Imaginez une alliance à 14,3 milliards de dollars, censée révolutionner l’intelligence artificielle, mais déjà fragilisée par des départs inattendus et des tensions internes. C’est l’histoire tumultueuse entre Meta et Scale AI, un partenariat qui promettait de redéfinir l’avenir de l’IA, mais qui semble aujourd’hui vaciller. Comment une collaboration aussi ambitieuse peut-elle connaître des remous si tôt ? Cet article plonge dans les coulisses de cette relation complexe, entre espoirs démesurés et défis imprévus, pour comprendre ce qui se joue dans la course à la superintelligence.
Meta et Scale AI : Une Alliance sous Pression
En juin 2025, Meta a investi une somme colossale de 14,3 milliards de dollars dans Scale AI, une startup spécialisée dans l’annotation de données pour l’entraînement des modèles d’IA. Ce partenariat, qui incluait l’arrivée d’Alexandr Wang, PDG de Scale AI, et de plusieurs cadres de l’entreprise au sein du Meta Superintelligence Labs (MSL), semblait être un coup de maître pour accélérer les ambitions de Meta dans l’IA. Pourtant, à peine deux mois plus tard, des signes de fracture émergent, remettant en question la solidité de cette union.
Le départ de Ruben Mayer, ancien vice-président senior de Scale AI, illustre ces tensions. Après seulement huit semaines chez Meta, Mayer a quitté l’entreprise pour des raisons personnelles, selon ses propres déclarations. Cependant, des sources internes révèlent des divergences sur son rôle : certains affirment qu’il supervisait les opérations de données, tandis qu’il soutient avoir contribué à la mise en place du laboratoire, intégrant dès le départ l’unité centrale TBD Labs. Cette ambiguïté reflète un manque de clarté dans l’organisation, un problème qui semble gangrener le projet.
J’étais là pour aider à construire le laboratoire, avec tout ce qui était nécessaire. J’ai été très satisfait de mon expérience chez Meta.
Ruben Mayer, ancien cadre de Scale AI
Des Données de Qualité, un Enjeu Crucial
L’un des points de friction majeurs réside dans la qualité des données fournies par Scale AI. Historiquement, Scale AI s’appuie sur un modèle de crowdsourcing, utilisant une main-d’œuvre peu coûteuse pour annoter des données brutes. Si ce modèle a fait ses preuves pour des tâches simples, il montre ses limites face aux besoins croissants des modèles d’IA modernes, qui exigent des données annotées par des experts qualifiés – médecins, avocats, scientifiques. Cette transition vers des données de haute qualité est un défi que Scale AI tente de relever avec sa plateforme Outlier, mais ses concurrents, comme Surge et Mercor, semblent avoir une longueur d’avance.
Meta, conscient de ces enjeux, diversifie ses partenaires en collaborant avec Surge et Mercor, deux entreprises qui se concentrent sur des talents hautement qualifiés dès leur création. Selon plusieurs sources, les chercheurs de TBD Labs jugent les données de Scale AI de qualité inférieure, préférant celles de ses concurrents. Ce choix stratégique, bien que courant dans l’industrie, est surprenant compte tenu de l’investissement massif de Meta dans Scale AI. Pourquoi investir autant dans une entreprise dont les services ne répondent pas pleinement aux attentes ?
- Scale AI : Modèle basé sur le crowdsourcing, adapté aux tâches simples.
- Surge et Mercor : Focus sur des experts qualifiés pour des données complexes.
- TBD Labs : Diversification des partenaires pour garantir la qualité des données.
Un Pari sur Alexandr Wang
L’investissement de Meta dans Scale AI semble avoir été motivé, en partie, par l’envie d’attirer Alexandr Wang, une figure emblématique de l’IA depuis la création de Scale AI en 2016. Wang, qui n’est pas un chercheur en IA mais un entrepreneur visionnaire, a été choisi pour diriger MSL, une décision qui a surpris certains observateurs. Mark Zuckerberg, frustré par les performances mitigées de Llama 4, a vu en Wang un leader capable de recruter des talents de premier plan et de dynamiser les efforts de Meta dans la course à la superintelligence.
Cette stratégie a porté ses fruits, du moins en partie. Meta a réussi à attirer des chercheurs de renom provenant d’OpenAI, Google DeepMind et Anthropic. Cependant, l’intégration de ces nouveaux talents s’est heurtée à la bureaucratie d’une grande entreprise comme Meta, provoquant des frustrations. Certains employés, habitués à des structures plus agiles, peinent à s’adapter, tandis que l’équipe originelle de l’IA générative de Meta voit son rôle réduit, ce qui alimente un climat de désordre interne.
Dans un monde qui change si vite, le plus grand risque est de ne pas prendre de risque.
Rishabh Agarwal, ancien chercheur chez MSL
Une Course Contre la Montre
Meta ne ménage pas ses efforts pour rattraper ses concurrents, notamment OpenAI et Google. Après le lancement décevant de Llama 4 en avril 2025, Zuckerberg a multiplié les initiatives : acquisitions de startups comme Play AI et WaveForms AI, partenariat avec Midjourney pour la génération d’images par IA, et construction de centres de données massifs, comme Hyperion, un projet de 50 milliards de dollars en Louisiane. Ces investissements témoignent de l’ambition démesurée de Meta, mais aussi de la pression qui pèse sur ses équipes.
Pourtant, la vague de départs récents soulève des questions sur la capacité de Meta à stabiliser ses opérations. Outre Mayer, des figures clés comme Rishabh Agarwal, Chaya Nayak et Rohan Varma ont quitté l’entreprise, signalant un malaise au sein de MSL. Ces départs, combinés à la perte de clients majeurs pour Scale AI (OpenAI et Google ont cessé leur collaboration), suggèrent que l’alliance entre Meta et Scale AI pourrait ne pas tenir toutes ses promesses.
| Acteur | Rôle | Statut |
| Ruben Mayer | Ancien cadre Scale AI, Meta | Départ après 2 mois |
| Alexandr Wang | PDG Scale AI, leader MSL | Actif |
| Rishabh Agarwal | Chercheur MSL | Départ récent |
Scale AI : Une Startup sous Pression
De son côté, Scale AI traverse une période difficile. Après avoir perdu OpenAI et Google comme clients, l’entreprise a licencié 200 employés en juillet 2025, une décision attribuée à une baisse de la demande pour ses services d’annotation. Le nouveau PDG, Jason Droege, a annoncé un recentrage sur d’autres secteurs, notamment les contrats gouvernementaux, avec un accord de 99 millions de dollars signé avec l’armée américaine. Cette réorientation pourrait permettre à Scale AI de se réinventer, mais elle souligne également sa dépendance envers Meta.
Pour Scale AI, l’enjeu est clair : évoluer vers un modèle basé sur des données de haute qualité pour répondre aux exigences des modèles d’IA avancés. Sa plateforme Outlier vise à attirer des experts, mais la concurrence est rude. Surge et Mercor, avec leurs modèles axés sur des talents spécialisés, gagnent du terrain, obligeant Scale AI à accélérer sa transformation.
Quel Avenir pour Meta et Scale AI ?
La relation entre Meta et Scale AI illustre les défis inhérents à la course à l’IA. D’un côté, Meta mise sur des investissements massifs et des recrutements prestigieux pour rattraper son retard. De l’autre, Scale AI lutte pour s’adapter à un marché en pleine mutation. Si les deux entreprises partagent une vision ambitieuse, les tensions actuelles – départs, qualité des données, concurrence – pourraient compromettre leurs objectifs.
Pour Meta, la clé réside dans sa capacité à intégrer ses nouveaux talents et à stabiliser MSL. Le lancement de son prochain modèle d’IA, prévu d’ici la fin de 2025, sera un test décisif. Quant à Scale AI, son avenir dépend de sa capacité à innover et à regagner la confiance de ses clients. Dans un secteur où chaque erreur peut coûter cher, les deux entreprises doivent naviguer avec prudence.
- Meta doit harmoniser ses équipes pour maximiser l’impact de ses investissements.
- Scale AI doit accélérer sa transition vers des données de haute qualité.
- La concurrence avec Surge et Mercor redéfinit les standards de l’annotation de données.
En conclusion, l’alliance entre Meta et Scale AI, bien que prometteuse sur le papier, révèle les complexités d’un partenariat dans un domaine aussi compétitif que l’IA. Les défis actuels – départs, qualité des données, concurrence – sont autant d’obstacles à surmonter pour transformer cette collaboration en succès. Une chose est sûre : dans la course à la superintelligence, chaque décision compte, et Meta comme Scale AI devront redoubler d’efforts pour rester dans la course.
