Etched vaut 10,3 milliards, mais ses puces ne sont encore déployées que chez quelques clients

Une start-up dont les puces restent encore déployées auprès d’un nombre limité de clients vaut désormais 10,3 milliards de dollars. Etched, fondée par trois anciens étudiants de Harvard, vient de doubler sa valorisation en environ sept mois en misant sur une puce spécialisée dans l’inférence des modèles d’IA.

Une valorisation qui dépasse largement le stade du déploiement

Etched a bouclé une série C de 300 millions de dollars, menée par Sequoia, selon les informations rapportées par TechCrunch. Cette opération porte la valorisation de l’entreprise à 10,3 milliards de dollars, contre 5 milliards en décembre 2025.

La progression est spectaculaire : la jeune pousse a plus que doublé sa valeur théorique en moins d’un an, alors même que ses systèmes ne sont pas encore largement installés chez des clients. L’entreprise affirme avoir déjà enregistré 1 milliard de dollars de commandes, mais ses puces restent, à ce stade, limitées à quelques utilisateurs ainsi qu’à certains investisseurs.

Cette situation place Etched dans une catégorie particulière du marché des semi-conducteurs pour l’IA : celle des sociétés financées sur la base d’une promesse technologique et commerciale, avant la démonstration d’un déploiement industriel à grande échelle. La valorisation reflète donc moins des revenus déjà réalisés qu’une anticipation de la demande future en capacités d’inférence.

L’inférence, nouveau front de la course aux puces

L’inférence désigne la phase durant laquelle un modèle déjà entraîné produit une réponse à partir d’une requête. Elle mobilise les assistants conversationnels, la génération d’images, les moteurs de recherche augmentés par l’IA et les logiciels d’entreprise.

Pendant plusieurs années, l’essentiel de l’attention et des investissements s’est concentré sur l’entraînement des modèles. La croissance des usages déplace désormais une partie de la pression vers l’inférence : chaque requête consomme des ressources, et les opérateurs cherchent à réduire le coût et la consommation énergétique de chaque token généré.

Etched veut répondre à cette demande avec une puce conçue spécifiquement pour l’inférence, plutôt qu’avec un accélérateur généraliste capable d’exécuter un grand nombre de charges différentes. Cette spécialisation peut améliorer la latence, le débit et l’efficacité énergétique lorsque les modèles et les logiciels sont suffisamment prévisibles.

En contrepartie, une telle architecture risque de perdre en souplesse. Les modèles évoluent rapidement, leurs formats changent et les fournisseurs de services d’IA doivent souvent prendre en charge plusieurs générations de systèmes. La valeur de la technologie dépend donc autant de ses performances que de sa capacité à suivre cette évolution.

La compatibilité revendiquée avec les modèles les plus complexes

Etched affirme que sa puce peut fonctionner avec les modèles Mixture-of-Experts, ou MoE. Ces architectures ne sollicitent pas l’intégralité du modèle pour chaque requête : elles activent seulement certains « experts » en fonction de l’entrée. Cette approche permet d’augmenter la taille théorique d’un modèle sans mobiliser tous ses paramètres à chaque étape.

Pour une puce spécialisée, les modèles MoE représentent toutefois un défi. Le système doit gérer la sélection des experts, les transferts de données et la répartition de la charge. Une compatibilité annoncée avec ces architectures suggère qu’Etched cherche à éviter de cantonner son matériel aux modèles les plus simples ou aux versions figées d’un logiciel.

La start-up met également en avant les architectures dites non-Transformer, notamment Mamba. Les Transformers dominent actuellement les grands modèles de langage, mais leurs mécanismes d’attention peuvent devenir coûteux lorsque la longueur des séquences augmente. Mamba repose sur une autre famille de modèles, fondée sur des mécanismes d’état qui visent à traiter plus efficacement certaines séquences longues.

Cette ouverture est importante pour le positionnement d’Etched. Une puce exclusivement optimisée pour une architecture donnée pourrait devenir obsolète si une autre approche s’impose. En revendiquant une compatibilité avec MoE et Mamba, l’entreprise tente de montrer que sa spécialisation ne se réduit pas à un support matériel pour un modèle unique.

Ces affirmations restent cependant à confronter à des résultats indépendants. Dans les semi-conducteurs, la compatibilité annoncée ne suffit pas : les clients évaluent le débit réel, la latence, la stabilité des logiciels, la facilité d’intégration et le coût total d’exploitation.

Des investisseurs qui parient avant la preuve industrielle

Le soutien de Sequoia constitue un signal fort dans un secteur où les besoins en capitaux sont considérables. Concevoir une puce, la fabriquer, produire les systèmes associés et déployer les logiciels nécessaires exigent plusieurs cycles de financement avant les premières recettes significatives.

Le pari des investisseurs repose sur plusieurs tendances favorables. Les grands fournisseurs de services d’IA recherchent des alternatives aux processeurs généralistes, dont la disponibilité et le coût peuvent limiter l’expansion des services. Les charges d’inférence sont aussi suffisamment répétitives pour justifier, dans certains cas, des circuits dédiés.

Mais l’écart entre commandes et chiffre d’affaires mérite une attention particulière. Le milliard de dollars de commandes revendiqué par Etched ne signifie pas nécessairement que cette somme a déjà été encaissée. Il peut s’agir d’engagements commerciaux, de précommandes ou de contrats dont l’exécution dépendra de la livraison et des performances des systèmes.

La concentration sur quelques clients constitue une autre inconnue. Un petit nombre de contrats peut rapidement soutenir une valorisation lorsqu’ils sont associés à de grands acteurs de l’IA. Elle peut aussi exposer la start-up à un risque commercial élevé si un client retarde son déploiement, réduit ses volumes ou choisit finalement une solution concurrente.

Le prochain test sera celui des systèmes réellement utilisés

Etched devra désormais transformer cette avance financière en déploiements mesurables. Les indicateurs les plus importants seront le nombre de systèmes livrés, le volume de requêtes traité, le coût par token, la consommation énergétique et la capacité à maintenir des performances élevées sur plusieurs modèles.

La concurrence ne se limite pas aux autres jeunes pousses spécialisées. Nvidia, les fournisseurs de circuits dédiés et les grands acteurs du cloud développent eux aussi des solutions pour l’inférence. Ces groupes disposent d’écosystèmes logiciels, de capacités de production et de relations commerciales dont une start-up doit encore démontrer qu’elle peut se passer.

La prochaine étape crédible pour Etched sera donc moins une nouvelle levée de fonds qu’une preuve d’exécution : déployer ses puces au-delà du cercle initial de clients et convertir ses 1 milliard de dollars de commandes en revenus effectivement réalisés. Si les performances annoncées se confirment en production, la valorisation de 10,3 milliards de dollars pourra apparaître comme un pari précoce mais cohérent. Dans le cas contraire, elle illustrera surtout la vitesse à laquelle le financement de l’IA anticipe encore la réalité industrielle.