FuriosaAI choisit LG et l’indépendance plutôt qu’un rachat par Meta

Refuser 800 millions de dollars pour rester indépendant est un choix rare pour une jeune entreprise de semi-conducteurs. C’est pourtant celui de FuriosaAI, startup sud-coréenne qui préfère transformer un partenariat industriel avec LG AI Research en tremplin commercial plutôt que de rejoindre Meta. Au cœur de cette stratégie se trouve RNGD, une puce conçue pour faire tourner des modèles d’intelligence artificielle, et plus particulièrement de grands modèles de langage.

Au 22 juillet 2025, cette décision éclaire une compétition devenue centrale dans l’IA : celle qui ne se joue pas seulement sur les modèles et les assistants, mais aussi sur les processeurs capables de les exécuter à un coût supportable. En s’alliant à LG, FuriosaAI entend prouver qu’une architecture spécialisée peut se faire une place face aux GPU généralistes et à l’écosystème très établi de Nvidia.

FuriosaAI refuse l’offre de Meta pour garder le contrôle

Meta avait proposé d’acquérir FuriosaAI pour 800 millions de dollars. La startup a choisi de décliner cette offre afin de poursuivre son développement en tant qu’entreprise indépendante. Selon les éléments rendus publics, les discussions ont achoppé sur des divergences liées à la stratégie commerciale après un éventuel rachat et à l’organisation de l’entreprise.

Un refus de ce type ne signifie pas qu’une offre serait insuffisante au regard d’une valorisation précise, aucune valorisation n’ayant été communiquée ici. Il traduit surtout une différence de trajectoire : devenir une brique technologique intégrée à un groupe mondial ou conserver la maîtrise des produits, des clients et des priorités de recherche. FuriosaAI a retenu la seconde option.

Pour Meta, l’intérêt d’une telle acquisition s’inscrit dans une logique industrielle claire. Les grands acteurs de l’IA cherchent à réduire leur dépendance envers les fournisseurs externes de puces, dont Nvidia, en développant ou en intégrant leurs propres capacités matérielles. Posséder un spécialiste des accélérateurs d’IA permettrait potentiellement de mieux adapter les processeurs à ses usages et de maîtriser une part plus importante de sa chaîne technologique.

Pour FuriosaAI, l’indépendance ouvre une autre voie : vendre à plusieurs entreprises plutôt que travailler au sein d’un seul groupe. Ce modèle est plus exigeant. Il faut convaincre des clients, assurer la production et bâtir un écosystème logiciel compatible avec leurs outils. Mais il peut aussi offrir à une startup une audience plus large, notamment si un grand industriel valide publiquement sa technologie.

RNGD, une puce conçue pour l’inférence des modèles de langage

RNGD est un accélérateur destiné aux applications d’intelligence artificielle. Son objectif est d’exécuter efficacement les calculs nécessaires aux modèles de langage de grande taille, les LLM. C’est une tâche différente de l’entraînement initial d’un modèle, phase durant laquelle il apprend à partir d’immenses jeux de données et qui mobilise généralement de très grandes quantités de calcul.

L’inférence correspond au moment où un modèle déjà entraîné répond à une requête, résume un document, traduit un texte ou génère la suite d’une conversation. C’est donc la phase visible par l’utilisateur, mais aussi celle qui peut faire grimper la facture lorsqu’un service reçoit un grand nombre de demandes. Réduire le coût et l’énergie nécessaires à chaque réponse devient un enjeu majeur pour les entreprises qui déploient l’IA à grande échelle.

Les GPU sont devenus les processeurs de référence pour ces usages, car ils excellent dans les calculs parallèles utilisés par les réseaux de neurones. Ils restent toutefois des composants polyvalents, employés dans de nombreux domaines du calcul intensif. FuriosaAI défend une approche différente : concevoir une architecture dédiée aux traitements d’IA afin d’optimiser l’usage visé.

Le coût total de possession ne se limite pas au prix d’achat d’un serveur ou d’une puce. Il comprend aussi l’électricité, le refroidissement, l’espace de centre de données, l’exploitation et la quantité de matériel nécessaire pour atteindre un niveau de service donné. C’est sur cet ensemble que June Paik, PDG de FuriosaAI, veut différencier l’entreprise : démontrer une performance élevée tout en diminuant le coût global d’exploitation.

Cette promesse doit toutefois être lue à l’aune du cas d’usage. Une puce particulièrement efficace pour l’inférence d’un modèle donné n’est pas automatiquement la meilleure solution pour tous les modèles, toutes les tailles de déploiement ou toutes les étapes de développement. Dans les semi-conducteurs, la pertinence d’une architecture dépend étroitement des logiciels, du type de calcul et de la manière dont les systèmes sont configurés.

Le partenariat avec LG AI Research, une validation industrielle

FuriosaAI a annoncé fournir RNGD à LG AI Research afin d’optimiser la plateforme EXAONE, récemment dévoilée par LG. EXAONE est présenté comme le principal modèle d’IA souverain de Corée du Sud. La collaboration ne se limite donc pas à une démonstration technique : elle vise l’intégration de la puce dans des déploiements destinés à plusieurs secteurs.

Les domaines ciblés sont l’électronique, la finance, les télécommunications et la biotechnologie. Ces activités partagent souvent un besoin de traiter rapidement de grands volumes de textes, de documents techniques ou de données internes. Les modèles de langage peuvent y servir d’interface pour la recherche d’information, l’analyse documentaire ou l’automatisation de certaines tâches, à condition que leur exécution réponde aux contraintes de coût, de confidentialité et de fiabilité des organisations.

Selon FuriosaAI, RNGD a affiché, lors de tests avec les modèles EXAONE de LG, une performance d’inférence 2,25 fois supérieure à celle des GPU auxquels elle a été comparée. Ce résultat est important pour la startup, car il associe sa technologie à un cas d’usage industriel concret.

Il ne faut pas pour autant transformer ce chiffre en verdict universel sur tous les GPU ou tous les modèles d’IA. Les informations disponibles ne détaillent pas ici les modèles exacts comparés, les paramètres de test, le volume de requêtes ni l’indicateur de performance retenu. La donnée doit donc être comprise comme une mesure obtenue dans le cadre des essais réalisés avec EXAONE, et comme un argument de FuriosaAI pour sa solution spécialisée.

Pourquoi l’accord avec LG compte davantage qu’une simple vente de puces

L’accord avec LG AI Research apporte à FuriosaAI une forme de validation commerciale. Une grande entreprise choisit publiquement de travailler avec une solution concurrente des offres dominantes du marché des GPU. Pour une startup, cet appui peut être déterminant : les futurs clients ne recherchent pas seulement des performances théoriques, ils veulent savoir si une technologie peut être intégrée à des systèmes réels et utilisée dans des secteurs exigeants.

FuriosaAI compte alors 15 employés. Cet effectif réduit souligne le contraste entre la taille de l’entreprise et l’ambition de son partenariat. Concevoir une puce d’IA, puis la positionner face à des fournisseurs installés, nécessite habituellement des ressources considérables en ingénierie, en fabrication, en logiciels et en accompagnement client.

La startup espère une forte demande en Corée du Sud, tout en visant des clients internationaux. L’enjeu est de faire sortir RNGD du seul environnement de LG. Si EXAONE sert de première vitrine, FuriosaAI doit pouvoir démontrer que son accélérateur fonctionne avec d’autres projets, d’autres déploiements et, potentiellement, d’autres familles de modèles.

La bataille des accélérateurs d’IA s’intensifie

Le cas FuriosaAI illustre une évolution plus vaste : face à la demande de calcul pour l’IA, les entreprises recherchent des alternatives capables de délivrer de bonnes performances sans alourdir excessivement leurs dépenses ni leur consommation énergétique. Cette recherche concerne autant les groupes qui créent des modèles que les entreprises qui veulent les exploiter dans leurs propres services.

Nvidia bénéficie d’une position établie dans les infrastructures d’IA, notamment grâce à ses GPU et à l’environnement logiciel associé. Pour les nouveaux entrants, le défi ne consiste donc pas seulement à annoncer une puce plus rapide sur un test particulier. Ils doivent aussi offrir une expérience suffisamment simple pour que les développeurs et les exploitants de centres de données adoptent leur matériel.

Dans ce contexte, l’orientation de Meta vers des solutions plus intégrées et le choix de LG de travailler avec FuriosaAI sont deux réponses différentes à une même préoccupation : mieux contrôler le calcul nécessaire à l’IA. Meta envisageait de renforcer ses capacités en absorbant la startup. LG devient, lui, un partenaire susceptible d’aider celle-ci à grandir de manière autonome.

La compétition peut bénéficier aux clients si elle favorise davantage de choix en matière de matériel, de prix et d’efficacité. Elle ne garantit pas, à elle seule, qu’un nouvel acteur s’imposera durablement. Les capacités de fabrication, les volumes disponibles, le support technique et la compatibilité des logiciels restent des facteurs décisifs.

Ce qu’il faut surveiller après le pari de l’indépendance

La première question concerne la concrétisation du partenariat : dans quels produits ou déploiements EXAONE RNGD sera-t-elle effectivement utilisée, et à quelle échelle ? L’annonce cible des secteurs importants, mais la réussite dépendra de la capacité à passer des tests aux installations durables chez les clients.

La deuxième porte sur la reproductibilité des performances. FuriosaAI a mis en avant un facteur de 2,25 dans les tests avec EXAONE. Les entreprises intéressées regarderont les résultats sur différents modèles, les coûts réels d’exploitation, la consommation d’énergie et la facilité avec laquelle leurs équipes peuvent utiliser la plateforme.

Enfin, l’internationalisation sera le test stratégique le plus révélateur. En refusant l’offre de Meta, FuriosaAI a fait le choix de ne pas devenir un élément d’un géant américain. Elle doit désormais démontrer qu’elle peut transformer sa proximité avec LG AI Research en clientèle mondiale et en activité durable. C’est à cette condition que son pari d’indépendance pourra constituer une alternative crédible dans le marché des puces d’IA.