OpenAI dépensera 100 millions de dollars pour acquérir une société de données médicales créée il y a seulement un an, avec une équipe de seulement 4 personnes — cette différence de chiffres en soi en dit long.

Derrière cette valorisation apparemment déraisonnable se cache en réalité l’étape la plus cruciale pour la mise en œuvre des applications d’IA.

Cette société appelée Torch fait ce qui semble simple : nettoyage, normalisation et intégration des données médicales. Mais c’est précisément ce genre de « travail sale » qui devient le point critique pour l’émergence explosive des applications d’IA en 2026.

Pourquoi ? Parce que même les LLM les plus puissants ne peuvent pas supporter cette faiblesse fatale qu’est la mauvaise qualité des données. Le véritable goulot d’étranglement ne réside pas dans le modèle lui-même, mais dans le « context engineering » — c’est-à-dire comment fournir à l’IA les données les plus utiles, propres et pertinentes.

Le secteur médical est particulièrement complexe en termes de données, avec des formats variés et une difficulté élevée de normalisation, ce dans quoi Torch excelle. Et une fois ce problème résolu, ce ne sera pas seulement dans le domaine médical, mais dans tous les secteurs, que les applications d’IA en bénéficieront.

En d’autres termes, OpenAI n’achète pas une entreprise, mais comble la dernière pièce du puzzle de la chaîne d’applications d’IA. Une bonne intégration des données permettra enfin de libérer tout le potentiel des LLM.