Nvidia serait proche de racheter Inception pour 500 millions de dollars afin de s'offrir des LLM de diffusion
Nvidia serait proche de racheter la start-up Inception pour au moins 500 millions de dollars, selon The Information. Inception entraîne des modèles de langage qui n'écrivent pas leur réponse token par token, comme ChatGPT, mais d'un seul bloc. Ils produisent d'abord un brouillon de la page entière, puis le retouchent en plusieurs passes, comme les générateurs d'images. Si cette approche fonctionne, Nvidia renforcera ses modèles ouverts Nemotron, et les développeurs disposeront de LLM plus rapides pour les agents et l'autocomplétion de code.
Traité par IA depuis The Decoder ; édité par Hamidun News
Les modèles de langage classiques écrivent leur réponse comme quelqu'un qui dicterait une lettre : mot après mot, chacun dépendant de ceux qui précèdent. Il faut donc attendre pour obtenir une réponse longue, et dans une chaîne de dizaines d'étapes d'un agent, les latences s'additionnent. D'après The Information, Nvidia a décidé de racheter une équipe qui explore une autre voie : les modèles de langage (LLM) de diffusion.
Ils produisent d'emblée un brouillon de toute la réponse, puis l'affinent à plusieurs reprises, comme un éditeur qui retravaille la page entière au lieu de la compléter de gauche à droite. Selon trois sources du média, Nvidia est proche d'acquérir la start-up Inception pour au moins 500 millions de dollars. Il ne s'agit pas encore d'un rachat confirmé : ni Nvidia ni Inception n'ont d'abord commenté l'information.
Pour un développeur, l'enjeu pratique est simple : si cette approche fonctionne à grande échelle, l'autocomplétion de code, les assistants vocaux et les agents pourront répondre nettement plus vite.
Ce que fait Inception et en quoi c'est différent
Inception existe depuis environ deux ans, est basée dans la région de la baie de San Francisco et emploie plus de 30 personnes. La start-up construit des modèles de langage fondés sur la diffusion, une approche connue des générateurs d'images. Dans ce cas, l'image ressemble d'abord à du bruit, puis se précise en plusieurs passes.
Inception applique la même idée au texte. Un modèle classique, comme ceux qui font tourner ChatGPT et Claude, génère la réponse token par token (un token est un fragment de mot). Un modèle de diffusion crée un brouillon de toute la réponse et l'améliore étape par étape. En théorie, cela accélère la génération, car de nombreux tokens sont traités en parallèle.
La dernière version de la start-up est Mercury 3. D'après The Decoder, Inception a affirmé en octobre que ce modèle surpassait GPT-6 Luna et Claude Haiku 5.5 avec un temps d'attente nettement inférieur. Cette affirmation émane de l'entreprise elle-même : la source ne mentionne aucune mesure indépendante.
Pourquoi Nvidia s'y intéresse
Selon The Information, ce rachat doit renforcer la gamme ouverte Nemotron et les modèles physiques pour les robots. Palantir et des administrations américaines utilisent déjà Nemotron comme alternative aux modèles ouverts chinois. C'est un marché important pour Nvidia : quand l'entreprise propose de bons modèles ouverts, ses clients ont plus de facilités à rester sur son matériel et ses logiciels.
Il existe aussi un contexte concurrentiel. OpenAI et Anthropic conçoivent leurs propres puces d'inférence, c'est-à-dire destinées à exécuter des modèles déjà entraînés, comme l'indique l'article. Nvidia gagne de l'argent parce que le marché fait tourner ses modèles sur ses GPU, et les puces maison de ses concurrents fragilisent ce modèle. Une architecture rapide et peu coûteuse à exécuter aide à démontrer que la plateforme Nvidia reste le meilleur endroit pour l'inférence.
L'accord prévoit des bonus liés aux résultats pour les employés d'Inception. Les cofondateurs, les professeurs Stefano Ermon, Aditya Grover et Volodymyr Kuleshov, doivent rejoindre Nvidia à temps plein. Selon le média, les négociations ont débuté avant la démission du patron de Nvidia, Jensen Huang, et après que Microsoft a manifesté son intérêt pour la start-up. The Decoder a consacré un article distinct à cette démission : survenue le 12 novembre, elle a fait suite à un scandale d'espionnage, après lequel la valeur boursière de l'entreprise a chuté de 1,4 trillion de dollars.
Ce que cela signifie pour les développeurs
Premièrement, les LLM de diffusion cessent d'être une curiosité. Quand le premier fabricant d'accélérateurs paie plus d'un demi-milliard de dollars pour une équipe d'une trentaine de personnes, il parie sur une technologie et non sur un chiffre d'affaires actuel.
Deuxièmement, si vous construisez des produits où la latence compte (autocomplétion de code, assistants vocaux, agents à des dizaines d'étapes), il vaut la peine d'examiner dès maintenant ces modèles. Dans les chaînes d'agents, le temps de réponse s'accumule à chaque étape, et le gain peut se révéler plus déterminant qu'une amélioration de la qualité.
Ces perspectives ont toutefois des limites. L'accord n'est pas encore conclu, le prix est indiqué comme un minimum, et les comparaisons de Mercury 3 avec ses concurrents viennent de la start-up elle-même. On ignore comment l'approche de diffusion se comportera sur des tâches de raisonnement très complexes et sur de longs contextes. On ne sait pas non plus si des poids ouverts d'Inception apparaîtront dans Nemotron. En pratique, la conclusion est la suivante : surveillez les benchmarks indépendants de Mercury 3 et testez les modèles de diffusion sur vos propres tâches où le temps de réponse est critique.
- 20 nov. 2026Quatre heures sur une RTX 5090 coûtent 348 ₽, et à partir de 1 730 ₽ avec un minimum facturé à la journée
- 20 nov. 2026Nvidia abandonne le H200 en Chine, et les nouvelles règles américaines menacent jusqu'à $44–62 milliards de revenus
- 20 nov. 2026Nvidia fait grimper ses participations dans les startups de 22 à 65,5 milliards de dollars, mais sans Huang, l'avenir de ces deals est incertain
- 20 nov. 2026Epoch AI : la capacité des puces IA pour les agents a été multipliée par 4,6 en un an
Questions clés sur cet article
Que sait-on sur Ce que fait Inception et en quoi c'est différent ?
Inception existe depuis environ deux ans, est basée dans la région de la baie de San Francisco et emploie plus de 30 personnes. La start-up construit des modèles de langage fondés sur la diffusion, une approche connue des générateurs d'images. Dans ce cas, l'image ressemble d'abord à du bruit, puis se précise en plusieurs passes. Inception applique la même idée au texte. Un modèle classique, comme ceux qui font tourner ChatGPT et Claude, génère la réponse token par token (un token est un fragment de mot).
Pourquoi Nvidia s'y intéresse?
Selon The Information, ce rachat doit renforcer la gamme ouverte Nemotron et les modèles physiques pour les robots. Palantir et des administrations américaines utilisent déjà Nemotron comme alternative aux modèles ouverts chinois. C'est un marché important pour Nvidia : quand l'entreprise propose de bons modèles ouverts, ses clients ont plus de facilités à rester sur son matériel et ses logiciels. Il existe aussi un contexte concurrentiel.
Que sait-on sur Ce que cela signifie pour les développeurs ?
Premièrement, les LLM de diffusion cessent d'être une curiosité. Quand le premier fabricant d'accélérateurs paie plus d'un demi-milliard de dollars pour une équipe d'une trentaine de personnes, il parie sur une technologie et non sur un chiffre d'affaires actuel. Deuxièmement, si vous construisez des produits où la latence compte (autocomplétion de code, assistants vocaux, agents à des dizaines d'étapes), il vaut la peine d'examiner dès maintenant ces modèles.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.