L'essentiel n'est pas la « quantumité », mais le pari sur l'emballage des grands modèles
Multiverse Computing a annoncé une série C de 570 millions de dollars avec une valorisation pré-money de 1,7 milliard de dollars, et cela ne ressemble plus à une niche. D'après The Next Web et la description de l'opération, l'entreprise se dirige vers un financement total d'environ 800 millions de dollars, rounds précédents inclus.
Techniquement, le plus intéressant n'est pas l'abstrait « quantum-AI », mais la plateforme CompactifAI. L'entreprise promeut la compression de modèles basée sur les tensor networks, un outil mathématique issu de problèmes proches de l'informatique quantique. L'affirmation est forte : une réduction des modèles d'environ 80 à 95 % avec une perte de précision limitée.
Voilà qui relève du discours d'ingénieur, pas d'une vitrine de beaux mots. Si cela tient sous des charges de travail réelles, il ne s'agit pas seulement d'une économie d'inférence moins chère, mais du déplacement des modèles là où ils ne pouvaient pas tenir auparavant : sur site, sur les appareils, dans les centres de données souverains.
Dans les documents relatifs au tour de table, l'entreprise affirme explicitement que les fonds serviront à élargir sa bibliothèque de modèles efficaces, à poursuivre les recherches sur les algorithmes propriétaires, l'infrastructure d'IA souveraine et à se développer en Asie de l'Est, en Asie du Sud-Est, au Moyen-Orient, au Canada et aux États-Unis. Il ne s'agit donc plus d'un pari de laboratoire, mais d'une tentative de conquérir le marché autour de l'efficacité de calcul.
Pourquoi c'est important maintenant
Ce tour de table est important parce que le marché en a clairement assez de payer uniquement pour la taille du modèle. Si la compression rapportée de 80 à 95 % préserve réellement une qualité acceptable, le gagnant n'est pas celui qui possède le plus de GPU, mais celui qui peut extraire la même tâche avec moins de matériel et une consommation d'énergie moindre.
C'est particulièrement logique pour la finance et l'énergie, que Multiverse cible, ainsi que pour les secteurs ayant des exigences strictes en matière de résidence des données. Là, le déploiement local et un coût prévisible l'emportent souvent sur la course au plus grand LLM public.
Mais je regarderais immédiatement deux choses. Premièrement : sur quels modèles et scénarios précis la compression promise tient-elle ? Deuxièmement : qu'en est-il de la latence, du contexte long et de la qualité aux limites de la distribution, là où nombre de ces approches commencent à grincer ?
Un autre signal dans la structure même de l'opération : on parle d'un financement européen majeur en IA et d'une étape environ 5 fois supérieure à la valorisation de la série B. Pour moi, ce n'est pas un marqueur de foi en la « magie quantique », mais de foi dans le fait que l'ère de l'IA coûteuse commence à se heurter à des mathématiques d'efficacité très terre à terre.