Rain AI : Sam Altman vise 150 millions pour concurrencer Nvidia

La bataille de l’intelligence artificielle ne se joue pas seulement dans les logiciels comme ChatGPT. Elle se décide aussi dans les centres de données, au niveau des puces capables d’entraîner et de faire fonctionner les modèles. C’est sur ce terrain industriel, largement dominé par Nvidia, que Sam Altman, dirigeant d’OpenAI, entend placer un pari : celui de Rain AI, une startup qui développe des semi-conducteurs conçus pour l’IA.

Les informations disponibles au 19 novembre 2024 font état d’une levée de fonds recherchée de 150 millions de dollars. L’opération valoriserait Rain AI à 600 millions de dollars. L’ambition est élevée pour une jeune entreprise : proposer une alternative dans un secteur où la demande en puissance de calcul explose et où les solutions de Nvidia occupent une place centrale.

Ce dossier ne signifie pas que Rain AI est déjà en mesure de détrôner le leader américain. Il illustre en revanche une préoccupation grandissante chez les entreprises d’IA : disposer de puces suffisamment puissantes, disponibles et moins gourmandes en énergie, sans dépendre d’un seul fournisseur.

Une levée de fonds de 150 millions de dollars pour accélérer

Sam Altman serait impliqué dans une opération visant à réunir 150 millions de dollars pour Rain AI. Il n’en est pas à son premier lien avec la société : en 2022, il avait été le principal investisseur d’un premier financement de 25 millions de dollars.

La nouvelle opération évoque une valorisation de 600 millions de dollars. Une valorisation ne correspond pas à un chiffre d’affaires ni à un bénéfice. C’est l’estimation de la valeur de l’entreprise retenue lors d’un investissement. Elle reflète donc autant l’état actuel de la société que les attentes placées dans sa technologie et dans le marché qu’elle tente d’adresser.

Le vocabulaire mérite ici d’être précis. Rain AI cherche à lever 150 millions de dollars : cette somme ne doit pas être présentée comme un financement définitivement obtenu tant que l’opération n’est pas formalisée. Dans l’univers très concurrentiel des puces, les tours de table servent notamment à financer les équipes d’ingénierie, la conception des composants, les outils logiciels et les étapes nécessaires pour transformer une architecture en produit exploitable.

Pourquoi les puces sont-elles si importantes pour l’intelligence artificielle ?

Les modèles d’IA générative réalisent une immense quantité de calculs. Pour les entraîner sur de grandes masses de données, puis pour répondre aux requêtes des utilisateurs, ils ont besoin de processeurs spécialisés capables d’effectuer de nombreuses opérations en parallèle. Les GPU, initialement conçus pour l’affichage graphique, se sont imposés dans cette fonction grâce à leur aptitude au calcul parallèle.

Or, la puissance n’est qu’une partie de l’équation. Un centre de données doit aussi alimenter et refroidir les machines. Chaque gain d’efficacité énergétique peut donc réduire les coûts de fonctionnement et faciliter le déploiement de services d’IA à grande échelle. C’est ce qui rend le positionnement de Rain AI particulièrement lisible : la startup ne promet pas seulement des performances, elle met l’accent sur le rapport entre calcul produit et énergie consommée.

Rain AI affirme que ses semi-conducteurs peuvent être jusqu’à 85 % plus efficaces énergétiquement. Cette formulation doit être interprétée avec prudence. Un pourcentage annoncé ne permet pas, à lui seul, de connaître la consommation réelle dans tous les usages. Celle-ci dépend du modèle exécuté, de la charge de travail, du matériel de serveur et de la manière dont le système est exploité. La comparaison ne peut être pleinement évaluée qu’avec des résultats détaillés sur des tâches identiques.

L’intérêt de cette promesse est néanmoins évident. Si une nouvelle architecture permet de réaliser davantage de calculs utiles pour une même dépense énergétique, elle peut attirer les laboratoires d’IA, les fournisseurs de cloud et les entreprises qui exploitent leurs propres infrastructures.

Nvidia part avec une avance industrielle majeure

Le défi de Rain AI est immense. Nvidia détenait une part d’environ 85 % du marché cité des puces pour l’IA. Cette domination se traduit par une forte présence auprès des entreprises qui développent et déploient les modèles les plus exigeants en calcul.

Pour une startup, concurrencer une telle position ne consiste pas simplement à présenter une puce sur le papier. Il faut aussi convaincre que le matériel peut être intégré à des infrastructures existantes, qu’il est fiable et que les outils logiciels permettent réellement de l’utiliser. Dans l’IA, le choix d’un accélérateur de calcul engage souvent une organisation pour plusieurs années, car il affecte les serveurs, les méthodes de développement et l’exploitation quotidienne des modèles.

Dan Ives, analyste chez Wedbush, considère Rain AI comme un acteur légitime dans l’univers de l’IA et des semi-conducteurs. Son analyse s’inscrit dans un contexte d’effervescence : l’essor de l’IA attire de nouveaux concurrents qui cherchent chacun un angle d’attaque, qu’il s’agisse de la performance, du coût, de l’énergie ou de la disponibilité des composants.

L’efficacité énergétique, un argument qui dépasse l’environnement

L’efficacité énergétique a une dimension environnementale, mais elle répond aussi à une contrainte très concrète de l’économie de l’IA. Plus un modèle requiert de puissance, plus il mobilise de serveurs et plus la facture d’électricité, ainsi que les besoins de refroidissement, deviennent importants. Une puce plus sobre peut donc devenir un avantage financier, en particulier lorsque les volumes de calcul augmentent.

Pour Rain AI, cette approche permet de ne pas se placer uniquement sur le terrain de la puissance brute face à Nvidia. La startup tente de définir une autre mesure de la valeur : le niveau de calcul utile obtenu pour chaque unité d’énergie dépensée. C’est une stratégie pertinente pour un nouvel entrant, car les clients ne recherchent pas tous le même type d’accélérateur. Certains privilégient la vitesse d’entraînement des grands modèles, d’autres le coût d’exploitation d’applications utilisées par des millions de personnes.

Mais l’efficacité annoncée devra être démontrée dans des conditions comparables. Les acheteurs professionnels regardent généralement plusieurs critères à la fois : les performances pour leur charge de travail, le prix du matériel, la consommation, la facilité de programmation et la capacité du fournisseur à livrer en volume. Une avance sur un seul indicateur ne garantit pas l’adoption.

Jean-Didier Allegrucci, un recrutement clé pour le matériel

Rain AI a récemment recruté Jean-Didier Allegrucci, ancien dirigeant d’Apple, afin de piloter ses initiatives d’ingénierie matérielle. Dans une entreprise de semi-conducteurs, ce type de renfort est stratégique. Le développement d’une puce impose de faire travailler ensemble de multiples expertises : architecture, conception électronique, consommation électrique, intégration avec les serveurs et outils utilisés par les équipes techniques.

Ce recrutement ne préjuge pas du succès commercial de Rain AI. Il souligne toutefois la volonté de l’entreprise de renforcer la composante matérielle de son projet. Face à des groupes déjà installés, l’expérience des dirigeants et des ingénieurs compte autant que les financements, car une jeune pousse doit traduire une promesse technologique en produit fiable.

Le parcours de Rain AI montre ainsi les deux ressources indispensables dans ce secteur : du capital patient et des compétences spécialisées. Les montants annoncés permettent de financer une ambition, tandis que l’équipe doit rendre cette ambition réalisable.

Une course aux puces qui implique aussi Elon Musk et xAI

Le projet porté autour de Rain AI intervient alors que Nvidia renforce sa place auprès de grands acteurs de l’IA. Elon Musk prévoyait d’acheter 100 000 processeurs Nvidia pour ses projets d’intelligence artificielle liés à xAI. Cette intention rappelle le poids des commandes géantes dans la compétition actuelle : les entreprises capables de mobiliser rapidement de vastes capacités de calcul disposent d’un avantage pour entraîner et exploiter leurs systèmes.

Pour Rain AI, ce contexte est à la fois une difficulté et une opportunité. La difficulté est évidente : Nvidia bénéficie déjà d’une demande considérable et d’une présence forte auprès des acteurs les plus visibles du secteur. L’opportunité vient du même phénomène : plus l’IA requiert de matériel, plus les entreprises peuvent avoir intérêt à diversifier leurs options d’approvisionnement et à étudier des architectures différentes.

Il faut toutefois distinguer les liens personnels ou stratégiques de Sam Altman et les décisions formelles d’OpenAI. Les éléments rapportés concernent l’implication d’Altman dans Rain AI et ne décrivent pas un investissement officiel d’OpenAI dans la startup. La nuance est importante dans un secteur où dirigeants, investisseurs, fournisseurs et clients entretiennent souvent des relations croisées.

Ce qu’il faut surveiller pour juger Rain AI

La levée de fonds recherchée est un signal, non une preuve définitive de compétitivité. Pour évaluer la trajectoire de Rain AI, plusieurs éléments seront particulièrement importants dans les mois à venir.

• La finalisation du financement : le montant effectivement réuni et les investisseurs participants détermineront les moyens disponibles.
• Les preuves techniques : des résultats comparables sur la performance et la consommation permettront de mesurer concrètement la promesse d’efficacité énergétique.
• Le passage au produit : une architecture doit devenir un composant utilisable dans des infrastructures réelles.
• L’adoption par des clients : des partenaires prêts à tester puis à déployer le matériel constitueraient un indicateur décisif.
• La réaction du marché : Nvidia reste la référence établie, mais la multiplication des besoins en calcul laisse de la place à des solutions spécialisées.

La révolution de l’IA ne se limite donc pas à la rivalité entre assistants conversationnels. Elle alimente une compétition plus profonde, celle des infrastructures qui rendent ces outils possibles. Avec Rain AI, Sam Altman mise sur l’idée qu’un progrès dans l’efficacité des puces peut ouvrir une brèche dans un marché dominé par Nvidia. Entre la promesse et un véritable changement d’équilibre, il reste toutefois un long parcours industriel à accomplir.