Faut-il s’attendre à une révolution dans la compression des modèles d’intelligence artificielle grâce à la technologie européenne ? L’annonce de la start-up espagnole Multiverse Computing, qui vient de lever la somme impressionnante de 189 millions d’euros en série B, intrigue autant qu’elle interroge. Au cœur de cette levée : CompactifAI, une solution de compression présentée comme “inspirée par le calcul quantique”. Mais que cache vraiment cette innovation ? Peut-elle bouleverser l’écosystème de l’IA ?
Selon Multiverse Computing, CompactifAI serait capable de réduire la taille des grands modèles de langage (LLM) jusqu’à 95%, sans perte de performance. Est-ce réellement une prouesse ou un simple coup de communication ? Alors que les entreprises et les chercheurs cherchent à rendre les IA plus légères et économes, ce procédé, qui permettrait d’exécuter des LLM sur des ordinateurs personnels, voire des Raspberry Pi, a de quoi séduire. Mais cette compression touche-t-elle tous les modèles ou seulement certains ?
La société affirme proposer des versions “Slim” de modèles open-source bien connus comme Llama 4 Scout, Llama 3.3 70B, ou Mistral Small 3.1. Cependant, la compatibilité se limite aux modèles publics : aucune prise en charge annoncée pour les IA propriétaires telles que celles d’OpenAI. Diffusés via AWS ou par licence sur site, ces modèles compacts afficheraient des vitesses de traitement quatre à douze fois supérieures à leurs équivalents standards, ainsi qu’une économie de coût de 50 à 80% lors des inférences. Mais ces chiffres, qui paraissent impressionnants sur le papier, tiennent-ils la route face à des applications réelles et gourmandes ?
Entre promesse de disruption et effet d’annonce, la compression à l’ère quantique soulève autant d’espoirs que de doutes.
Derrière ce pari technologique, on retrouve le CTO Roman Orús, professeur reconnu dans le domaine des réseaux de tenseurs, une technique exploitée ici pour imiter la puissance des ordinateurs quantiques sur des machines classiques. Cette orientation suscite autant d’enthousiasme qu’elle suscite de questions : la promesse de réseaux de tenseurs révolutionnant la compression IA n’est-elle pas encore théorique pour certaines applications ?
Autre question : la start-up est-elle capable de transformer l’essai sur le plan commercial ? Avec un catalogue qui cible surtout des modèles open-source, Multiverse ne prend-elle pas le risque de se frotter à une concurrence féroce ou à une obsolescence rapide ? Son fondateur Enrique Lizaso Olmos, ancien banquier et professeur de mathématiques, saura-t-il mener la barque face aux mastodontes américains comme Nvidia ou OpenAI ?
L’appétit des investisseurs — dont Bullhound Capital, HP Tech Ventures et plusieurs noms du secteur — s’explique-t-il par un réel potentiel de disruption ou par la tendance actuelle à miser sur le moindre espoir d’avancée IA ? Ce tour de table, qui porte le financement total à quelque 250 millions de dollars, ouvre la voie à de nouveaux déploiements au sein d’acteurs comme Iberdrola, Bosch ou la Banque du Canada. Mais le cap de l’industrialisation à grande échelle reste encore à franchir.
Avec 160 brevets et une centaine de clients déjà revendiqués, Multiverse Computing veut s’imposer comme l’un des fers de lance de la deeptech européenne. Mais face à la rapidité des évolutions dans l’univers de l’IA, la technologie CompactifAI peut-elle suffisamment innover pour ne pas être dépassée par la concurrence internationale et continuer à faire parler d’elle ?
Source : Techcrunch
