Etched double sa valorisation à 21 Md$ en un mois
Pourquoi ça compte pour toi
Etched ne fabrique pas juste du matériel IA : elle réinvente comment les modèles d'IA pensent et répondent. Jane Street, le fonds quantitatif le plus exigeant du secteur, vient d'acheter et tester ses puces. Si Etched livre vraiment ce qu'elle promet—inférence plus rapide et 50 fois moins chère que Nvidia—tu dois comprendre pourquoi ce tournant technologique change la donne pour chaque startup IA.
Ce qu'il faut retenir
- 1.Valorisation : 5 Md$ (décembre 2025) → 21 Md$ (août 2026). Levée : 700 M$ menée par Jane Street.
- 2.Deux innovations matérielles : une puce basse tension pour accélérer la phase 'prefill' (compréhension du prompt), et une mémoire partagée ultra-rapide pour la phase 'decode' (génération de réponse).
- 3.Jane Street a testé et acheté. Les quants ne plaisantent pas : si c'est bon pour eux, c'est bon pour les charges de travail exigeantes (trading, recherche, simulations).
Tu galères avec le jargon ?
Lis la version réécrite en mode débutant — toutes les idées, sans le jargon.
Pourquoi ça monte aussi vite ?
Etched a lancé sa première puce en 2023. À l'époque, l'idée était folle : concevoir du silicium sur mesure pour OpenAI/Claude/Llama. Mais l'industrie a rejeté ce modèle—personne ne veut de matériel monolithique.
Etched a pivoté. Au lieu de viser un seul modèle, l'équipe a compris que l'inférence souffrait d'un goulot d'étranglement architectural. Pendant que tout le monde optimisait l'entraînement, l'inférence restait empirique.
L'astuce technique
Inférence = deux phases :
- ▸Prefill (intensif en calcul) : le modèle « lit » tout ton prompt + contexte. Phase courte, très gourmande en CPU/GPU.
- ▸Decode (intensif en mémoire) : le modèle génère ta réponse token par token. Des centaines de boucles, chacune bloquée par la vitesse de la mémoire.
Etched a :
- ▸Conçu une puce prefill ultra-basse tension → plus de transistors, même chaleur
- ▸Inventé une mémoire « à l'échelle du cluster » partagée → les 16, 64, 256 puces communiquent sans latence
Résultat : inférence 2-5x plus rapide. Coût d'infrastructure divisé par 5-10 selon les charges de travail.
Pourquoi Jane Street a craqué
Les fonds quants vivent à la nanoseconde. Si tu peux réduire la latence d'une requête IA de 5 secondes à 1 seconde, tu économises des millions en temps GPU. Jane Street a installé un rack chez eux. Pas du prototypage : de la production.
Autres investisseurs : Kleiner Perkins, Sequoia, Andreessen Horowitz, Peter Thiel. Pas mal pour une startup matérielle que tout le monde disait vouée à l'échec.
Le vrai pari
Etched affirme qu'elle peut faire tourner n'importe quel modèle frontier (GPT-4, Claude, Llama, Mixtral). Démontré ?
Pas encore publiquement. Mais Jane Street n'achète pas sur promesse. Ils ont testé, mesuré, validé.
Si c'est vrai, Nvidia a un problème. Ses puces GPU maîtrisent l'entraînement, mais l'inférence ? Nvidia l'a délaissée à cause du coût de la mémoire. Etched les a contournés en repensant l'architecture.
Et concrètement pour toi ?
Choisis ton profil — la lecture de l'article change selon qui tu es.
Pour toi, vois Etched comme le signe que le monopole Nvidia se fissure enfin—pas demain, mais les géants de la finance testent des alternatives, ce qui veut dire que les prix IA vont baisser et l'accès s'élargir aux petits acteurs.
Source
📊 Cours en bourse
Pour aller plus loin
Cet article t'a donné envie d'approfondir ? Deux formations Noésis t'attendent :
Explorer les thèmes de cet article :