Une tendance clairement émergente dans le secteur de l’infrastructure pour l’intelligence artificielle est en train de se dessiner : des outils open source populaires se transforment en startups financées par des capitaux-risqueurs, atteignant rapidement des valorisations de plusieurs centaines de millions de dollars. Le dernier exemple en date est RadixArk, la société commerciale derrière SGLang, un outil de plus en plus utilisé pour rendre les modèles d’IA plus rapides et plus économiques.
Selon deux sources proches du dossier, RadixArk aurait récemment été valorisée à environ 400 millions de dollars lors d’une levée de fonds menée par Accel, un montant particulièrement notable pour une startup encore peu connue, puisque sa création a été annoncée seulement en août dernier. TechCrunch n’a pas pu confirmer la taille exacte de ce tour de financement, mais l’essor de RadixArk s’inscrit dans une dynamique plus large de croissance pour ce type de technologie. La société a notamment connu un intérêt croissant depuis qu’elle a intégré certains membres de l’équipe en charge de SGLang, qui est utilisé par des entreprises telles que xAI ou Cursor pour accélérer la formation de modèles IA.
La montée en puissance des outils d’optimisation de l’inférence illustre l’importance stratégique de cette étape cruciale pour la réduction des coûts dans l’écosystème IA.
RadixArk a ses origines au sein du laboratoire de l’Université de Berkeley, dirigé par Ion Stoica, co-fondateur de Databricks. La startup a levé des fonds auparavant grâce à des investisseurs providentiels, dont le PDG d’Intel, Lip-Bu Tan. Ying Sheng, ancienne ingénieure chez xAI d’Elon Musk, est désormais cofondatrice et PDG de RadixArk, et elle a annoncé sa nouvelle fonction via LinkedIn le mois dernier. La société continue de développer SGLang en tant que moteur open source pour l’inférence IA et a lancé un framework appelé Miles, dédié à l’apprentissage par renforcement, permettant aux entreprises d’améliorer leurs IA au fil du temps.
RadixArk ne bénéficie pas seule de cette trajectoire ascendante : vLLM, un projet plus mature dans l’optimisation de l’inférence, a également franchi le pas vers une startup financée. Des discussions évoquent une levée de fonds pouvant dépasser 160 millions de dollars avec une valorisation autour du milliard, notamment sous la houlette d’Andreessen Horowitz. Cependant, Simon Mo, cofondateur de vLLM, a rejeté certaines informations rapportées, affirmant que les chiffres avancés étaient « factuellement inexacts ». Quoi qu’il en soit, plusieurs grandes entreprises exploitent aujourd’hui vLLM pour leurs charges de travail en inférence, tout comme SGLang–RadixArk semble également bien placé pour s’imposer dans ce secteur en pleine expansion.
Alors que la majorité des outils proposés par RadixArk restent gratuits, la société commence à facturer certains services d’hébergement, reflet d’une évolution commerciale stratégique pour soutenir ses développements futurs. La course à l’optimisation de l’inférence témoigne de l’importance cruciale de cette étape dans la réduction des coûts pour les services d’IA, avec plusieurs autres startups, comme Baseten ou Fireworks AI, levant des centaines de millions de dollars à des valorisations record ces dernières semaines. La tendance montre que la bataille pour la maîtrise de l’infrastructure d’inférence est devenue un enjeu majeur dans l’industrie de l’intelligence artificielle.
