Arago lève 26 millions de dollars pour une puce IA annoncée dix fois plus sobre

L’intelligence artificielle ne se joue pas seulement dans les modèles et les logiciels. Elle se joue aussi dans les puces qui réalisent les calculs, et dans l’électricité nécessaire pour les alimenter et les refroidir. C’est sur ce terrain très concurrentiel qu’Arago veut se faire une place. La start-up française annonce avoir réuni 26 millions de dollars pour développer JEF, une puce d’IA photonique dont la consommation énergétique pourrait être jusqu’à dix fois inférieure à celle des GPU traditionnels, selon l’entreprise.

L’annonce intervient à un moment où la course aux modèles toujours plus puissants accroît les besoins des centres de données. Les GPU, devenus l’équipement de référence pour entraîner et exécuter de nombreux systèmes d’IA, sont très performants pour les calculs massivement parallèles. Mais leur puissance a un coût : ils consomment de l’électricité, dissipent de la chaleur et appellent des infrastructures de refroidissement importantes. Arago mise sur la lumière pour s’attaquer à cette équation.

Une levée de 26 millions de dollars pour passer de la promesse au produit

Arago a bouclé un tour de financement de 26 millions de dollars destiné à soutenir le développement de sa technologie. L’opération réunit les fonds Earlybird, Protagonist, Visionaries et Tomorrow. Elle compte aussi la participation de personnalités reconnues de l’écosystème technologique, parmi lesquelles Bertrand Serlet, ancien vice-président d’Apple, et Olivier Pomel, cofondateur de Datadog.

Pour une entreprise de composants, ce type de financement ne sert pas uniquement à grossir les équipes de logiciels. Il doit permettre de réunir des compétences rares en physique, électronique, photonique intégrée, architecture informatique et industrialisation. Arago est portée par une équipe issue notamment du MIT et de l’École polytechnique, avec l’ambition de transformer un principe de calcul photonique en matériel utilisable par des entreprises.

Les fonds levés doivent ainsi accélérer le développement de JEF, renforcer les effectifs et préparer des partenariats commerciaux. C’est une étape importante, mais elle ne préjuge pas encore d’une adoption à grande échelle. Dans les semi-conducteurs, une bonne idée de laboratoire doit encore devenir une puce fiable, fabriquable, intégrable et compétitive face à des solutions déjà très installées.

Pourquoi les GPU posent-ils un défi énergétique pour l’IA ?

Les modèles d’IA modernes reposent sur d’innombrables opérations numériques. Durant leur entraînement, ils ajustent leurs paramètres à partir de volumes de données très importants. Lors de l’inférence, c’est-à-dire lorsqu’ils répondent à une requête ou génèrent un texte, une image ou une prédiction, ils continuent d’exécuter une succession de calculs intensifs.

Les GPU excellent dans cette discipline parce qu’ils répartissent ces opérations entre de très nombreux cœurs de calcul. En revanche, comme toute électronique, ils dissipent une partie de l’énergie sous forme de chaleur. À l’échelle d’un centre de données, cette chaleur implique ventilateurs, circuits de refroidissement et alimentation électrique dimensionnée en conséquence. La consommation totale ne se limite donc pas à la puce elle-même.

Cette contrainte pousse les industriels à explorer plusieurs voies : améliorer l’efficacité des GPU, rapprocher la mémoire du calcul, concevoir des accélérateurs spécialisés ou expérimenter de nouvelles architectures. Arago s’inscrit dans cette dernière catégorie. Son pari est que la photonique peut réaliser certaines opérations de calcul de manière plus efficace que les circuits purement électroniques.

Il faut toutefois éviter un raccourci : remplacer une partie des calculs par des opérations photoniques ne signifie pas faire disparaître toute l’électronique. Une puce photonique a besoin d’éléments de contrôle, de mémoire, de conversion et d’interconnexion. Les performances réelles dépendent donc de l’ensemble du système, pas seulement de la propagation de la lumière à l’intérieur d’un composant.

JEF, une puce qui veut calculer avec la lumière

Au cœur du projet d’Arago se trouve JEF, une puce présentée comme une alternative aux accélérateurs d’IA classiques. Sa particularité tient au recours aux photons, les particules de lumière, pour traiter l’information. L’entreprise indique utiliser des lasers dans sa technologie interne afin d’effectuer les calculs nécessaires aux modèles d’intelligence artificielle.

L’intérêt de la photonique est intuitif : la lumière peut transporter de l’information très rapidement et permettre des opérations parallèles. Dans le domaine de l’IA, ces capacités peuvent être particulièrement pertinentes pour les calculs linéaires, omniprésents dans les réseaux de neurones et les grands modèles de langage. L’enjeu est de tirer parti de ces propriétés sans créer de goulot d’étranglement au moment d’échanger les données avec les éléments électroniques du système.

Arago avance un objectif fort : une consommation divisée par dix par rapport aux GPU traditionnels, à performances compétitives. Exprimé autrement, cela correspondrait à une réduction pouvant atteindre 90 % de l’énergie utilisée par rapport au point de comparaison retenu. À ce stade, il s’agit d’une promesse technologique de l’entreprise. La valeur concrète dépendra notamment du modèle exécuté, de la précision de calcul, du volume de données, de la puissance réellement délivrée et du périmètre retenu pour mesurer l’énergie.

Cette précision est essentielle. Comparer des puces ne revient pas seulement à comparer leur consommation électrique brute. Une accélération peut être très économe pour une famille précise d’opérations et moins pertinente pour d’autres. Pour les clients, les indicateurs déterminants seront donc l’énergie par tâche, la vitesse de traitement, la latence, la fiabilité et le coût complet de déploiement.

Une adoption sans réécriture de code, l’autre promesse clé

L’efficacité énergétique ne suffit pas à faire adopter un nouveau composant. Les entreprises qui ont bâti leurs applications sur des GPU disposent déjà de modèles, de pipelines de données, d’outils de développement et d’équipes formées. Changer d’architecture peut coûter cher si cela oblige à reconstruire les logiciels.

Arago met donc en avant un second argument : JEF serait capable d’exécuter des modèles d’IA existants sans adaptation logicielle complexe ni réécriture du code. Cette compatibilité annoncée est stratégique. Elle pourrait permettre à une organisation de tester la puce sans remettre en cause toute sa chaîne de développement.

Dans la pratique, l’expression « sans réécriture » mérite d’être examinée précisément lorsque le produit sera disponible. Elle peut couvrir plusieurs réalités, depuis la prise en charge directe d’un modèle jusqu’à l’utilisation d’une couche logicielle qui convertit automatiquement les calculs. Les utilisateurs devront notamment vérifier les frameworks compatibles, les formats de modèles, les performances obtenues en conditions réelles et les outils de supervision disponibles.

Des promesses élevées face à des obstacles industriels considérables

Le secteur des puces d’IA est dominé par des acteurs disposant d’une avance considérable en matériel, en logiciels et en relations avec les grands fournisseurs de cloud. Les GPU bénéficient d’écosystèmes éprouvés, de bibliothèques optimisées et d’une vaste base de développeurs. Pour Arago, le défi ne sera donc pas seulement de démontrer un gain d’efficacité sur un prototype.

La start-up devra aussi convaincre que sa technologie peut être produite de façon fiable, fonctionner durablement dans les environnements exigeants des centres de données et s’intégrer aux infrastructures existantes. La fabrication de composants photoniques, le pilotage de lasers, la précision des opérations et la gestion des échanges entre optique et électronique constituent autant de sujets d’ingénierie à maîtriser.

Il faudra également préciser la comparaison avec les GPU. Les générations de GPU, leurs puissances et leurs consommations varient fortement. Une annonce de performance n’a de valeur que si elle s’accompagne d’un protocole clair : matériel de référence, modèle utilisé, taille des lots de données, niveau de précision, débit obtenu et mesure de l’énergie. Ce sont ces éléments qui permettront aux futurs clients d’évaluer un gain économique concret.

Arago n’a pas besoin de remplacer tous les GPU pour trouver son marché. Une technologie très efficace sur certaines charges de calcul, notamment lorsque l’énergie ou le refroidissement limitent l’expansion d’une infrastructure, peut déjà intéresser des opérateurs de datacenters et des entreprises exécutant beaucoup d’inférence. La cible la plus naturelle pourrait être celle des usages où le volume de requêtes rend chaque watt économisé significatif.

Ce qu’il faut surveiller

La levée de fonds donne à Arago les moyens de poursuivre son développement, mais les prochaines étapes seront déterminantes. Les premiers éléments à suivre seront la disponibilité effective de JEF, les démonstrations de performances sur des modèles représentatifs et les conditions exactes de la comparaison énergétique avec les GPU.

La compatibilité logicielle annoncée constituera un autre test majeur. Plus l’intégration sera simple pour les équipes techniques, plus la proposition d’Arago sera crédible auprès d’entreprises déjà équipées en infrastructures d’IA. Les éventuels partenariats commerciaux serviront aussi d’indicateur : dans cette industrie, ils peuvent aider à valider un produit et à accéder aux canaux de fabrication ou de distribution.

Au-delà du cas d’Arago, l’annonce illustre une tendance de fond. À mesure que l’IA se diffuse, la performance ne se mesure plus uniquement au nombre de calculs par seconde. Elle se mesure aussi à l’énergie consommée pour les accomplir, à la chaleur produite et au coût de l’infrastructure nécessaire. Si JEF tient ses promesses, la photonique pourrait devenir l’une des réponses à ce défi. Si elle ne les tient que partiellement, elle contribuera malgré tout à une compétition technologique devenue indispensable pour rendre l’IA plus soutenable.