Twelve Labs parie que la vidéo est le fondement de l'IA ; série B de 100 M$ avec Amazon et Nvidia

Twelve Labs développe des modèles de fondation pour la compréhension vidéo — Marengo (indexation/recherche) et Pegasus (raisonnement vidéo-langage) — vendus via API et Amazon Bedrock aux entreprises qui recherchent et analysent de vastes archives vidéo.

La vidéo, et non le langage, sera le fondement de l'IA : les modèles vidéo natifs (Marengo, Pegasus) permettent aux machines de regarder, de mémoriser et de raisonner sur des séquences comme les humains.

Fondée en 2021 à San Francisco par cinq Coréens menés par Jae Lee, avec la recherche fondamentale en IA menée à Séoul. L'observation fondatrice : « le monde ne se déroule pas en texte. Il se déroule en mouvement. » Le financement d'amorçage a atteint environ 17 M$, et en octobre 2023, Nvidia a réalisé son premier investissement dans une startup coréenne d'IA générative, soutenant une pré-série A d'environ 10 M$.

Juin 2024 : une série A de 50 M$ co-dirigée par NVentures, la structure de Nvidia, et NEA, avec la participation d'Index Ventures, Radical Ventures, WndrCo et Korea Investment Partners. Les produits ont rapidement mûri : Marengo-2.6 est sorti en mars 2024 pour la recherche vidéo any-to-any, Pegasus-1 est passé en bêta pour le raisonnement vidéo-langage. Décembre 2024 : SK Telecom a investi 3 M$ pour utiliser les modèles dans son agent IA et ses travaux de surveillance. En juillet 2025, Amazon a rendu Marengo 2.7 et Pegasus 1.2 entièrement gérés dans Bedrock ; d'ici 2026, la recommandation vidéo de GS Shop, bâtie sur les modèles, a doublé le taux de clics et multiplié par 9 l'intention d'achat, et des agences gouvernementales américaines exploraient le renseignement vidéo pour la défense et la sécurité publique.

Toujours en activité et en croissance : une série B de 100 M$ annoncée le 2026-07-01 (co-dirigée par Naver Ventures et NEA, avec la participation d'Amazon) a porté le financement total au-delà de 207 M$. Le PDG Jae Lee déclare que l'objectif est la « superintelligence vidéo » — une IA qui regarde, mémorise et raisonne comme les humains — avec des bureaux prévus à New York et à Londres et une première application de création vidéo par IA, Rodeo, en avant-première.

Twelve Labs a choisi la vidéo comme type de données principal — et non comme une seconde modalité — en soutenant que le texte est une compression avec perte de la réalité et que la causalité réside dans la séquence.

L'architecture a fait de la vidéo une mémoire lisible par machine : les séquences sont comprises une fois, stockées durablement et adressables à la seconde près — ce dont les entreprises disposant d'immenses archives ont réellement besoin.

L'investissement de Nvidia en 2023 a été la première validation et le point d'entrée : il signalait que le pari était crédible avant même la sortie des modèles, et trois ans de collaboration ont mené à la série B.

La preuve commerciale est venue d'un ensemble restreint — le taux de clics doublé et l'intention d'achat multipliée par 9 de GS Shop — montrant que la plateforme pouvait se monétiser avant l'avènement de la « superintelligence vidéo ».

Parier sur une modalité que la majeure partie de l'IA ignorait — la vidéo plutôt que le texte — a attiré Nvidia et Amazon comme soutiens ; le pari à contre-courant doit encore se convertir en revenus d'entreprise pour se composer.

Au 2026-09-02, Twelve Labs a levé plus de 207 M$ : la série B de juillet 2026 (100 M$, co-dirigée par Naver Ventures et NEA avec Amazon) finance Marengo, Pegasus et son Video Cognition System. Les revenus d'entreprise sont concentrés aux États-Unis et en Europe, les revenus issus des développeurs croissent de 80 à 120 % par an, les adoptants incluent GS Shop et des agences américaines, et ses modèles fonctionnent entièrement gérés dans Amazon Bedrock. L'entreprise prévoit des bureaux à New York et à Londres, a présenté en avant-première son application de création vidéo Rodeo et continue de promouvoir des modèles vidéo conçus en Corée comme leaders de l'ère émergente du renseignement vidéo.