Liquid AI lève 250 millions de dollars avec le soutien stratégique d’AMD

En deux ans d’existence, Liquid AI a réussi à attirer des moyens inhabituels pour une jeune pousse de l’intelligence artificielle. La société, née de travaux menés au Massachusetts Institute of Technology, ou MIT, annonce en décembre 2024 une levée de fonds de 250 millions de dollars. L’opération est menée par le fonds d’investissement d’AMD, l’un des grands fabricants mondiaux de puces de calcul.

Cette série A place Liquid AI parmi les entreprises les mieux financées de la nouvelle génération de laboratoires d’IA. Elle lui donne surtout les ressources nécessaires pour tenter de transformer une piste de recherche, les réseaux de neurones liquides, en produits utilisables par des organisations et, à terme, dans des flux de travail essentiels.

Une série A de 250 millions de dollars pour changer d’échelle

Liquid AI a bouclé une série A de 250 millions de dollars, un tour de financement généralement destiné à faire passer une entreprise de la phase de développement initial à celle de l’industrialisation et de la commercialisation. Dans le cas de cette start-up lancée en 2023, le montant reflète l’intensité de la compétition dans l’IA, un secteur où le recrutement de chercheurs et l’accès aux capacités de calcul exigent des budgets très élevés.

La valorisation de la société avant l’arrivée de ces nouveaux fonds, dite valorisation pré-financement, est fixée à 2,1 milliards de dollars. Ce chiffre ne correspond ni à un chiffre d’affaires ni à une somme disponible en caisse. Il traduit l’estimation de la valeur de l’entreprise retenue par ses investisseurs avant leur apport financier.

Le tour de table accueille notamment Duke Capital Partners parmi les nouveaux investisseurs. Les soutiens déjà présents, The Pags Group et OSS Capital, conservent également leur participation. AMD occupe toutefois une place particulière, car sa contribution ne se limite pas au financement.

AMD apporte des fonds, mais aussi des GPU Instinct

Dans l’intelligence artificielle moderne, disposer de capital ne suffit pas. Les modèles nécessitent des infrastructures de calcul capables d’exécuter un très grand nombre d’opérations en parallèle. C’est précisément le rôle des processeurs graphiques, ou GPU. Initialement conçus pour produire des images, ils sont devenus centraux dans l’entraînement et l’exécution de nombreux modèles d’IA.

AMD met à la disposition de Liquid AI ses GPU Instinct, une gamme destinée aux usages intensifs de calcul. Pour une start-up, cet accès peut représenter un avantage stratégique : acheter et exploiter à grande échelle ce type de matériel implique des coûts considérables, auxquels s’ajoutent les contraintes de disponibilité, d’hébergement et d’énergie.

Le partenariat donne donc à Liquid AI des ressources techniques pour développer ses modèles sans devoir supporter seule, dès le départ, tous les investissements nécessaires à une infrastructure de pointe. Il renforce aussi la position d’AMD dans une bataille plus large pour fournir les puces utilisées par les entreprises qui créent des systèmes d’IA.

Cette relation entre un concepteur de puces et un éditeur de modèles est devenue importante dans le secteur. Les performances, le coût et la disponibilité des infrastructures de calcul pèsent directement sur la capacité d’une jeune entreprise à expérimenter, à livrer des produits et à les proposer à grande échelle.

Du MIT aux réseaux de neurones liquides

Liquid AI est une spin-off issue du laboratoire CSAIL du MIT, le laboratoire d’informatique et d’intelligence artificielle de l’établissement. Elle a été fondée par quatre chercheurs de ce laboratoire. L’entreprise est dirigée par Ramin Hasani, son directeur général, et Mathias Lechner, son directeur technique.

Son ambition repose sur les réseaux de neurones liquides, ou liquid neural networks. Cette expression désigne une famille de modèles explorée par la recherche, pensée pour mieux prendre en compte l’évolution continue d’une situation plutôt que de traiter les données comme des éléments totalement indépendants. L’idée est particulièrement pertinente lorsque les informations changent au fil du temps, par exemple dans une séquence, un signal ou l’état d’un système.

Les réseaux de neurones sont des programmes mathématiques qui apprennent à repérer des régularités dans des données. Leur nom évoque le cerveau, mais ils ne reproduisent pas son fonctionnement biologique. Dans les approches qualifiées de liquides, les mécanismes internes sont conçus pour s’adapter plus finement aux variations des entrées et à la dynamique d’un contexte.

Liquid AI cherche à exploiter cette orientation pour bâtir des systèmes capables d’être à la fois performants et moins lourds à déployer. Cette promesse doit encore se traduire dans des usages réels et reproductibles. Elle est néanmoins au cœur de l’identité technique de l’entreprise, dans un marché où les grands modèles généralistes reposent souvent sur des infrastructures très coûteuses.

Que sont les modèles fondamentaux liquides de Liquid AI ?

La société appelle ses produits les modèles fondamentaux liquides, ou LFMs, pour Liquid Foundation Models. Un modèle fondamental est un système entraîné pour pouvoir servir de base à de multiples tâches, puis être adapté à des besoins particuliers. L’expression est couramment associée aux grands modèles de langage, mais elle peut recouvrir différentes architectures et différents types de données.

Selon Liquid AI, ses LFMs se distinguent par leur légèreté et leur polyvalence. Dans ce contexte, la légèreté ne signifie pas forcément qu’un modèle est simple ou qu’il fonctionne sur n’importe quel appareil. Elle renvoie à l’objectif de proposer des modèles moins exigeants à utiliser que certains systèmes très volumineux, tout en visant des applications variées.

Depuis son lancement, l’entreprise indique avoir publié des modèles d’IA textuels et travaillé sur des LFMs multimodaux. Un modèle multimodal peut traiter plusieurs formes d’information. Cette caractéristique est recherchée pour créer des systèmes capables de relier des contenus de nature différente dans une même tâche, même si les capacités précises de chaque produit dépendent de son entraînement et de son déploiement.

Des prototypes de recherche aux usages économiques

L’étape décisive pour Liquid AI sera de prouver que sa technologie peut répondre à des besoins concrets. L’entreprise a déjà commencé à tester ses innovations en conditions réelles avec des partenaires stratégiques. Ses domaines d’intérêt couvrent notamment le e-commerce et la biotechnologie.

La liste des marchés visés est plus large. Liquid AI envisage d’intégrer ses technologies dans l’électronique grand public, les télécommunications et les services financiers. Ces secteurs n’attendent pas tous la même chose d’un modèle d’IA : un acteur de la finance peut privilégier la fiabilité et l’intégration à ses procédures, tandis qu’un fabricant d’électronique peut être attentif aux contraintes de calcul et de déploiement sur ses produits.

La notion de « flux de travaux essentiels », mise en avant par l’entreprise, est également significative. Il ne s’agit pas seulement de démonstrations techniques. Pour s’installer durablement, une start-up d’IA doit rendre ses modèles compatibles avec les outils de ses clients, assurer leur fonctionnement dans la durée et démontrer un bénéfice mesurable par rapport aux solutions existantes.

Liquid AI prévoit donc d’utiliser le financement à trois niveaux : accélérer le développement de ses produits, faire évoluer son infrastructure de calcul et agrandir ses équipes. Le recrutement est un enjeu central dans une industrie où les profils spécialisés en recherche, en ingénierie logicielle et en déploiement de modèles sont particulièrement recherchés.

Une valorisation élevée, des attentes tout aussi élevées

La valorisation pré-financement de 2,1 milliards de dollars souligne la confiance accordée à Liquid AI par ses investisseurs. Mais elle crée également une obligation de résultats. À ce niveau, l’entreprise devra convaincre que ses réseaux de neurones liquides ne constituent pas uniquement une proposition de recherche intéressante, mais une technologie susceptible de trouver une place durable sur le marché.

Le défi est double. D’un côté, Liquid AI doit continuer à faire progresser ses modèles dans un environnement où les laboratoires et grands groupes publient rapidement de nouvelles générations de systèmes. De l’autre, elle doit maîtriser l’économie de leur utilisation : un modèle attractif doit être utile, suffisamment robuste pour les besoins de ses clients et compatible avec des coûts de calcul soutenables.

L’appui d’AMD peut jouer sur ces deux tableaux. L’accès à des GPU Instinct soutient l’effort de recherche et d’entraînement. La proximité avec un acteur des semi-conducteurs peut aussi aider l’entreprise à mieux penser le lien entre logiciel et matériel, un facteur important lorsque l’objectif est de proposer des modèles légers et déployables dans différents environnements.

Ce qu’il faut surveiller après cette levée de fonds

Les prochains mois permettront de mesurer comment Liquid AI transforme cette levée en produits et en contrats. Plusieurs signaux seront particulièrement importants : la mise sur le marché effective de ses LFMs, l’ampleur des tests avec ses partenaires, l’évolution de ses modèles multimodaux et sa capacité à recruter pour accompagner cette phase de croissance.

Il faudra aussi observer la concrétisation du partenariat avec AMD. L’accès aux GPU Instinct peut accélérer le développement, mais l’avantage réel dépendra des performances obtenues par Liquid AI, de la facilité de déploiement de ses modèles et de l’intérêt des entreprises clientes.

En décembre 2024, la levée de 250 millions de dollars donne à cette spin-off du MIT une marge de manœuvre considérable. Elle ne garantit pas le succès commercial, mais elle installe Liquid AI comme un acteur à suivre dans la recherche de modèles d’IA plus efficaces, plus polyvalents et susceptibles de s’intégrer à des usages professionnels variés.