Fondée en 2024, Blacksmith s’est donné pour mission de rendre l’intégration continue — la compilation, les tests et la validation automatisés des modifications logicielles — moins laborieuse. Son postulat était simple : le code ne peut avancer qu’à la vitesse à laquelle les équipes peuvent vérifier qu’il peut être fusionné sans risque. Le PDG Aditya Jayaprakash a déclaré que l’entreprise avait été créée pour rendre l’IC « moins pénible ».¹

Ce problème s’est accéléré avec l’arrivée des agents de codage. Jayaprakash affirme que des outils tels que Cursor, Codex et Claude Code ont rendu l’écriture de logiciels « extrêmement facile », déplaçant le point de pression vers une question plus difficile : « comment puis-je réellement valider tout ce code ? »² Selon Blacksmith, le boom de l’IA crée un goulot d’étranglement dans les tests, plutôt qu’il n’élimine le besoin de garde-fous pour les développeurs.

Mercredi, l’entreprise a annoncé un tour de série C de 66 millions de dollars mené par Sequoia, valorisant Blacksmith à 1 milliard de dollars. Le bond est frappant : à peine deux mois plus tôt, un tour de série B de 45 millions de dollars avait porté sa valorisation à 550 millions de dollars ; il y a un an, après sa série A, elle était valorisée à 60 millions de dollars.¹ Le financement total s’élève désormais à environ 125 millions de dollars.

Les chiffres opérationnels expliquent l’appétit des investisseurs. Blacksmith affirme avoir exécuté plus de 90 millions de tâches d’IC et multiplié par 17 ses revenus récurrents annuels. Sa base de clients a dépassé 10 000 entreprises, tandis que les contrôles de validation hebdomadaires sont passés de 5 millions au début de l’année à 90 millions.²

La réponse de Blacksmith est gourmande en capital : plutôt que de dépendre entièrement des fournisseurs de cloud, elle achète et exploite des dizaines de milliers de serveurs dans des centres de données du monde entier. Une grande partie des nouveaux financements servira à accroître la capacité de calcul, a déclaré Jayaprakash.² Cela donne à la startup un contrôle sur les performances, mais l’expose aux pénuries de capacités de calcul et de mémoire — ainsi qu’à la concurrence. GitHub vend déjà des machines d’IC hébergées, tandis que les fournisseurs d’outils de codage par IA intègrent de plus en plus les tests à leurs agents.

Le contre-argument de Jayaprakash est direct : des modèles plus puissants génèrent davantage de code, et davantage de code signifie davantage de contrôles. « À mesure que les agents écrivent une plus grande part des logiciels du monde, la question qui importe est de savoir s’ils sont dignes de confiance. »¹