Etched, startup spécialisée dans les puces d'inférence pour l'IA, prépare une nouvelle levée de fonds de 700 millions de dollars à une valorisation d'environ 21 milliards de dollars, soit plus du double des 10,3 milliards de dollars retenus lors de sa série C de fin juillet — un tour de table de 300 millions de dollars mené par Sequoia — selon un article du Wall Street Journal publié le 18 août.

Ce nouveau chiffre représente un quadruplement par rapport à la valorisation de 5 milliards de dollars de l'entreprise en décembre 2025, et intervient à peine un mois après la clôture de la série C le 31 juillet, à laquelle participaient également Andreessen Horowitz (a16z), SK Hynix, Jane Street et Diffusion Capital. SK Hynix est l'un des plus grands fabricants de puces mémoire au monde et un fournisseur majeur de la mémoire à haute bande passante utilisée dans les accélérateurs d'IA, ce qui offre à Etched un investisseur directement lié à la chaîne d'approvisionnement en mémoire dont dépendent les systèmes d'IA à l'échelle de la baie.

Etched a également signé avec Jane Street en tant que premier client, en livrant au géant du trading quantitatif de Wall Street une baie de serveurs équipée de processeurs d'IA optimisés pour le calcul d'inférence rapide. Décrocher un déploiement payant aussi rapidement constitue une validation importante pour une jeune startup de semi-conducteurs, les grands clients exigeant généralement la preuve qu'une nouvelle puce peut fonctionner de manière fiable à grande échelle avant de s'engager. Le rythme de croissance de l'entreprise — qui n'est sortie de la clandestinité que le 30 juin — illustre la course plus large aux alternatives à Nvidia, lequel conserve une avance décisive à la tête de la chaîne d'approvisionnement fournissant le silicium qui alimente le boom de l'IA.

« Cette levée traduit la conviction croissante, au sein de l'industrie, que ce défi exige un nouvel acteur prêt à reconstruire la pile technologique à partir des premiers principes », a déclaré le cofondateur et PDG Gavin Uberti dans un communiqué.

Ce que font les puces d'Etched

Etched vend des systèmes complets en baie optimisés pour la partie inférence de la pile de calcul d'IA, l'étape qui intervient après que les utilisateurs ont soumis leurs requêtes. L'entreprise estime que sa spécialisation dans la seule inférence lui permet de concevoir des puces spécialisées, à la différence de Nvidia, qui construit des GPU polyvalents destinés à la fois à l'entraînement et à l'inférence des modèles d'IA.

Etched répartit le travail en deux phases. La phase de préremplissage (prefill), qui lit et interprète les requêtes, utilise ce que le cofondateur Robert Wachen appelle l'inférence basse tension — un choix de conception qui permet à la puce de fonctionner à une température plus basse, d'intégrer davantage de transistors et d'opérer à une fréquence d'horloge plus élevée. La phase de décodage (decode), au cours de laquelle le modèle rédige sa réponse token par token, repose sur une conception Cluster Scale Memory (mémoire à l'échelle du cluster). Cette architecture de mémoire partagée permet aux accélérateurs d'une même baie de puiser des données dans un autre pool de mémoire au lieu de devoir les copier eux-mêmes.

Etched a indiqué que ses systèmes équipent déjà les modèles DeepSeek, Qwen, Mamba et Llama.

Les gros capitaux se dirigent vers l'inférence

Cette levée intervient alors que les prévisionnistes identifient l'inférence comme le segment à la croissance la plus rapide d'un secteur de l'IA déjà en plein essor. Etched a tenu sa promesse de commencer à livrer des puces dès l'été et a engrangé plus d'un milliard de dollars de commandes fermes, comme l'a rapporté Cryptopolitan.

Bloomberg Intelligence fixe à 1 300 milliards de dollars la taille visée pour le secteur de l'inférence d'ici 2032, un chiffre qui doublerait la taille du marché de l'entraînement des modèles d'IA. Iron Mountain et Structure Research anticipent que la capacité d'inférence dépasse la capacité d'entraînement cette année et continue de croître pour représenter 80 % de la charge de calcul d'IA d'ici 2030. L'économie sous-jacente explique cette divergence : l'entraînement d'un modèle constitue une dépense ponctuelle et unique, tandis que l'inférence s'exécute chaque fois qu'un utilisateur envoie une requête, effectue une recherche ou déclenche un agent d'IA — un coût récurrent qui augmente avec l'ampleur réelle de l'utilisation de la technologie.

La course à la construction de centres de données d'IA a créé un flux de demande régulier, alimenté par des acteurs comme Nvidia, Cerebras et AMD, qui développent eux aussi des systèmes dédiés à l'inférence reposant sur la même répartition préremplissage-décodage que celle décrite par Etched.

Etched emploie désormais plus de 400 personnes et a annoncé une réussite du premier passage de silicium sur le procédé N4P de TSMC, un nœud de fabrication de classe 4 nanomètres. L'entreprise exploite un centre de données de 2 mégawatts dans son siège de San Jose et a ouvert une nouvelle installation de 80 000 pieds carrés (environ 7 400 mètres carrés) et de 10 mégawatts dans la ville voisine de Milpitas, a rapporté TechCrunch. La question désormais est celle de l'exécution : savoir si le carnet de commandes fermes se transformera en systèmes opérationnels dans les centres de données des clients, à mesure que les offres d'inférence concurrentes arrivent sur le marché à grande échelle.