OLIX, FRACTILE et ETCHED concentrent désormais l’attention des investisseurs sur l’étape décisive de l’inférence, là où se joue l’économie réelle de l’intelligence artificielle. Plus de 1,5 milliard de dollars ont été mobilisés pour des technologies visant à accélérer la génération de tokens, comprimer la facture énergétique et dépasser les contraintes matérielles issues du duo GPU–HBM. Selon les données récentes, cette réorientation des investissements répond à la montée des modèles de raisonnement et des agents, dont l’exécution exige un débit soutenu et des latences minimales. Une analyse approfondie révèle que le coût par token supplante la puissance brute comme métrique directrice, avec en toile de fond une bataille d’architectures et de chaînes d’approvisionnement.
Derrière l’ambition commune, trois trajectoires se dessinent : OLIX mise sur la SRAM et une interconnexion photonique pour doper le decode, FRACTILE rapproche calcul et mémoire jusqu’au cœur du silicium, et ETCHED grave sa spécialisation autour des Transformers en combinant HBM et SRAM. Les niveaux de maturité industrielle divergent – de la conception au silicium A0 en validation – et la véritable épreuve interviendra en 2027 lorsque débit, coût et stabilité en production devront converger. Entre promesses d’innovation, pression des hyperscalers et arbitrages énergétiques, une question domine : quelle plateforme servira, au meilleur coût et à grande échelle, les futurs usages du machine learning et des données en continu ?
OLIX, FRACTILE, ETCHED : l’inférence, nouveau centre de gravité économique
Longtemps focalisée sur l’entraînement, la chaîne de valeur bascule vers l’inférence, où chaque requête consomme des ressources. Les modèles de raisonnement, les contextes étendus et les agents prolongent le temps d’exécution, faisant du coût par token et de la latence les variables déterminantes. Selon les données récentes, cette inflexion redistribue la prime d’efficacité entre matériel, compilateurs et bibliothèques logicielles.
Le débat ne porte plus seulement sur « qui est le plus précis ? », mais sur « combien d’utilisateurs simultanés à quel coût énergétique ? ». Plusieurs techniques logicielles réduisent déjà la dépense de calcul sans sacrifier la qualité perçue.
- Distillation et quantification pour alléger les modèles.
- Speculative decoding afin d’accélérer la génération séquentielle.
- Compression du KV cache et routage Mixture-of-Experts ciblé.
- Activation graduelle des modèles (petit modèle pour requête simple, modèle frontière pour cas complexes).
Pour un panorama chiffré des tours de table et de leurs implications industrielles, voir cette analyse de référence sur les futurs moteurs de l’IA ou encore ce décryptage axé sur l’inférence et la consommation énergétique publié par Briefia. En creux, un constat s’impose : l’avantage se joue dans l’intégration système, pas dans une puce isolée.
Deux moteurs pour une seule réponse : prefill et decode
La phase prefill absorbe et traite le contexte en parallèle, tandis que le decode génère les tokens séquentiellement, très sensible à la proximité mémoire. Un même GPU sait faire les deux, mais pas toujours de façon optimale. D’où l’essor de moteurs spécialisés – rapide en prefill, ultra-réactif en decode – au prix d’un défi : déplacer efficacement l’état (dont le KV cache) entre architectures sans recréer un goulot d’étranglement inter-accélérateurs.
Chez un opérateur fictif, Helios Cloud, un chatbot juridique doit avaler des données volumineuses (contrats, jurisprudence) avant de produire des réponses longues et vérifiées. Le choix d’un pipeline mixte – prefill sur moteur A, decode sur moteur B – n’a de sens que si le gain sur la génération dépasse clairement le coût de synchronisation. À défaut, la promesse de spécialisation se dilue.
OLIX : SRAM et photonique pour accélérer le decode à l’échelle rack
OLIX concentre ses efforts sur le decode avec son système DX‑1 (Decode Accelerator) visant un double objectif : débit élevé à l’échelle du rack et faible latence par utilisateur. Plutôt que la HBM, la startup privilégie une architecture à base de SRAM massivement distribuée, interconnectée par une liaison photonique destinée à transporter davantage de données par watt et à contenir le coût total de possession.
La montée en puissance est notable : valorisée 3,3 milliards $ un peu plus de deux ans après sa création, l’entreprise a levé 312 millions $ (Fundomo, ARM, Hudson River Trading, Reed Hastings) après un tour précédent de 220 millions $. Le tape‑out est visé avant fin 2026 pour des premiers systèmes en 2027. Les investisseurs financent donc une équipe, une architecture et un calendrier – un pari assumé. Un éclairage complémentaire figure dans cette analyse des flux de capitaux vers l’inférence.
Reste un défi industriel conséquent : la SRAM consomme de la surface, les rendements de grands dies sont sensibles, et l’optique exige intégration, alignement et tests durcis en conditions datacenter. L’issue dépendra autant du compilateur et du packaging photonique que du seul silicium.
FRACTILE : rapprocher calcul et mémoire pour des raisonnements plus longs
FRACTILE part du constat que les tâches agentiques génèrent des millions de tokens et que la vitesse de génération conditionnera l’usage. Le goulot d’étranglement se situe dans les allers-retours constants entre unités de calcul et mémoire ; la startup affirme donc repenser la pile d’inférence pour exécuter une part accrue des opérations au plus près, voire directement dans la mémoire sur puce.
Fondée en 2022 par Walter Goodwin, la société a levé 220 millions $ (ACCEL, FACTORIAL FUNDS, FOUNDERS FUND, etc.) pour produire ses premiers processeurs, avec un socle RISC‑V vectoriel licencié selon des informations publiques. Les spécifications détaillées (type/quantité de mémoire, organisation rack, gestion du KV cache) restent discrètes, ce qui rend les comparaisons directes prématurées. Un point de contexte utile est proposé dans cette synthèse sur les investissements massifs en IA et l’inférence. La fenêtre de tir est serrée : sa première génération arrivera face aux itérations de NVIDIA, AMD et aux puces propriétaires des hyperscalers.
Clé de lecture : si l’intégration mémoire‑calcul se traduit par un débit multiplié en conditions réelles, de nouvelles charges de travail deviendront économiquement atteignables ; à l’inverse, l’avantage se dissiperait à l’échelle du rack.
ETCHED : spécialiser le silicium pour les Transformers et livrer des racks
ETCHED pousse la spécialisation : si les Transformers dominent, un ASIC dédié peut sacrifier une partie de la polyvalence GPU au profit d’une surface, d’une bande passante et d’une énergie concentrées sur les opérations réellement utilisées. L’approche combine HBM et SRAM, avec des briques système comme Cluster Scale Memory et Low Voltage Inference pour augmenter la densité de calcul sans surcharge thermique.
Sur le plan industriel, la société annonce un premier silicium A0 en validation (TSMC N4P), plus de 400 ingénieurs, et plus de 1 milliard $ de demande à livrer « dès l’été ». Plusieurs levées totalisant 800 millions $ ont été rendues publiques, tandis que sa valorisation a été rapportée à 10,3 milliards $. Voir à ce sujet cette mise en perspective sur la valorisation d’ETCHED ainsi que l’analyse consacrée à sa sortie de l’ombre et à sa puce d’inférence publiée par Actualité Cloud.
L’interrogation majeure tient à la durabilité de l’avantage si l’architecture des modèles évolue rapidement. L’entreprise n’a toutefois pas besoin d’un monopole éternel du Transformer, mais de suffisamment de cycles produits‑livrés pour amortir plusieurs générations. Le carnet annoncé devra maintenant se matérialiser en racks opérationnels, chez des clients tiers, avec benchmarks indépendants.
Au‑delà des puces : la bataille des piles logicielles et du rack complet
Aucune des trois startups ne vend une puce nue. Chacune assemble matériel, mémoire, réseau, refroidissement, compilateurs et SDK pour livrer des racks. C’est la condition pour rivaliser avec l’écosystème CUDA, NVLink, bibliothèques et architectures rack‑scale de NVIDIA. À noter que ce dernier spécialise aussi sa gamme, développe des interconnexions optiques et intègre une brique LPU issue de GROQ (système GROQ 3 LPX, 256 accélérateurs SRAM par rack), preuve que le statu quo n’existe pas.
Les jalons de crédibilité progressent selon une échelle simple :
- Simulation et promesses chiffrées
- Silicium fonctionnel et benchmarks internes
- Tests indépendants et qualification client
- Production continue avec SLO/SLA respectés
Chez Helios Cloud, l’arbitrage ne compare pas des TFLOPS mais des coûts par token tout‑inclus (serveurs, mémoire, réseau, stockage, refroidissement). C’est à ce niveau que les gains théoriques se confirment… ou s’évaporent. Pour un autre angle chiffré, voir également cet article de synthèse en anglais consacré aux moteurs futurs de l’IA.
Hyperscalers, énergie et industrialisation : un marché exigeant
Le marché adressable à grande échelle reste concentré : hyperscalers, laboratoires de modèles frontières, néo‑clouds et États. Beaucoup conçoivent déjà leurs propres accélérateurs, quand les acteurs plus modestes n’ont pas toujours la capacité d’adopter une nouvelle plateforme. Cette tension pousse certains nouveaux entrants à proposer directement une capacité facturée au token ; un modèle plus capitalistique encore, proche de l’opérateur de cloud.
La dimension énergétique devient stratégique. La généralisation d’agents et de contextes longs déplace les besoins vers des datacenters plus denses, mieux refroidis et optimisés en distribution électrique. D’où l’intérêt pour les stratégies d’équipement intégrées, comme l’illustre l’analyse sur les investissements industriels liés à l’IA, et, au niveau macro, les politiques publiques, à l’image de l’effort européen de 70 milliards d’euros sur les technologies stratégiques. Une infrastructure performante sans écosystème énergétique adapté ne tient pas ses promesses.
Conclusion provisoire : le véritable produit n’est plus la puce, mais le rack – et derrière le rack, la chaîne complète d’industrialisation et d’énergie.
2027 : quand les valorisations rencontreront le silicium
Cap sur 2027. OLIX doit réussir son tape‑out, valider l’interconnexion photonique et démontrer l’exécution des grands modèles au‑delà de la capacité d’une puce. FRACTILE doit publier davantage de détails, livrer son premier silicium et prouver ses multiplicateurs de performance sur charges réelles. ETCHED doit convertir sa demande annoncée en racks livrés, stables et compétitifs, tout en suivant l’évolution rapide des architectures modèles.
Le Royaume‑Uni place deux champions sur l’échiquier – OLIX et FRACTILE – tandis que la fabrication, la mémoire et le packaging restent mondiaux. L’investissement d’ARM dans l’écosystème signale une stratégie d’amont : être au cœur des plateformes sans choisir trop tôt un vainqueur. Pour une vue d’ensemble en français orientée marché, lire aussi cette synthèse sur l’inversion de tendance vers l’inférence. En toile de fond, une évidence : l’innovation la plus décisive sera celle qui survivra au passage à l’échelle.
À très court terme, le critère clé restera constant : produire plus de tokens, plus vite et moins cher, sans dégrader la qualité. Au-delà, la capacité à absorber l’évolution des modèles et des formats numériques fera la différence entre un succès industriel durable et une génération trop vite dépassée.
Journaliste spécialisée en énergie et industrie, je décrypte depuis plus de quinze ans les évolutions des marchés énergétiques et les innovations industrielles. Mon parcours m’a conduite à collaborer avec des publications de renom, où j’ai analysé les défis liés à la transition énergétique et aux politiques industrielles.
