Le géant de l'analyse de données Databricks est apparemment en discussions avancées pour obtenir un nouveau funding à une évaluation stupéfiante de $134 milliards. Des sources proches du dossier indiquent que la dernière levée de fonds de l'entreprise pourrait marquer l'un des accords de marché privé les plus significatifs du secteur technologique cette année.

Cette évaluation vertigineuse place Databricks dans un territoire raréfié, le positionnant parmi les entreprises privées les plus précieuses au monde. Le chiffre représente une croissance substantielle par rapport aux précédents tours de financement et signale un appétit continu des investisseurs pour les plateformes d'infrastructure de données d'entreprise.

Pour contexte, un prix de $134 milliards placerait Databricks en tête de nombreuses entreprises technologiques publiques établies. L'entreprise se spécialise dans l'architecture de lac de données et l'analytique unifiée, servant des entreprises naviguant dans des environnements de données de plus en plus complexes. Sa plateforme est devenue une infrastructure critique pour les organisations traitant d'énormes ensembles de données, une tendance qui s'accélère à la fois dans la technologie traditionnelle et les écosystèmes Web3 émergents.

Le timing est notable. Alors que les conditions du marché plus larges restent chahutées, les acteurs d'infrastructure de premier plan continuent d'attirer des évaluations élevées. Le positionnement de Databricks à l'intersection du développement de l'IA et de la gestion des données le rend particulièrement attrayant alors que les entreprises s'efforcent de déployer des capacités d'apprentissage automatique.

Aucune confirmation officielle n'a encore émergé, et les modalités de l'accord pourraient encore évoluer. Mais si cela se concrétise à cette valorisation, cela renforcerait le statut de Databricks en tant que force dominante dans l'infrastructure des données d'entreprise à l'approche de ce que beaucoup s'attendent à être une période transformative pour les applications gourmandes en données.