Créez votre compte Charmloop gratuit — sans carte bancaire, navigation illimitée. Lancez-vous dans l’art IA en quelques minutes.
SambaNova a levé 1 milliard de dollars à une valorisation de 11 milliards lors d'un premier closing de série F, selon TechCrunch — une réévaluation spectaculaire qui survient cinq mois seulement après son précédent grand tour de table, dans l'ombre d'un intérêt d'acquisition rapporté d'Intel à environ 1,6 milliard de dollars.
L'écart entre l'offre présumée d'Intel à 1,6 milliard et la valorisation actuelle de 11 milliards raconte l'histoire plus vite que n'importe quel communiqué de presse. Si l'intérêt d'Intel était réel — et TechCrunch affirme que oui — la direction de SambaNova a manifestement calculé que rester indépendant et lever des fonds à un prix près de sept fois supérieur était la meilleure carte à jouer. Ce pari dispose désormais d'un milliard de dollars de capital frais pour le soutenir.
Le produit phare de SambaNova est une plateforme d'inférence full-stack : des puces RDU (Reconfigurable Dataflow Unit) personnalisées couplées à sa propre couche logicielle, conçues pour exécuter des grands modèles de langage et des charges de travail d'IA générative plus rapidement et à moindre coût par token que les GPU grand public. Ce positionnement — du silicium dédié à l'inférence, pas seulement à l'entraînement — est de plus en plus celui que les investisseurs veulent entendre, à mesure que les dépenses d'infrastructure IA se déplacent de la construction de modèles vers leur exploitation à grande échelle.
Pour les créateurs qui génèrent des images, des vidéos ou des personnages via des plateformes cloud, le matériel sous-jacent compte plus qu'avant. La plupart des grands services de génération IA — y compris les API qui alimentent les outils d'image et de vidéo — fonctionnent sur une infrastructure d'inférence, et le coût et la vitesse de cette infrastructure se répercutent directement sur ce que facturent les plateformes et sur la rapidité des résultats.
SambaNova affirme que son architecture RDU offre un débit de tokens plus rapide et une latence plus faible sur les grands modèles que les clusters Nvidia A100 ou H100 pour les tâches d'inférence pure. Si cela se confirme à grande échelle, cela crée une pression réelle sur les fournisseurs cloud centrés sur les GPU pour qu'ils rivalisent sur les prix — le genre de concurrence qui tend à faire baisser les coûts des API au fil du temps.
La société compte déjà plusieurs déploiements cloud enterprise parmi ses clients, et le nouveau capital est presque certainement destiné à étendre la capacité des centres de données et à accélérer sa prochaine génération de puces. Une empreinte plus large de SambaNova dans l'infrastructure d'inférence signifie que davantage de fournisseurs disposent d'une alternative aux chaînes d'approvisionnement exclusivement Nvidia — un changement structurel qui a des effets en cascade sur la disponibilité des modèles et les prix pour quiconque construit sur des API IA.
Le rythme de la levée de fonds est lui-même un signal. Deux grands tours en cinq mois, ce n'est pas une entreprise qui avait besoin de liquidités — c'est une entreprise qui a vu une fenêtre d'opportunité et l'a saisie. Le cycle d'investissement dans l'infrastructure IA évolue suffisamment vite pour qu'attendre même un an puisse signifier un environnement de financement sensiblement différent.
La trajectoire de valorisation de SambaNova recadre également l'histoire de l'acquisition par Intel. À 1,6 milliard, Intel aurait acheté un actif en difficulté ou sous-évalué. À 11 milliards, SambaNova est valorisée comme un véritable challenger de Nvidia pour la couche d'inférence — un objet stratégique très différent. La question à laquelle les douze prochains mois devront répondre est de savoir si la société peut maintenir cette valorisation en la convertissant en chiffre d'affaires et en parts de marché.
Pour l'heure, ce tour confirme que les puces d'inférence IA dédiées restent l'un des paris les plus agressivement financés du secteur — et que la concurrence matérielle qui fait baisser le coût d'exploitation des modèles d'IA générative est loin d'être terminée.
