Les premiers investisseurs d'OpenRouter racontent le processus d'investissement.

Auteur : Menlo Ventures

Compilé par : Jia Huan, ChainCatcher

OpenRouter a annoncé aujourd'hui avoir conclu un accord d'acquisition avec Stripe. Cette annonce intervient seulement trois ans après le lancement officiel d'OpenRouter en 2023.

OpenRouter a été initialement lancé comme une « interface unifiée pour LLM » et ne prenait en charge que quatre modèles à l'époque : GPT-3.5, GPT-4, GPT NeoXT de Together et Cohere xlarge.

L'entreprise a été fondée sur deux constats fondamentaux : premièrement, l'utilisation de l'IA sera à terme énorme et s'étendra à tous les domaines ; deuxièmement, un grand nombre de modèles différents apparaîtront sur le marché, chacun avec ses propres avantages et inconvénients, et les utilisateurs choisiront différents modèles en fonction de leurs différents besoins.

Finalement, ces deux jugements ont largement dépassé les attentes de l'époque.

Depuis son lancement, le nombre de jetons traités par la plateforme OpenRouter a été multiplié par 30 000 environ, dépassant actuellement les 4 500 milliards de jetons par an, et le volume des dépenses sur la plateforme a atteint un niveau impressionnant. Parallèlement, le nombre de modèles pris en charge par OpenRouter est passé de 4 initialement à plus de 500.

Graphique : Croissance de l’utilisation du jeton OpenRouter depuis sa création jusqu’à son acquisition.

Menlo Ventures a la chance de participer à cette aventure. En mars 2025, nous avons participé au tour de table d'amorçage d'OpenRouter par le biais du fonds Anthology, que nous avons créé en partenariat avec Anthropic.

Alex Atallah, fondateur et PDG d'OpenRouter, avait auparavant fondé OpenSea, une entreprise qui a atteint une valorisation de 13,3 milliards de dollars. Parmi ses cofondateurs figurent Louis Vichy, un génie de la technologie rencontré sur Discord, et Chris Clark, un directeur des opérations très performant.

En mai 2025, nous avons mené le premier tour de table d'OpenRouter, Matt rejoignant son conseil d'administration et Deedy y siégeant en tant qu'observateur. Plus tôt cette année, face à la croissance rapide d'OpenRouter en termes de nombre de clients et de chiffre d'affaires, et compte tenu du développement de sa feuille de route produit axée sur des capacités d'analyse de modèles plus performantes pour la sélection et l'évaluation de ces modèles, nous avons investi dans son deuxième tour de table, le B.

Dans le secteur technologique, il faut souvent des années pour qu'une idée passe du statut d'avis partagé par quelques-uns à celui de consensus au sein de l'industrie.

Il y a quelques semaines à peine, un événement s'est produit : de Ramp à Cursor, plus de 10 entreprises ont lancé leurs propres solutions de routage de modèles quasiment simultanément. En quelques années seulement, OpenRouter est devenu l'une des entreprises les plus importantes de l'ère de l'IA.

Photo : Photo de groupe prise lors de la confirmation du tour de table de série A d'OpenRouter en tant qu'investisseur principal.

À première vue, Stripe ne semble pas être l'acquéreur le plus naturel d'OpenRouter, mais les deux entreprises sont en réalité étonnamment similaires.

Les deux simplifient les processus transactionnels complexes grâce à une API directement accessible, moyennant un pourcentage des frais de transaction. Cependant, OpenRouter prend en charge les modèles d'IA.

Selon les déclarations constantes de Stripe, les deux entreprises, après leur fusion, continuent de faire la même chose : augmenter le « PIB d'Internet ».

En réalité, il y a plus d'un an, OpenRouter s'était déjà autoproclamé « le Stripe du monde LLM ».

La valeur fondamentale d'OpenRouter

OpenRouter a été l'une des premières entreprises avec lesquelles Deedy est entré en contact après son arrivée chez Menlo en 2024. Cette entreprise se situe quasiment au cœur de notre logique d'investissement dans l'infrastructure d'IA.

Dans son « Rapport 2024 sur l'IA d'entreprise », Menlo a proposé deux hypothèses à prendre en compte pour investir dans OpenRouter : les dépenses en IA augmenteront considérablement et les développeurs n'utiliseront pas un seul modèle, mais plusieurs simultanément.

Image : Courriel initial de Menlo à OpenRouter

En tant que personnes qui écrivent également du code et utilisent ces modèles en pratique, nous avons rapidement réalisé qu'il existe des différences très importantes entre les différents modèles en termes de coût, de latence et de performance.

Par exemple, pour une tâche de traitement automatique du langage naturel (TALN) simple, comme la reconnaissance d'entités dans un texte, il n'est pas forcément nécessaire de faire appel à un modèle puissant et de pointe comme Fable.

Le problème est que si les utilisateurs doivent se rendre sur le site officiel de chaque société de modélisation, créer un compte, générer une clé API, la conserver en lieu sûr, s'adapter aux spécifications légèrement différentes de l'interface API de chaque société, et enfin gérer eux-mêmes tous les modèles, l'ensemble du processus sera très fastidieux.

Une passerelle unifiée peut sembler simple, mais en réalité, il s'agit d'un problème d'infrastructure bien plus complexe qu'il n'y paraît. Rares sont ceux qui sont réellement disposés à construire et à maintenir un tel système eux-mêmes sur le long terme.

Le secteur du capital-risque parle souvent de « fossés » et pense généralement d'abord aux barrières technologiques. Or, OpenRouter possède un fossé d'échelle tout à fait classique.

Plus OpenRouter compte d'utilisateurs, mieux il peut prédire la demande de modèles et gérer des charges plus importantes ; il est également plus facile de signer des contrats plus importants avec les laboratoires de modélisation, ce qui permet d'obtenir une offre et une demande de jetons plus stables.

En fin de compte, cela crée un cycle : les nouveaux laboratoires de modélisation, afin d'obtenir des canaux de distribution, voudront également privilégier la connexion à OpenRouter.

Nous avons également observé une autre tendance.

Avec la popularité croissante du Vibe Coding, le nombre de startups de logiciels a explosé. Pour un produit destiné au marché des entreprises, ceux qui ont déjà reçu l'approbation des développeurs internes sont souvent ceux qui finissent par être acquis par les grandes entreprises.

Anthropic, OpenAI, xAI, Cursor, Cognition, ElevenLabs, Lovable et Fireworks suivent tous ce modèle : ils séduisent d’abord les développeurs, puis pénètrent le marché des entreprises.

Il en va de même pour OpenRouter.

Depuis notre investissement :

OpenRouter traite actuellement 30 000 fois plus de jetons qu’à son lancement et a maintenu un taux de croissance mensuel d’environ 33 % au cours des trois dernières années, doublant en moyenne toutes les 11 semaines.

Le marché des modèles a également connu une expansion rapide. D'excellents modèles open source tels que DeepSeek, GLM et Kimi ont émergé en Chine, ainsi que des modèles proposés par des sociétés comme Grok, Meta et Thinking Machines. Actuellement, OpenRouter a intégré plus de 500 modèles provenant de plus de 80 fournisseurs, et compte environ 10 millions d'utilisateurs.

De nombreux nouveaux modèles importants seront disponibles en priorité sur OpenRouter, notamment ceux d'OpenAI, X et Meta. Mark Zuckerberg, qui intervient rarement sur Twitter ou pour d'autres produits, a annoncé la sortie de Muse Spark sur OpenRouter, tout comme Elon Musk. OpenAI proposera également des réductions exclusives sur des modèles tels que Terra et Luna via OpenRouter.

Le modèle de croissance d'OpenRouter, axé sur le produit, a également rencontré un franc succès sur le marché des entreprises. Son cycle de vente de produits destinés aux entreprises est parmi les plus rapides que nous ayons observés. Les entreprises peuvent utiliser ce produit pour allouer de manière centralisée les ressources de modélisation, contrôler les autorisations d'accès et gérer leurs budgets d'IA internes.

Grâce à sa capacité à négocier des contrats avec différents fournisseurs de modèles de manière unifiée, OpenRouter peut garantir une disponibilité de service extrêmement élevée, même avec les modèles les plus innovants.

Comment OpenRouter en est-il arrivé là où il est aujourd'hui ?

Quiconque a dirigé une startup pendant longtemps vous dira que trouver l'adéquation produit-marché, ou PMF, n'est jamais un chemin linéaire.

Il en va de même pour OpenRouter.

Son histoire commence en réalité le 5 avril 2023. À cette date, l'équipe a lancé une extension Chrome appelée Window, qui permettait aux utilisateurs d'appeler simultanément plusieurs modèles dans différentes applications de chat sur Internet.

Leur objectif initial était d'empêcher les utilisateurs d'être liés à un fournisseur de modèles particulier, tout en éliminant la nécessité de transmettre leurs clés API à différentes applications pour utiliser différents modèles.

La conception de ce produit s'inspire des portefeuilles de cryptomonnaies, un clin d'œil à l'expérience d'Alex lors de la création d'OpenSea. À l'époque, Windows prenait en charge quatre modèles.

Le 24 avril 2023, le nom « OpenRouter » est apparu pour la première fois dans le dépôt GitHub de Windows.

Environ un mois plus tard, ils ont intégré le premier lot de modèles Anthropic v1, ont commencé à attribuer automatiquement les requêtes aux modèles appropriés en fonction des invites, ont créé le désormais célèbre classement des modèles et ont commencé à utiliser le nom OpenRouter.

Le 10 août 2023, l'équipe a officiellement renommé le produit OpenRouter, avec le slogan « Une interface unifiée pour les LLM ».

À cette époque, OpenRouter traitait environ 3 milliards de jetons par semaine. Le modèle de classement était alors complètement différent de celui que nous connaissons aujourd'hui.

L'équipe a ensuite lancé Playground, qui permet aux utilisateurs de recevoir simultanément des réponses de plusieurs modèles via une interface de chat unique.

En novembre de cette année-là, OpenRouter prenait en charge 52 modèles, était connecté à plus de 2 000 applications et traitait environ 8 milliards de jetons par semaine.

C’est à ce stade qu’ils ont finalement trouvé PMF.

L'avenir du routage de modèles

Contrairement à une idée répandue, le produit phare d'OpenRouter ne consiste pas simplement à « aider les utilisateurs à acheminer des jetons », mais plutôt à devenir la passerelle IA la plus conviviale.

OpenRouter propose bien une fonction de routage automatique qui peut sélectionner automatiquement un modèle, mais la plupart des développeurs utilisent OpenRouter principalement pour accéder à différents modèles via un point d'entrée unique, puis décident comment acheminer les modèles en fonction de leurs propres besoins.

Récemment, l'augmentation rapide des dépenses des entreprises en matière de LLM est devenue un véritable problème pour des sociétés telles qu'Uber, Coinbase et Microsoft.

Par conséquent, le « routeur modèle » apparaît comme une solution de réduction des coûts très intéressante.

Puisqu'un agent d'IA décompose une tâche en de nombreuses sous-tâches, pourquoi utiliser le modèle le plus coûteux pour chaque tâche ? Les tâches simples peuvent être gérées par des modèles moins onéreux.

Ces dernières semaines, l'ensemble du secteur semble s'en être rendu compte simultanément. De Ramp à Cursor, plus de dix entreprises ont lancé leurs propres routeurs.

Le problème est que la sélection d'un modèle uniquement sur la base de l'invite elle-même n'est pas une méthode particulièrement efficace.

Dans un scénario basé sur des agents, l'exécution d'une tâche peut être très longue. Déterminer quel modèle doit traiter une requête particulière nécessite de comprendre un contexte important.

Par exemple, une commande simple : « Trouver ce fichier dans le dépôt de code. »

Cela pourrait suffire, par exemple avec un LLM simple et peu coûteux, ou nécessiter un modèle de pointe. Tout dépend de la taille du code source et du contexte établi par les tâches précédentes.

Dans les tâches d'agents à plusieurs étapes, si le routeur sélectionne le mauvais modèle à une étape quelconque, le coût de cette erreur continuera de s'amplifier aux étapes suivantes, entraînant finalement une baisse significative de la qualité globale des résultats de la tâche.

Par conséquent, le fondement d'un produit de routage de modèles véritablement différencié n'est pas un simple « algorithme de sélection de modèle », mais une excellente API unifiée et une base d'utilisateurs réels suffisamment importante.

Ce sont ces utilisateurs qui ont permis à OpenRouter de constituer progressivement un ensemble de données extrêmement vaste, quasiment inaperçu du grand public. Cet ensemble de données comprend les requêtes soumises par les utilisateurs, les modèles utilisés pour ces requêtes, les contextes d'exécution des tâches et les résultats obtenus.

C'est là que le routage des modèles prend toute son importance.

Dans un environnement de production réel, OpenRouter peut aider les entreprises à maîtriser leurs coûts en maintenant au mieux les performances grâce à un routage de modèles plus rationnel.

À l'avenir, les développeurs n'auront plus besoin de construire eux-mêmes des systèmes d'évaluation complexes, ni de modifier constamment l'invite pour différents modèles.

Il vous suffit peut-être de vous connecter à l'interface d'administration pour voir un message comme celui-ci : « Une partie de votre code est principalement utilisée pour la synthèse. Remplacer GPT 5.6 Sol par Muse Spark pourrait vous faire économiser 100 000 $ par an. Nous avons effectué automatiquement les évaluations nécessaires pour vous. »

Voici le véritable avenir du routage de modèles.

De l'infrastructure de paiement à l'infrastructure d'IA

Stripe et OpenRouter ont des trajectoires de développement très similaires. Les deux entreprises ont d'abord conquis les développeurs avant de s'implanter progressivement sur le marché des grandes entreprises. Leurs langages de conception produit sont également très simples et directs.

Andrej Karpathy a un jour qualifié OpenRouter de « commutateur » pour l'IA. Stripe fait quelque chose de similaire : l'entreprise est devenue ce « commutateur » dans le système de traitement des paiements.

Cette acquisition est l'une des premières opérations majeures dans le secteur des infrastructures de l'ère de l'IA, et ce ne sera pas la dernière. L'infrastructure de gestion des modèles, des coûts et de la puissance de calcul se met progressivement en place. Cette infrastructure permet l'émergence d'une nouvelle génération de géants de l'informatique à un rythme sans précédent.