DATADOG rachète ADAPTIVE ML pour renforcer son laboratoire d’IA
📩 Pour nous contacter: redaction@fw.media
TL;DR
- Datadog accélère sa stratégie IA avec le rachat d’Adaptive ML, une startup spécialisée dans le Reinforcement Learning Operations (RLOps), afin de renforcer son laboratoire interne de recherche en intelligence artificielle.
- L’acquisition porte avant tout sur des talents et une expertise en post-entraînement des modèles, devenu le nouveau champ de bataille de l’IA après la course aux grands modèles de langage.
- La valeur se déplace du modèle vers son amélioration continue : les entreprises cherchent désormais à spécialiser, contrôler et optimiser leurs agents IA grâce au reinforcement learning plutôt qu’à entraîner de nouveaux LLM.
- Datadog dispose d’un avantage concurrentiel majeur grâce aux milliards de données opérationnelles collectées sur sa plateforme, un actif stratégique pour entraîner des modèles spécialisés en observabilité et cybersécurité.
- L’opération illustre une tendance de fond : les plateformes d’infrastructure cherchent à transformer leurs données propriétaires en intelligence artificielle différenciante.
- Adaptive ML avait levé 20 millions de dollars en 2024 auprès d’Index Ventures, ICONIQ Capital, Motier Ventures, IRIS et d’Olivier Pomel. Le montant du rachat n’est pas public, mais une valorisation comprise entre 100 et 200 millions de dollars apparaît plausible.
- Le dossier met aussi en lumière les faiblesses de l’Europe : malgré une recherche de haut niveau et des financements disponibles, les grands groupes européens restent trop lents à adopter les technologies développées par leurs propres startups.
Datadog poursuit sa mue en laboratoire d’intelligence artificielle, avec le rachat d’Adaptive ML, spécialiste du Reinforcement Learning Operations, l’éditeur américain, créé par Olivier Pomel et Alexis Lê-Quôc, cherche à internaliser une expertise qui pourrait devenir déterminante dans la prochaine génération de logiciels d’entreprise. Derrière cette acquisition se dessine une évolution plus profonde, les plateformes d’infrastructure veulent désormais transformer leurs données opérationnelles en intelligence propriétaire.
La prochaine bataille porte désormais sur une couche beaucoup moins visible, celle du post-entraînement. A savoir, la capacité à adapter, améliorer et faire évoluer en permanence les modèles une fois déployés chez les clients. C’est précisément sur ce terrain que Datadog vient de se positionner en annonçant l’acquisition d’Adaptive ML, une startup franco-canadienne spécialisée dans le Reinforcement Learning Operations (RLOps).
Datadog investit dans une capacité de recherche plus que dans un produit
Adaptive ML intégrera le Datadog AI Research, laboratoire interne chargé de développer des modèles spécialisés pour l’observabilité et la cybersécurité. Datadog rachète avant tout une équipe de chercheurs et une expertise rare dans l’un des domaines les plus complexes de l’intelligence artificielle actuelle : le post-entraînement des modèles utilisant l’apprentissage par renforcement.
Adaptive ML n’avait d’ailleurs jamais cherché à développer un nouveau grand modèle de langage. Son ambition était de construire les outils permettant aux grandes organisations de créer, d’améliorer et de déployer leurs propres agents spécialisés à partir de leurs données opérationnelles.
La valeur migre du modèle vers son amélioration permanente
Depuis l’arrivée de ChatGPT, l’industrie a principalement concentré ses investissements sur le pré-entraînement des modèles. Les performances des LLM étaient largement déterminées par la taille des jeux de données, la puissance de calcul mobilisée et le nombre de paramètres. Cette logique atteint aujourd’hui ses limites.
Les modèles généralistes convergent progressivement en termes de performances, et les entreprises découvrent que leur véritable différenciation ne dépend plus uniquement du modèle choisi, mais de leur capacité à le spécialiser, à le contrôler et à l’améliorer continuellement.
C’est précisément ce que permet le Reinforcement Learning. Contrairement au fine-tuning classique, qui consiste à adapter un modèle à partir d’un corpus statique, le Reinforcement Learning permet au système d’apprendre progressivement de ses interactions avec son environnement, de corriger ses erreurs et d’optimiser ses décisions au fil du temps.
Adaptive ML s’est spécialisée dans cette couche industrielle, baptisée RLOps.
Les données de Datadog deviennent un avantage concurrentiel
Cette acquisition prend tout son sens lorsqu’on observe les actifs dont dispose Datadog. Chaque jour, sa plateforme collecte des volumes considérables de données issues des infrastructures de ses clients : journaux d’événements, métriques système, traces distribuées, alertes, incidents, interventions humaines et correctifs appliqués. Ces informations constituent exactement le type de données dont les modèles spécialisés ont besoin pour progresser.
Julien Launay souligne que « le plus difficile n’a jamais été l’algorithme, mais l’échelle de production ». Datadog apporte précisément cette échelle, l’entreprise dispose d’un flux permanent de données opérationnelles provenant de milliers d’organisations dans le monde. Peu d’acteurs possèdent un tel patrimoine informationnel.
Une acquisition naturelle
Lors de sa levée de fonds de 20 millions de dollars en 2024, Adaptive ML avait réuni Index Ventures, ICONIQ Capital, Motier Ventures ou encore IRIS, aux cotés d’Olivier Pomel, qui y a participé en tant que business angel.
Les conditions financières de l’acquisition n’ont pas été rendues publiques. Compte tenu des multiples observés sur ce type d’acquisition en 2025 / 2026, une valorisation comprise entre 100 et 200 millions de dollars est probable.
Une réussite française… qui souligne les limites du marché européen
L’histoire d’Adaptive ML raconte également les limites du marché européen. Malgré un bureau parisien et un écosystème français la startup réalisait l’essentiel de son activité en Amérique du Nord, aucun grand client français ne figurait alors dans son portefeuille. Une absence due à la lenteur avec laquelle les grandes entreprises européennes adoptent les innovations développées par les startups et leur faible capacité à contractualiser avec elles.
Si l’Europe finance efficacement ses startups technologiques, elle peine encore à créer un marché domestique suffisamment dynamique pour leur permettre de devenir des leaders mondiaux indépendants.
