui peuvent ne pas correspondre aux besoins de domaines professionnels spécifiques. En réponse, les concurrents aiment La confrontation SEAL à l’échelle de l’IA ont vu le jour, visant à proposer des classements de modèles plus granulaires et représentatifs selon les langues, les régions et les contextes professionnels.

Des recherches universitaires notent également que les classements basés sur le vote peuvent être sujets à manipulation si des garanties ne sont pas en place, et que de tels systèmes peuvent favoriser des réponses superficiellement attrayantes par rapport à des réponses techniquement correctes si le contrôle de qualité n’est pas rigoureux.

Ces débats soulignent que aucune méthode d’évaluation unique ne capture toutes les dimensions du comportement du modèle, mais ils soulignent également la demande de signaux plus riches et fondés sur l’humain, au-delà des références traditionnelles.

La confiance n’évolue pas d’elle-même

Il existe une hypothèse discrète dans l’IA selon laquelle la confiance émergera naturellement à mesure que les modèles s’améliorent. Selon la logique, un meilleur raisonnement mènera à de meilleurs résultats. Ce cadrage traite l’alignement comme un problème technique avec des solutions techniques.

LMArena conteste cette idée. La confiance, dans des contextes réels, est sociale et contextuelle. Cela se construit par l’expérience et non par des affirmations. Il est façonné par des boucles de rétroaction qui ne s’effondrent pas à grande échelle. En laissant les utilisateurs, et non les entreprises, décider de ce qui fonctionne, LMArena introduit des frictions là où l’industrie préfère souvent l’élan. Cela ralentit les choses juste assez pour se demander : « Est-ce réellement meilleur ou simplement plus récent ?

C’est une question inconfortable dans un marché régi par des cycles de sortie constants. C’est aussi pourquoi l’ascension de LMArena semble inévitable.

Le pouvoir discret de compter les points

LMArena ne promet pas la sécurité. Il ne déclare pas les modèles bons ou mauvais. Cela ne remplace pas la réglementation ou la responsabilité. Ce qu’il fait est plus simple et plus puissant : il comptabilise les scores en public. À mesure que les systèmes d’IA sont intégrés aux décisions quotidiennes, le suivi des performances au fil du temps devient moins facultatif. Quelqu’un doit remarquer les régressions, les changements contextuels et les modèles d’utilisabilité.

Dans le sport, les arbitres et les statisticiens remplissent ce rôle. Sur les marchés, les auditeurs et les agences de notation le font. Dans le domaine de l’IA, nous sommes encore en train d’inventer cette infrastructure.

Le cycle de financement de LMArena suggère aux investisseurs que ce rôle ne restera pas longtemps marginal. Parce que lorsque l’IA est partout, les questions les plus difficiles ne sont pas celles-ci. peut faire. Ils sont à qui nous faisons confiance quand il le fait et comment nous savons que nous avons raison.