SambaNova lève 1 milliard de dollars pour une valorisation de 11 milliards, portée par la demande en inférence IA

SambaNova Systems, fabricant de puces spécialisées pour l'intelligence artificielle, a levé 1 milliard de dollars pour une valorisation de 11 milliards de dollars. Ce tour de table confirme la confiance des investisseurs dans la demande croissante en infrastructure d'inférence IA. Le PDG de l'entreprise, Rodrigo Liang, l'a annoncé lors d'un entretien avec Ed Ludlow sur Bloomberg Tech.

Ce que l'on sait du tour de table

SambaNova est une start-up de Palo Alto fondée en 2017 par des anciens de Stanford, dont le professeur Kunle Olukotun. L'entreprise développe sa propre architecture de puces, la Reconfigurable Dataflow Unit (RDU), conçue comme une alternative aux GPU de Nvidia, qui dominent aujourd'hui le marché de l'entraînement et de l'inférence des réseaux de neurones. Le principe de la RDU : faire « circuler » les données dans la puce selon le chemin optimal pour un réseau de neurones donné, au lieu de les faire transiter par l'architecture généraliste d'un GPU. Selon l'entreprise, cette approche réduit la latence et la consommation d'énergie lors de l'inférence de grands modèles.

• Tour de table : 1 milliard de dollars
• Valorisation post-money : 11 milliards de dollars
• PDG : Rodrigo Liang
• L'entretien a été diffusé sur Bloomberg Tech, avec Ed Ludlow

Pourquoi l'inférence est devenue le cœur de la demande

Rodrigo Liang a souligné que la demande en inférence à haut débit, c'est-à-dire l'exécution rapide et bon marché de modèles déjà entraînés dans des produits réels, progresse à un rythme considérable. Il y a quelques années, l'essentiel des investissements du secteur allait à l'entraînement de grands modèles. Aujourd'hui, les entreprises intègrent massivement l'IA à leurs services et ont besoin d'une infrastructure capable de répondre aux utilisateurs avec une latence minimale et à un coût par token acceptable.

Ce basculement s'explique par l'évolution des usages : plutôt que des requêtes ponctuelles à un chatbot, les entreprises déploient de plus en plus d'agents IA et de copilotes qui sollicitent les modèles à de multiples reprises au cours d'une même tâche, de l'analyse d'un document à l'automatisation d'un processus métier. Chaque appel exige une réponse du modèle en une fraction de seconde. C'est ce qui fait du coût et de la vitesse d'inférence, et pas seulement de la qualité du modèle lui-même, un critère décisif dans le choix de l'infrastructure.

Qui se dispute le marché de l'inférence

Ce déplacement du centre de gravité, de l'entraînement vers l'inférence, s'est imposé comme l'un des grands sujets de 2026 pour l'ensemble de l'industrie des puces. Outre Nvidia, qui conserve l'essentiel du marché des accélérateurs IA grâce à son écosystème CUDA, les hyperscalers arrivent sur le marché des puces d'inférence spécialisées avec leurs propres développements : les TPU chez Google, Trainium et Inferentia chez Amazon. S'y ajoutent les start-up Groq et Cerebras, qui disputent à SambaNova les clients entreprises en quête d'une alternative aux coûteux clusters de GPU. Pour ces clients, les indicateurs clés ne sont pas les performances crête sur le papier, mais le coût réel d'un token de réponse du modèle et la latence sous forte charge.

Ce que cela signifie

Dans un contexte de boom général des investissements dans l'infrastructure IA, la levée massive de SambaNova montre que le marché mise de plus en plus non seulement sur les développeurs de modèles, mais aussi sur les entreprises qui construisent le matériel permettant de les exécuter vite et à moindre coût. C'est précisément ce facteur, et pas seulement la qualité des réseaux de neurones eux-mêmes, qui détermine de plus en plus l'économie réelle du passage à l'échelle de l'IA dans les produits.