MatX Lève 500 Millions Face À Nvidia
Et si le prochain grand bouleversement de l’intelligence artificielle ne venait pas d’un modèle de langage, mais d’une puce conçue par deux ingénieurs qui ont longtemps travaillé dans l’ombre de Google ? C’est exactement ce que promet MatX, une jeune pousse californienne qui vient d’annoncer une levée de fonds spectaculaire de 500 millions de dollars. L’objectif affiché est ambitieux : rendre l’entraînement des grands modèles de langage dix fois plus efficace que ce que permettent aujourd’hui les GPU de Nvidia. Une déclaration de guerre technologique qui mérite d’être regardée de près.
Une startup née dans l’écosystème TPU de Google
MatX a été fondée en 2023 par Reiner Pope et Mike Gunter. Ces deux profils ne sont pas des inconnus du milieu des semi-conducteurs spécialisés dans l’IA. Pope a dirigé le développement logiciel lié aux Tensor Processing Units de Google, tandis que Gunter a été l’un des architectes matériels de ces mêmes puces. Leur connaissance intime des limites des accélérateurs existants a servi de point de départ à un projet radicalement différent.
Contrairement à de nombreuses startups qui se contentent d’améliorer à la marge les architectures existantes, MatX part du principe que l’architecture des GPU, conçue à l’origine pour le rendu graphique, n’est pas optimale pour l’entraînement massif de modèles de langage. L’équipe a donc choisi de repartir d’une feuille blanche, en se concentrant exclusivement sur les opérations les plus coûteuses en calcul lors de l’entraînement des LLM.
Un financement qui attire les investisseurs les plus exigeants
La série B de 500 millions de dollars a été menée conjointement par Jane Street et Situational Awareness, le fonds créé par Leopold Aschenbrenner, ancien chercheur d’OpenAI. Autour d’eux se retrouvent Marvell Technology, NFDG, Spark Capital, ainsi que Patrick et John Collison, les cofondateurs de Stripe. Une liste d’investisseurs qui en dit long sur la crédibilité du projet.
Cette levée intervient un peu plus d’un an après une série A d’environ 100 millions de dollars, déjà menée par Spark Capital, qui valorisait alors la société à plus de 300 millions. Même si MatX n’a pas communiqué sa nouvelle valorisation, le marché observe avec attention le cas d’Etched, concurrent le plus proche, qui a levé un montant similaire pour une valorisation de 5 milliards de dollars.
Notre ambition n’est pas d’être un peu meilleurs. Nous voulons que nos processeurs soient dix fois plus performants que les GPU de Nvidia pour entraîner et faire tourner les grands modèles de langage.
– Reiner Pope, fondateur et CEO de MatX
Pourquoi les puces actuelles montrent leurs limites
L’explosion des besoins en calcul pour l’intelligence artificielle a mis en lumière plusieurs goulets d’étranglement. Les GPU de Nvidia dominent largement le marché, mais leur architecture généraliste implique des compromis. Une partie non négligeable de l’énergie et du silicium est utilisée pour des fonctionnalités qui ne servent pas directement à l’entraînement des réseaux de neurones.
MatX mise sur une approche plus spécialisée. En retirant tout ce qui n’est pas indispensable à la tâche principale, l’équipe espère gagner à la fois en densité de calcul, en efficacité énergétique et en bande passante mémoire. Ces trois paramètres sont aujourd’hui les vrais freins à l’échelle des modèles les plus ambitieux.
Les gains annoncés ne sont pas anodins. Une amélioration d’un facteur dix sur le coût et la vitesse d’entraînement changerait radicalement l’économie de l’IA. Des laboratoires plus modestes pourraient s’offrir des modèles de très grande taille. Les géants réduiraient leurs factures énergétiques colossales. Et de nouveaux usages, aujourd’hui trop coûteux, deviendraient envisageables.
Le calendrier de production et le rôle de TSMC
Les fonds levés serviront principalement à financer la production des premières puces chez TSMC, le géant taïwanais de la fonderie. MatX prévoit de commencer les livraisons en 2027. Ce délai peut paraître long dans un secteur qui avance à toute vitesse, mais il est cohérent avec les cycles de développement d’un nouveau processeur et les contraintes de capacité des usines de pointe.
Entre-temps, l’équipe continue de perfectionner son architecture et de travailler avec des partenaires logiciels. L’intégration dans les frameworks d’entraînement existants sera un point critique. Une puce, même ultra-performante, n’a de valeur que si les développeurs peuvent l’utiliser sans réécrire l’intégralité de leurs pipelines.
Un marché en pleine recomposition
Nvidia n’est plus seul. Google a ses TPU, Amazon ses Trainium et Inferentia, Microsoft multiplie les partenariats, et une nuée de startups tente de se faire une place. Parmi elles, Etched se positionne aussi sur une architecture radicalement spécialisée. La concurrence devient réelle, et c’est une bonne nouvelle pour l’ensemble de l’écosystème.
Le moment est particulièrement intéressant. Les coûts d’entraînement des modèles de frontière ont atteint des niveaux stratosphériques. Les entreprises cherchent désespérément des alternatives plus efficaces. Les investisseurs, de leur côté, ont compris que le hardware restait le goulot d’étranglement principal. D’où l’appétit pour des projets comme MatX.
Pourtant, le chemin reste semé d’embûches. Concevoir une puce est une chose. La produire en volume, la rendre compatible avec l’écosystème logiciel, convaincre les grands clients de migrer, et tenir les promesses de performance en conditions réelles en est une autre. L’histoire des semi-conducteurs est pleine de projets brillants qui n’ont jamais atteint le marché.
Ce que change réellement une architecture spécialisée
Pour comprendre l’enjeu, il faut se rappeler ce qui se passe réellement lors de l’entraînement d’un grand modèle. Les opérations de base, multiplications matricielles et transformations d’attention, représentent la quasi-totalité du temps de calcul. Une architecture conçue uniquement pour ces opérations peut supprimer des couches entières de complexité inutiles.
Les gains potentiels se situent à plusieurs niveaux :
- Réduction significative de la consommation énergétique par opération.
- Augmentation de la densité de calcul sur une même surface de silicium.
- Meilleure utilisation de la bande passante mémoire, souvent le vrai facteur limitant.
- Simplification du logiciel de bas niveau, donc moins de surcoûts d’exécution.
Si MatX parvient à tenir ses engagements, les conséquences pourraient se faire sentir bien au-delà du simple coût d’entraînement. Des modèles plus grands, mis à jour plus fréquemment, capables de raisonner sur des contextes plus longs, deviendraient accessibles à un plus grand nombre d’acteurs. L’innovation en intelligence artificielle cesserait d’être réservée aux entreprises disposant de budgets de plusieurs centaines de millions de dollars.
Les investisseurs misent sur une rupture durable
Le profil des investisseurs de cette série B est révélateur. Jane Street, connu pour sa culture quantitative exigeante, ne s’engage pas à la légère. Situational Awareness, le fonds d’Aschenbrenner, s’intéresse aux questions de long terme liées à l’intelligence artificielle. Les Collison, de leur côté, ont déjà prouvé leur capacité à repérer des technologies structurantes.
Cette alliance de profils techniques, financiers et entrepreneuriaux donne à MatX une crédibilité rare pour une société encore jeune. Elle envoie aussi un signal clair au marché : la course à l’efficacité du hardware n’est pas terminée, et Nvidia n’est pas invincible.
Reste à voir si l’équipe saura transformer cette confiance en produits livrés dans les délais. Le calendrier 2027 laisse encore un peu de temps, mais la pression est déjà forte. Chaque mois qui passe, Nvidia renforce son offre logicielle et matérielle. Les clients, eux, veulent des solutions concrètes, pas seulement des slides impressionnants.
Un enjeu plus large que la simple concurrence
Au-delà de la rivalité avec Nvidia, l’émergence de puces spécialisées comme celles de MatX pose une question de fond : l’intelligence artificielle restera-t-elle concentrée entre les mains de quelques acteurs capables de payer le prix fort en calcul, ou se démocratise-t-elle grâce à des architectures plus efficaces ?
La réponse conditionne en grande partie l’avenir du secteur. Si le coût d’entraînement continue de doubler tous les dix-huit mois, seuls les plus riches pourront jouer. Si des startups parviennent à casser cette dynamique, de nouvelles voix, de nouveaux laboratoires et de nouveaux usages apparaîtront.
MatX n’est qu’un acteur parmi d’autres dans cette course. Mais la taille de son financement, le parcours de ses fondateurs et la clarté de sa promesse en font un cas d’école. Dans un domaine où le hardware redevient le vrai levier de progrès, cette jeune entreprise a choisi de viser très haut. Reste maintenant à prouver que dix fois mieux n’est pas seulement un slogan, mais une réalité mesurable.
Les prochaines années diront si les anciens de Google ont vu juste. En attendant, le simple fait qu’un tel projet attire un demi-milliard de dollars montre à quel point le marché croit encore à la possibilité d’une rupture. Et dans la tech, cette croyance est souvent le premier moteur du changement.
