L'argent se déplace vers l'IA physique : les 1,45 Md$ de SiMa.ai, et des agents qui conçoivent le matériel

SiMa.ai, une entreprise de San José qui conçoit des puces et des logiciels pour ce que le secteur appelle l'IA physique, a annoncé le 5 octobre avoir levé 150 millions de dollars lors d'un tour de série C sursouscrit, à une valorisation post-money de 1,45 milliard de dollars. Ce tour porte le total des capitaux levés à environ 500 millions de dollars. Fidelity Management et Amplify ont codirigé l'opération, avec la participation de Dell Technologies Capital, Maverick Capital, Point72 et StepStone, entre autres, aux côtés de nouveaux investisseurs dont AllianceBernstein, Baron Capital, J.P. Morgan et l'État du Michigan.

La société prévoit d'utiliser le produit de cette levée pour Palette Neat, qu'elle décrit comme un environnement logiciel agentique pour l'IA physique, et pour du matériel de nouvelle génération, notamment des IP d'apprentissage automatique, des chiplets et des systèmes sur puce. Son objectif affiché est un silicium dédié offrant 1 000 TOPS denses de calcul au premier semestre 2028, destiné aux humanoïdes, à l'automobile et aux drones.

La composition des investisseurs est le signal

Lisez la table de capitalisation et un schéma apparaît. Des sociétés de gestion de fonds communs de placement telles que Fidelity, AllianceBernstein et Baron côtoient les fonds spéculatifs Maverick et Point72 ainsi qu'un fonds de pension d'État. Ce mélange d'investisseurs croisés signifie généralement qu'une entreprise est positionnée en vue d'une éventuelle introduction en bourse, et ce tour fait aussi office de découverte des prix avant une levée plus importante. Le silicium d'IA en périphérie est devenu un segment encombré du capital-risque dans les semi-conducteurs, et la présence de capitaux d'investisseurs croisés au stade de la série C indique que la catégorie a dépassé le stade de la pure spéculation.

La valorisation elle-même est déclarée par l'entreprise et non auditée, ce qu'il convient de garder en mémoire. Il en va de même pour les objectifs de performance de la société, car une feuille de route silicium pour 2028 est un plan, pas un produit.

Le logiciel attaché au silicium est le pari

La moitié intéressante de l'annonce est Palette Neat. Une activité de puces pure joue la carte de la performance par watt et dépend entièrement des contrats de conception remportés. L'ajout d'un environnement logiciel agentique par-dessus change la conversation commerciale et, si cela fonctionne, la structure des marges. L'argument est qu'un client qui construit un robot ou un drone ne veut pas assembler une pile technologique à partir de trois fournisseurs, et préfère acheter ensemble le silicium et le logiciel qui le pilote.

Cette combinaison est celle qui apparaît dans toute l'IA physique. Les agents qui perçoivent, décident et agissent doivent s'exécuter au plus près du matériel, avec des budgets énergétiques qu'un centre de données n'a jamais à prendre en compte. Un environnement d'exécution agentique optimisé pour un silicium spécifique est un moyen d'y parvenir, et un moyen de retenir les clients.

Une deuxième entreprise affirme que les agents devraient concevoir le matériel

La même semaine a apporté un point de données provenant de l'autre bout de la chaîne. Flow Engineering, une start-up de San Francisco qui développe des outils agentiques pour la conception matérielle, a clôturé une série B de 50 millions de dollars à une valorisation de 750 millions de dollars, soit environ 15 fois le montant levé, avec Valor Equity Partners et Atreides Management comme co-chefs de file. Sa plateforme intègre des données de CAO à une simulation en temps réel, dans le but de permettre aux ingénieurs d'itérer sur du matériel physique, qu'il s'agisse de puces, de systèmes mécaniques ou de véhicules, à un rythme plus proche de celui du logiciel.

Flow Engineering est arrivée onze mois après une série A de 23 millions de dollars menée par Sequoia. Les deux mêmes fonds qui ont codirigé sa série B venaient de valoriser General Intuition, une start-up d'IA-robotique, à 6,2 milliards de dollars, une coïncidence qui ressemble moins à un hasard qu'à une conviction dans une catégorie. Quand un petit ensemble d'investisseurs ancre plusieurs opérations dans la même thèse en quelques semaines, cela peut signifier une croyance authentique. Cela peut aussi signifier une valorisation agressive justifiée par référence aux autres opérations. Sans chiffre d'affaires divulgué, impossible de le savoir de l'extérieur.

Le calcul pour le monde physique reste du calcul

Un troisième fil conducteur est l'infrastructure sous-jacente. PaleBlueDot AI a annoncé le 1er octobre avoir levé une série C de 200 millions de dollars à une valorisation de 3,2 milliards de dollars, après une série B de 150 millions de dollars en janvier. Elle exploite des clusters de GPU, courtage du calcul via une place de marché et propose de l'inférence serverless, et elle a déclaré plus de 5 milliards de dollars de contrats clients signés à la fin septembre. Ce chiffre s'accompagne de l'astérisque habituel : les contrats signés ne sont pas du chiffre d'affaires reconnu, et le communiqué n'a pas divulgué la durée des contrats ni le chiffre d'affaires mensuel.

Pris ensemble, ces tours décrivent un marché qui revalorise la couche où l'intelligence rencontre le monde physique. Le logiciel agentique qui fait fonctionner un robot, le silicium sur lequel il s'exécute, les outils qui conçoivent ce silicium et le calcul utilisé pour entraîner les modèles ont tous attiré des capitaux au cours des deux mêmes semaines. L'acquisition de World Labs par AMD pour 8,2 milliards de dollars, rapportée plus tôt, s'inscrit dans la même trajectoire.

Ce qu'il faut examiner de près

Dans ce domaine, les valorisations sont établies à partir de communiqués d'entreprises, souvent sans vérification indépendante, et les chiffres de contrats qui les accompagnent sont des engagements plutôt que des ventes. Pour quiconque évalue un fournisseur, les questions qui comptent sont précises : combien de contrats de conception ont été convertis en production, à quel point la feuille de route est gourmande en capital, et si la couche logicielle génère réellement des revenus récurrents plutôt que de servir de remise sur le matériel.

L'IA physique est un pari plus long qu'un chatbot. Le silicium met des années à être finalisé, les robots mettent plus longtemps à être déployés, et les clients sont prudents par nature. L'argent qui arrive maintenant est un pari que l'attente en vaudra la peine. Savoir si ce pari paiera dépend de quelque chose qu'aucun tour de financement ne peut trancher : si l'on peut faire confiance aux agents pour agir dans le monde physique sans qu'un humain surveille chacun de leurs mouvements.

Pourquoi le calendrier est long et la patience mince

Chaque couche de cette pile fonctionne selon sa propre horloge, et les horloges ne s'alignent pas. Une puce conçue pour une livraison en 2028 est spécifiée aujourd'hui, pour des charges de travail qui auront changé d'ici sa sortie. Une plateforme robotique évaluée aujourd'hui sera livrée à des clients qui la conserveront pendant des années, ce qui rend les coûts de changement élevés et les contrats de conception durables. La couche logicielle intermédiaire doit suivre le rythme de modèles qui changent tous les quelques mois. Gérer ces calendriers désynchronisés est la véritable difficulté de la construction pour l'IA physique, et c'est pourquoi les capitaux arrivent sous forme de gros tickets patients plutôt que de petits.

Cette patience explique aussi la composition des investisseurs. Les fonds crossover et l'argent des fonds de pension d'État ont tendance à adhérer à un récit sur la prochaine plateforme informatique, celle où l'intelligence quitte l'écran pour entrer dans des machines qui se déplacent. Le risque est que ce récit mette plus de temps à porter ses fruits que ne le permet la durée de détention de n'importe quel fonds, ce qui est le danger récurrent des paris d'infrastructure promettant de redéfinir une catégorie.

Sous l'enthousiasme se cache une question plus tranchante. Un modèle qui écrit une vidéo convaincante est facile à vérifier. Un modèle qui contrôle un robot ne l'est pas, et une défaillance ne se manifeste pas par une image bizarre. Elle se manifeste par quelque chose qui tombe, ou pire. La couche de sécurité pour les agents incarnés est bien moins développée que les modèles eux-mêmes, et l'argent qui afflue vers les puces et les outils de conception devra finir par être assorti d'argent qui afflue vers la vérification. C'est cet écart qu'il faut surveiller.

Ce qui changerait la donne

Quelques développements concrets feraient passer la catégorie de la promesse à la preuve. Le premier serait un produit visible et nommé, en production de volume, dont l'intelligence est clairement améliorée par la couche logicielle agentique plutôt que par un meilleur modèle de base. Un autre serait une plateforme de conception matérielle qui compresse un vrai cycle de fabrication, et non une tâche de référence, car la promesse de concevoir du matériel à la vitesse du logiciel n'est vérifiable que par rapport à quelque chose qui a été construit. Et un troisième serait un cadre de sécurité public pour les agents incarnés, avec le type d'évaluation indépendante que les laboratoires de premier plan ont commencé à accepter pour les modèles de langage.

D'ici là, le résumé honnête est que le capital arrive avant les preuves. Cela a été vrai de chaque changement de plateforme, et c'est souvent le bon pari. C'est aussi pourquoi les douze prochains mois d'annonces produits comptent davantage que les gros titres sur les valorisations. Les montants levés indiquent ce que croient les investisseurs. Les déploiements diront s'ils avaient raison.