Pourquoi une multitude de projets open source liés à l’infrastructure de l’IA, à peine sortis de l’anonymat, se transforment-ils du jour au lendemain en startups valorisées à des centaines de millions de dollars ? En observant l’ascension fulgurante de RadixArk, née de l’outil open-source SGLang (et désormais valorisée à près de 400 millions de dollars), une question s’impose : assistons-nous à l’émergence d’un nouveau modèle économique de l’open source, propulsé par la révolution de l’intelligence artificielle ?
Comment expliquer que RadixArk, annoncée en août dernier seulement, attise déjà la convoitise des investisseurs à hauteur de plusieurs centaines de millions de dollars ? Tout remonte au laboratoire d’Ion Stoica, figure emblématique de UC Berkeley et cofondateur de Databricks, où SGLang a émergé. À l’origine, ce projet n’était qu’un outil d’optimisation du traitement des inférences des modèles d’IA : un enjeu aussi technique que stratégique, car il promet de réduire significativement les coûts d’exploitation des serveurs pour les entreprises manipulant de gros volumes d’IA.
Mais qui sont ces visages derrière la nouvelle licorne ? Ying Sheng, ancienne ingénieure de xAI (la startup d’Elon Musk) et chercheuse chez Databricks, a quitté la première pour cofonder RadixArk, selon l’annonce faite sur LinkedIn le mois dernier. Derrière le capital, des personnalités telles que le PDG d’Intel Lip-Bu Tan ou le fonds Accel auraient misé très tôt sur cette jeune pousse. Cependant, aucun n’a souhaité répondre à nos questions – un silence qui interpelle autant qu’il intrigue sur les ambitions réelles de l’équipe dirigeante.
La ruée vers l’inférence de l’IA redessine les frontières entre innovation ouverte et rentabilité féroce.
RadixArk n’est pas seule sur cette trajectoire. D’autres projets issus du même laboratoire, comme vLLM, suivent le même chemin, en discussions avancées pour des levées de fonds record pouvant dépasser le milliard de dollars. La course à l’optimisation des inférences – véritable nerf de la guerre pour rendre l’IA plus rapide, moins coûteuse et donc plus compétitive – attire donc les investisseurs les plus en vue de la Silicon Valley. Mais cette explosion soudaine de valorisations, pour des produits encore gratuits et utilisés en open source, ne questionne-t-elle pas la solidité de ce modèle économique ?
Si on regarde bien, ces outils restent pour l’instant disponibles en open source, tout en déployant en parallèle des offres commerciales : hébergement payant, plateformes spécialisées pour l’apprentissage par renforcement (comme le projet Miles chez RadixArk), offrant ainsi des perspectives de monétisation nouvelles. Doit-on y voir un compromis ingénieux entre idéal communautaire et logique vorace de financement, ou simplement une manière détournée de faire main basse sur une innovation collective ?
L’appétit des fonds pour l’infrastructure d’inférence s’explique aussi par la gigantesque manne financière en jeu. Ces derniers mois, des startups comme Baseten ou Fireworks AI ont levé respectivement 300 et 250 millions de dollars sur des valorisations dépassant les 4 à 5 milliards. Les géants du cloud et de la tech ne s’y trompent pas : contrôler les couches invisibles de l’IA, c’est aussi tenir la clé du futur du secteur tout entier.
Mais alors que la frontière devient floue entre innovation partagée et course à la rente privée, une autre question surgit : combien de temps cette effervescence autour des outils open source portés par l’IA pourra-t-elle durer avant que les logiques de captation financière ne prennent le pas sur l’esprit initial de la communauté ?
Source : Techcrunch
