Etched Books enregistre 1 milliard de dollars de commandes et vise Nvidia dans le domaine de l'inférence IA

Etched, une jeune entreprise de quatre ans spécialisée dans les puces, affirme avoir reçu plus d'un milliard de dollars de commandes de matériel conçu pour exécuter des modèles d'IA après leur entraînement. Ce processus d'exécution, appelé inférence, est devenu l'une des opérations les plus coûteuses pour les entreprises utilisant l'IA. Etched estime que sa technologie sur puce permet d'effectuer cette tâche plus rapidement, à moindre coût et avec une consommation d'énergie réduite par rapport aux GPU généralistes de Nvidia.

L'entreprise a dévoilé ses commandes ainsi qu'une valorisation de 5 milliards de dollars. Elle a ajouté que sa première puce est déjà fabriquée par Taiwan Semiconductor Manufacturing Company (TSMC), d'après un article de TechCrunch. Si la puce fonctionne comme prévu, une partie des fonds actuellement alloués à Nvidia pourrait être réorientée, ce qui modifierait le modèle économique du déploiement de modèles d'IA de pointe.

« Nous sommes arrivés à un point dans l'évolution de l'IA où des puces spécialisées capables de performances supérieures aux GPU à usage général sont inévitables — et les décideurs techniques du monde entier le savent », a déclaré Gavin Uberti, cofondateur et PDG d'Etched, à TechCrunch en 2024.

Contrairement à l'entraînement, où les modèles apprennent à partir d'immenses ensembles de données, l'inférence a lieu à chaque requête de l'utilisateur. Actuellement, les grands modèles de langage utilisent le temps de recherche des poids et de mise à jour de leur cache clé-valeur (KV), ce qui accroît l'importance de la capacité mémoire et de la bande passante à mesure que les fenêtres de contexte s'agrandissent. Par conséquent, on observe une demande pour des puces conçues exclusivement pour l'inférence, par opposition aux GPU capables de gérer des charges de travail plus importantes.

Un article publié en juillet 2026 par Michael J. Yuan et Ju Long indique que les GPU grand public peuvent être caractérisés comme « riches en calcul mais peu gourmands en mémoire », du fait de leur combinaison d'une puissance de traitement élevée et d'une capacité mémoire relativement faible. Selon les auteurs, lors de l'inférence, certains calculs restent souvent inactifs en attendant les données, ce qui permet d'utiliser du matériel conçu spécifiquement pour optimiser la consommation de mémoire plutôt que l'efficacité arithmétique.

Ce que vend Etched

Au lieu de commercialiser une puce autonome, Etched propose des « clusters d'inférence de pointe », c'est-à-dire un ensemble de systèmes fonctionnant de concert et comprenant des composants en silicium personnalisés, des unités de réseau et des logiciels. L'entreprise affirme employer plus de 400 ingénieurs recrutés chez Nvidia, l'équipe TPU de Google, Broadcom, SK Hynix et TSMC.

L'entreprise attribue l'amélioration attendue des performances à deux technologies propriétaires. La première, l'inférence à basse tension (LVI), permet aux blocs de calcul de fonctionner à des niveaux de tension inférieurs, assurant ainsi un fonctionnement continu et une moindre production de chaleur. La seconde, la mémoire à l'échelle du cluster (CSM), libère des puces dans un système de stockage à faible latence, éliminant ainsi les problèmes liés à l'inférence à contexte long et à la croissance de la taille du cache KV.

Ces technologies restent toutefois considérées comme des affirmations de l'entreprise plutôt que comme des preuvesdent. Etched a indiqué qu'elle prévoyait de rendre publics certains de ses résultats de tests de référence et des informations techniques dès le début des livraisons de ses premiers racks, prévu plus tard cet été.

De la quasi-faillite à un tableau de capitalisation bien rempli

Etched a levé environ 800 millions de dollars à ce jour, dont un financement de 500 millions de dollars finalisé en décembre, pour une valorisation post-money de 5 milliards de dollars, selon TechCrunch. Stripes a mené ce tour de table, avec la participation de Jane Street, Hudson River Trading, Two Sigma, Ribbit Capital et VentureTech Alliance.

Parmi ses investisseurs figurent également d'éminents chercheurs en IA tels qu'Andrej Karpathy, Geoffrey Hinton, Fei-Fei Li, Arthur Mensch et Scott Wu, ainsi que Stanley Druckenmiller et Peter Thiel.

Ce financement marque un tournant décisif pour la startup. Etched, fondée en 2022 par Robert Wachen et Gavin Uberti, deux anciens étudiants de Harvard et boursiers Thiel, a rencontré des difficultés àtracdes investisseurs pendant la majeure partie de l'année 2023. Les créateurs de l'entreprise ont déclaré que presque toutes les organisations auxquelles ils se sont adressés ont rejeté leurs demandes avant qu'ils ne parviennent à lever plus de 125 millions de dollars en 2024.

Une course qui s'élargit et que l'industrie surveille de près

Etched arrive sur un marché déjà saturé. Cerebras a réalisé l'une des introductions en bourse les plus médiatisées de l'année dans le secteur des puces d'IA, Groq a récemment levé 650 millions de dollars, tandis qu'Amazon, Google et Microsoft développent leurs propres puces d'IA sur mesure pour leurs infrastructures respectives. OpenAI a également fait appel à Broadcom pour la création d'une puce personnalisée, ce qui indique que le marché de l'inférence a atteint un niveau de maturité lui permettant d'accueillir d'autres acteurs que Nvidia.

Le processus de fabrication reste complexe. Comme l'a précédemment rapporté Cryptopolitan , les technologies d'encapsulation avancées, notamment CoWoS de TSMC qui associe les processeurs à la mémoire à large bande passante, constituent l'un des principaux obstacles pour l'industrie.

La demande de plaquettes de silicium pour l'IA devrait être multipliée par onze entre 2022 et 2026. Parallèlement, TSMC détient environ 72 % du marché des fonderies spécialisées. Etched, utilisant le procédé N4P de TSMC, se retrouve en concurrence avec des entreprises comme Nvidia, AMD et d'autres fabricants de puces pour l'IA pour l'accès aux mêmes ressources de production.

Actuellement, l'accent est mis sur la mise en œuvre. Selon les informations disponibles, la production a déjà commencé et les premiers racks d'inférence seront livrés dans les prochains mois, avec pour objectif d'atteindre un chiffre d'affaires d'environ un milliard de dollars. La conformité du matériel aux promesses de l'entreprise en matière de fonctionnalités améliorées ne pourra être vérifiéedent qu'une fois livré aux clients.

Pour l'instant, les affirmations de l'entreprise concernant LVI et CSM doivent être considérées comme des promesses plutôt que comme des résultats confirmés. Si ces résultats se confirment, la start-up deviendra probablement l'un des concurrents les plus redoutables de Nvidia dans le secteur de l'inférence IA.