1. Le profil réel derrière le chiffre
Quelques données structurantes :
• 5,4 Mds $ de revenus annualisés
• +65 % de croissance YoY
• 1,4 Md $ de revenus annualisés liés à l'IA
• Net retention > 140 %
• 800+ clients à plus de 1 M $ par an
• Free cash-flow positif sur les 12 derniers mois
À 5,4 Mds $ de run-rate, Databricks opère déjà à l'échelle d'un grand éditeur coté.
Mais contrairement à beaucoup de « AI stories », ce n'est pas un modèle subventionné par le capital. C'est une machine qui génère déjà du cash.
2. 25x les revenus : exubérance ou cohérence ?
134 Mds $ pour 5,4 Mds $ de revenus annualisés.
→ ~25x le run-rate.
Comparaison rapide :
• Les grands SaaS cotés : 8x–15x
• Les leaders data/AI dans les meilleures phases de marché : 15x–20x
Alors pourquoi une prime ? Parce que le multiple n'est jamais une fantaisie. C'est un vote. Un vote sur trois variables :
1. Position d'infrastructure — Databricks est au cœur des architectures data des grands groupes. Le lock-in est structurel.
2. Qualité de la base clients — 140 % de net retention signifie que la croissance est d'abord interne.
3. Visibilité IPO — À ce stade, le marché price déjà la trajectoire post-introduction.
La vraie question n'est pas : « 25x est-ce trop cher ? »
Mais : Croyez-vous à 50–60 % de croissance pendant encore 2–3 ans, avec une marge Free cash flow qui s'élargit ?
Si oui, le multiple se normalise mécaniquement à l'IPO sur une base de revenus beaucoup plus élevée.
3. Equity + dette : le signal le plus intéressant
Ce tour n'est pas qu'un tour. C'est un changement de statut.
• 5 Mds $ d'equity pour accélérer les produits (Lakebase, Genie, agents, apps), financer du M&A ciblé et organiser de la liquidité.
• 2 Mds $ de dette alors que la société est déjà FCF positive.
On bascule d'un profil « venture pur » à une structure de capital quasi cotée.
Usage de dette. Optimisation du coût du capital. Gestion sophistiquée des liquidités secondaires.
La dette envoie deux signaux :
• Aux clients enterprise : risque fournisseur extrêmement faible.
• Aux investisseurs : pré-IPO engineering assumé.
4. Un cas d'école de l'IA « investissable »
Trois enseignements structurants.
1. L'IA ne suffit pas. L'infrastructure oui.
Databricks ne vend pas un LLM grand public. Elle monétise la couche data + orchestration + usage. Le pouvoir de pricing vient de la profondeur d'intégration.
2. La monétisation IA est déjà massive.
1,4 Md $ de revenus annualisés liés aux produits IA. C'est plus que le chiffre d'affaires total de nombreuses « AI natives ». L'IA ici n'est pas un produit isolé. C'est un accélérateur d'adoption.
3. Discipline dans les multiples.
25x paraît élevé. Mais si la croissance se maintient, le multiple « travaille » en votre faveur. Le marché n'achète pas un chiffre actuel. Il achète une trajectoire.
5. Le message pour le marché privé
Databricks a déjà connu plusieurs vagues de transactions secondaires. Ce n'est plus une licorne illiquide.
C'est :
• Un actif activement échangé.
• Une gouvernance structurée.
• Une cap table en cours de rationalisation.
• Une trajectoire compatible public market.
On parle d'un actif quasi institutionnel.
Conclusion
Databricks n'est pas un pari narratif sur l'IA. C'est un actif :
• rentable,
• en hypercroissance,
• structuré,
• déjà pensé pour la cotation.
La question pour un investisseur n'est pas : « Est-ce cher ? »
Mais : Où se situe-t-on dans la courbe de création de valeur ?
L'IA redistribue. Le capital sélectionne.
Et la sélection se fait de plus en plus tôt, sur des actifs déjà structurés comme des sociétés cotées… avant qu'elles ne le deviennent.