Etched double sa valorisation à 20,3 milliards de dollars grâce à une transaction avec Jane Street

Etched envisage déjà une nouvelle levée de fonds qui plus que doublerait la valorisation de la startup spécialisée dans les puces d'inférence IA, pour atteindre environ 21 milliards de dollars, à peine un mois après sa levée de fonds de série C de 300 millions de dollars menée par Sequoia fin juillet, qui valorisait l'entreprise à 10,3 milliards de dollars. 

Les nouveaux chiffres cités dans l' article du Wall Street Journal du 18 août représentent une multiplication par quatre de la valorisation de l'entreprise, qui s'élevait à 5 milliards de dollars en décembre 2025. Etched a également conclu un premier contrat avec Jane Street, en livrant au géant du trading quantitatif de Wall Street une baie de serveurs équipée de processeurs d'IA optimisés pour le calcul d'inférence rapide. 

L'ampleur de la croissance de l'entreprise, sortie de sa phase de développement confidentielle le 30 juin seulement, témoigne de la course aux alternatives pour contrer la position dominante de Nvidia en tête de la chaîne d'approvisionnement des puces qui alimentent l'essor de l'IA. 

« Ce tour de table reflète la conviction croissante du secteur que le défi exige un nouvel acteur prêt à reconstruire l'infrastructure à partir de zéro », a déclaré Gavin Uberti, cofondateur et PDG, dans un communiqué.

Andreessen Horowitz (a16z), SK Hynix, Jane Street et Diffusion Capital ont également participé au tour de financement du 31 juillet.

À quoi servent les puces d'Etched ?

Etched commercialise des systèmes rack complets optimisés pour l'inférence, la phase de calcul de l'IA qui intervient après la soumission des requêtes par l'utilisateur. L'entreprise estime que sa spécialisation dans l'inférence lui permet de concevoir des puces dédiées, contrairement à Nvidia qui fabrique des GPU polyvalents pour l'entraînement et l'inférence en IA.

Etched divise le travail en phases de préremplissage et de décodage. 

• La phase de préremplissage lit et interprète les instructions grâce à ce que Robert Wachen, cofondateur d'Etched, appelle l'inférence basse tension. Ce choix de conception permet à la puce de fonctionner à une température plus basse, avec un plus grand nombre de transistors et une fréquence d'horloge plus élevée. 
• La phase de décodage, durant laquelle le modèle écrit sa réponse jeton par jeton, utilise une architecture de mémoire partagée. Cette architecture permet aux accélérateurs d'un même rack d'accéder aux données d'un autre pool de mémoire, évitant ainsi aux accélérateurs de les copier eux-mêmes. 

Etched a indiqué que ses systèmes sont déjà intégrés DeepSeek, Qwen, Mamba et Llama.

Des sommes considérables sont investies dans l'inférence 

Etched surfe sur la vague d'un marché plus vaste que les analystes considèrent comme le segment à la croissance la plus rapide du secteur porteur de l'IA. L'entreprise a tenu sa promesse de commencer les livraisons de puces dès l'été, honorant plus d'un milliard de dollars de commandes enregistrées, comme l'a rapporté Cryptopolitan.

Bloomberg Intelligence a fixé un objectif de 1 300 milliards de dollars pour le secteur de l’inférence, doublant ainsi la taille du marché de la formation en IA d’ici 2032. Iron Mountain et Structure Research estiment que la capacité d’inférence dépassera la capacité de formation cette année et continuera de croître pour représenter 80 % de la charge de calcul de l’IA d’ici 2030.

La ruée vers les centres de données d'IA a créé une demande constante alimentée par des noms tels que Nvidia, Cerebras et AMD, qui construisent également des systèmes spécifiques à l'inférence sur la même division pré-remplissage et décodage que celle décrite par Etched. 

Etched emploie désormais plus de 400 personnes et a annoncé le succès de sa première production de puces sur le procédé N4P de TSMC. L'entreprise exploite un centre de données de 2 mégawatts à son siège social de San Jose et a ouvert un nouveau site de 7 400 mètres carrés et de 10 mégawatts à Milpitas, à proximité, selon TechCrunch.