AMD recrute l’équipe d’Untether AI et accélère dans les puces d’inférence

Le recrutement de l’équipe d’Untether AI par AMD illustre l’intensification de la bataille qui se joue loin des démonstrations spectaculaires de chatbots. Pour rendre un modèle d’intelligence artificielle réellement utile à grande échelle, il ne suffit pas de l’entraîner : il faut aussi pouvoir le faire fonctionner, répondre aux utilisateurs et traiter des données sans faire exploser la facture énergétique. C’est précisément le terrain de l’inférence, domaine dans lequel la jeune entreprise canadienne s’était spécialisée.

En juin 2025, AMD a annoncé accueillir l’ensemble de l’équipe d’ingénieurs d’Untether AI. Le mouvement est stratégique pour le groupe américain, qui cherche à approfondir ses compétences dans les puces et les logiciels destinés à l’IA. Mais il a aussi une conséquence immédiate et beaucoup moins favorable aux utilisateurs existants : Untether AI ne fournira plus ni ne soutiendra ses produits, au premier rang desquels le processeur speedAI et le kit de développement imAIgine SDK.

Ce qu’AMD recrute, et ce qu’il advient des produits Untether AI

Il est important de distinguer un recrutement d’équipe d’une acquisition classique d’entreprise ou de produits. AMD récupère ici des compétences d’ingénierie : la connaissance des architectures de calcul pour l’IA, l’optimisation logicielle, les compilateurs, les noyaux de calcul et la conception de systèmes-sur-puce, souvent désignés par l’acronyme SoC.

Ces compétences sont cruciales dans les accélérateurs d’IA. Une puce ne suffit pas à elle seule : elle doit être accompagnée d’outils capables de transformer un modèle d’IA en calculs adaptés au matériel. Les compilateurs déterminent notamment comment répartir les opérations, utiliser la mémoire et tirer parti des unités de calcul disponibles. Les noyaux, eux, sont les briques logicielles très optimisées qui exécutent les opérations mathématiques répétées par les réseaux neuronaux.

En revanche, l’annonce ne correspond pas à une reprise annoncée du catalogue d’Untether AI. La société canadienne a indiqué qu’elle ne fournirait plus ni ne soutiendrait speedAI et imAIgine SDK. Aucun transfert d’actifs entre les deux entreprises n’a été annoncé dans ce cadre.

Cette nuance a son importance. Les clients d’Untether AI ne disposent pas nécessairement d’une passerelle automatique vers une technologie AMD, ni d’une garantie de suivi pour leurs installations existantes. Le nombre de clients concernés n’a pas été précisé, mais la fin du support soulève logiquement des questions de continuité opérationnelle pour les entreprises ayant bâti des projets autour de ces puces.

Pourquoi l’inférence est devenue un enjeu majeur de l’IA

L’intelligence artificielle repose sur deux grandes phases de calcul, qui n’ont pas les mêmes besoins matériels.

La première est l’entraînement. Il s’agit de présenter d’immenses volumes de données à un modèle afin d’ajuster ses paramètres. Cette étape exige une puissance de calcul considérable et se déroule généralement dans de grands centres de données. Les GPU, conçus pour réaliser beaucoup d’opérations en parallèle, se sont imposés comme l’outil phare de cet usage.

La seconde est l’inférence. C’est le moment où le modèle déjà entraîné est sollicité pour produire une réponse, classer une image, analyser un document, générer du texte ou prendre une décision. Chaque requête adressée à un assistant conversationnel, chaque image reconnue par une caméra ou chaque recommandation personnalisée relève de l’inférence.

L’entraînement d’un modèle est ponctuel, même s’il peut être répété. L’inférence, elle, se produit en continu dès lors qu’un service est ouvert au public ou utilisé dans une entreprise. Une application très fréquentée doit répondre rapidement à des milliers, voire à beaucoup plus de demandes simultanées. Dans cette phase, trois critères comptent particulièrement : le coût par requête, la latence, c’est-à-dire le délai avant la réponse, et la consommation électrique.

Les GPU généralistes restent capables d’assurer cette inférence. Ils offrent une grande souplesse et sont déjà largement employés par les développeurs. Mais une architecture spécialisée peut s’avérer plus efficiente lorsqu’elle est conçue pour des calculs ciblés et répétitifs. C’est la promesse sur laquelle Untether AI s’était positionnée.

Ce qui distinguait les puces d’Untether AI

Untether AI développait des accélérateurs pensés spécifiquement pour l’inférence. Son approche visait une faiblesse structurelle de nombreux calculs modernes : déplacer des données entre la mémoire et les unités de traitement coûte du temps et de l’énergie.

Dans un système informatique traditionnel, les données sont conservées en mémoire puis acheminées vers les processeurs pour y être calculées. Or les modèles d’IA manipulent sans cesse de grandes quantités de paramètres, d’activations et de résultats intermédiaires. Ces allers-retours peuvent devenir un goulot d’étranglement, en particulier lorsque l’objectif est de produire rapidement des réponses tout en limitant la dépense énergétique.

Les puces d’Untether AI se distinguaient par le placement des processeurs au plus près de la mémoire. L’idée est de réduire les déplacements de données, ce qui peut diminuer la latence et la consommation. Cette logique est particulièrement séduisante pour des tâches d’inférence répétées à grande échelle.

Le processeur speedAI était l’incarnation matérielle de cette stratégie. Le logiciel imAIgine SDK devait permettre aux développeurs de préparer et d’optimiser leurs modèles pour cette architecture. Matériel et logiciel formaient donc un ensemble indissociable. La fin du support de l’un comme de l’autre complique inévitablement la vie des organisations ayant adopté la plateforme.

Quels risques pour les clients d’Untether AI ?

La cessation de fourniture et de support ne rend pas instantanément inutilisable le matériel déjà déployé. Une puce installée continue physiquement de fonctionner. En revanche, l’arrêt du support peut poser plusieurs difficultés avec le temps.

D’abord, les équipes techniques ne peuvent plus compter sur les mises à jour officielles du SDK, les corrections de bugs ou une aide en cas de problème. Ensuite, l’évolution rapide des cadres logiciels de l’IA peut créer des incompatibilités. Un modèle, une bibliothèque ou un outil de déploiement plus récent n’est pas nécessairement pris en charge par un environnement qui n’évolue plus.

Enfin, une entreprise peut hésiter à étendre une infrastructure dont la feuille de route produit n’est plus assurée. Cette incertitude concerne aussi la maintenance, le remplacement de matériel et la capacité à faire évoluer un service en production.

AMD veut élargir sa réponse face à Nvidia

Le recrutement de l’équipe d’Untether AI intervient alors qu’AMD cherche à consolider sa présence dans l’IA, un marché largement dominé par Nvidia dans les GPU et les infrastructures de calcul. La compétition ne se résume toutefois plus à proposer la plus grande puissance brute pour entraîner les modèles les plus vastes. Elle porte aussi sur la capacité à exécuter efficacement ces modèles au quotidien.

AMD avait également acquis Brium, une start-up spécialisée dans l’optimisation de l’inférence en IA. L’enchaînement de ces opérations révèle une priorité : renforcer à la fois le matériel et la couche logicielle qui permet de l’exploiter. Une puce peut être techniquement compétitive, mais elle reste difficile à adopter si les développeurs ne disposent pas d’outils suffisamment performants et familiers.

L’apport de l’équipe d’Untether AI pourrait notamment se traduire par des progrès dans les compilateurs d’IA, les noyaux de calcul et la conception de futurs systèmes intégrés. AMD ne promet pas publiquement, dans cette annonce, un produit spécifique dérivé de speedAI. Il serait donc prématuré d’y voir l’arrivée immédiate d’une nouvelle puce commercialisée. L’intérêt réside d’abord dans l’intégration de spécialistes capables d’influencer les générations futures de matériel et de logiciels du groupe.

Les GPU restent centraux, mais l’efficacité devient décisive

Justin Kinsey, expert de l’industrie cité à propos de ce rapprochement, y voit le signe d’un changement dans le marché des GPU. Son analyse est que l’âge d’or de l’entraînement des modèles pourrait progressivement laisser place à une recherche accrue d’efficacité dans l’inférence. Cette évolution ne signifie pas que les besoins d’entraînement disparaissent. Les grands modèles continueront d’exiger des infrastructures considérables.

Elle traduit plutôt un déplacement du centre de gravité économique. Lorsque les modèles passent de la phase de recherche à des usages concrets, leurs coûts d’exécution deviennent visibles : une réponse générée, une image analysée ou une recommandation servie représente une dépense en matériel, en électricité et en capacité de centre de données.

Les GPU modernes peuvent consommer des centaines de watts. Cette puissance est particulièrement utile pour l’entraînement et pour des charges de travail polyvalentes. Mais elle pousse les fournisseurs de services d’IA à étudier des alternatives lorsque les tâches sont plus prévisibles et répétitives. Des accélérateurs spécialisés, capables de réduire la latence ou l’énergie dépensée par opération, peuvent alors compléter les GPU plutôt que les remplacer intégralement.

La concurrence se jouera donc sur plusieurs plans : performances, facilité de programmation, disponibilité des puces, prix, consommation, compatibilité avec les modèles et qualité du support. Sur ce dernier point, l’arrêt des produits Untether AI rappelle justement qu’une innovation matérielle doit s’inscrire dans une stratégie industrielle durable pour convaincre les entreprises.

Ce qu’il faut surveiller après ce recrutement

Pour AMD, l’enjeu des prochains mois sera de démontrer comment l’expertise d’Untether AI s’intègre à sa feuille de route. Les signaux les plus importants ne seront pas uniquement l’annonce de nouveaux composants. Il faudra aussi observer les améliorations dans les outils de développement, les compilateurs et les solutions de déploiement de modèles d’IA.

Pour le marché, cette opération confirme que l’inférence devient un champ de bataille à part entière. Les entreprises ne recherchent plus seulement la capacité à entraîner des modèles toujours plus grands. Elles cherchent à les servir avec une réponse rapide, un coût maîtrisé et une consommation d’énergie soutenable.

Enfin, le sort des clients d’Untether AI constitue l’autre versant de cette actualité. Le recrutement de talents par un grand groupe peut accélérer l’innovation chez celui-ci, mais la fin du support d’une plateforme rappelle la dépendance des utilisateurs aux choix stratégiques de leurs fournisseurs. Dans l’IA matérielle, la performance compte. La pérennité du logiciel et du support compte tout autant.