Etched atteint 21 milliards de dollars : la puce Sohu change tout

Jane Street valide la puce Sohu : une valorisation doublée en un mois

En août 2026, le monde des infrastructures IA a vécu un moment charnière. Jane Street, l'une des firmes de trading quantitatif les plus exigeantes de la planète, a déployé le premier cluster IA d'Etched - et le résultat a été suffisamment convaincant pour que la firme mène dans la foulée un nouveau tour de table massif. En l'espace d'un seul mois, la valorisation d'Etched a doublé pour atteindre 21 milliards de dollars. La source de cette information est disponible sur techcrunch.com/2026/08/18/etcheds-valuation-doubles-to-21b-in-a-month/

Ce chiffre n'est pas anodin. Il place Etched parmi les startups deeptech les mieux valorisées au monde, et ce sans avoir encore vendu massivement ses puces sur le marché ouvert. La validation vient d'un client unique, mais d'un client dont la réputation en matière d'exigence technique est absolue. Jane Street ne déploie pas une technologie par enthousiasme : chaque décision d'infrastructure est mesurée à l'aune de la performance réelle, en conditions de production.

Jane Street a été tellement impressionné par les performances qu'il a mené un nouveau tour de table massif, doublant la valorisation d'Etched à 21 milliards de dollars en l'espace d'un mois - TechCrunch, août 2026

Pour comprendre pourquoi cette validation est si significative, il faut revenir à ce qu'est réellement la puce Sohu d'Etched : une architecture conçue exclusivement pour exécuter des modèles de type transformer. Là où un GPU généraliste comme ceux de Nvidia doit gérer une multitude de cas d'usage - rendu graphique, simulation scientifique, entraînement de modèles, inférence - la Sohu ne fait qu'une seule chose. Mais elle la fait avec une efficacité que les GPU généralistes ne peuvent pas égaler sur ce cas précis.

Architectures dédiées contre GPU généralistes : le vrai débat de 2026

La montée en puissance d'Etched s'inscrit dans une tendance de fond qui s'est accélérée tout au long de 2025 et qui atteint aujourd'hui un point d'inflexion décisif. Le marché de l'inférence IA - c'est-à-dire l'exécution des modèles en production, par opposition à leur entraînement - représente désormais la majorité des dépenses d'infrastructure IA des grandes entreprises. Et c'est précisément sur ce terrain que les architectures spécialisées prennent l'avantage.

Critère	GPU généraliste (ex. Nvidia H100)	Puce spécialisée (ex. Sohu d'Etched)
Cas d'usage	Entraînement + inférence + autres	Inférence transformer uniquement
Efficacité énergétique (inférence)	Correcte	Très supérieure
Coût par token généré	Élevé à grande échelle	Potentiellement bien inférieur
Flexibilité	Très élevée	Faible (usage unique)
Risque de dépendance fournisseur	Élevé (quasi-monopole Nvidia)	Diversification possible

Ce tableau résume le dilemme auquel font face les DSI et CTO en 2026. Pendant des années, la réponse évidente était de tout miser sur les GPU Nvidia : l'écosystème logiciel CUDA, la disponibilité des cartes, la communauté de développeurs. Mais à mesure que l'inférence devient le poste de coût dominant, la logique économique évolue. Une puce qui fait une seule chose mais la fait dix fois mieux devient très attractive.

• Coût d'exploitation : l'inférence sur des modèles de type GPT ou Llama représente des milliards de tokens par jour pour les grands acteurs. Chaque gain d'efficacité se traduit directement en économies massives.
• Latence : dans des environnements comme le trading haute fréquence de Jane Street, chaque milliseconde compte. Une architecture dédiée peut offrir des latences impossibles à atteindre avec un GPU généraliste.
• Consommation énergétique : les data centers IA sont confrontés à des contraintes électriques croissantes. Une puce plus efficace par token généré réduit la facture énergétique et l'empreinte carbone.
• Indépendance vis-à-vis de Nvidia : la concentration du marché des GPU crée des risques d'approvisionnement et de pricing que les grandes organisations cherchent à mitiger.

Ce que les DSI et CTO doivent décider dès maintenant

La validation par Jane Street n'est pas qu'un signal financier. C'est un signal stratégique pour toute organisation qui déploie de l'IA en production à grande échelle. La question n'est plus de savoir si les architectures spécialisées pour l'inférence sont viables - elles le sont, et un acteur de la rigueur de Jane Street vient de le confirmer de la manière la plus concrète qui soit : en investissant massivement.

La vraie question est celle du timing et de la stratégie de transition. Plusieurs scénarios se dessinent pour les équipes techniques en 2026 :

• Le statu quo GPU : continuer à déployer sur GPU Nvidia pour bénéficier de la maturité de l'écosystème. Stratégie défendable à court terme, mais potentiellement coûteuse si les puces spécialisées tiennent leurs promesses à grande échelle.
• L'approche hybride : maintenir les GPU pour l'entraînement et les cas d'usage variés, tout en pilotant des déploiements d'inférence sur puces spécialisées pour les workloads les plus intensifs. C'est probablement la voie la plus prudente en 2026.
• Le pari sur les architectures dédiées : pour les organisations dont l'inférence transformer est le coeur de l'activité, évaluer sérieusement une migration partielle ou totale vers des puces comme la Sohu.

Il faut cependant tempérer l'enthousiasme avec quelques réserves importantes. Etched reste une jeune entreprise avec un seul client de référence public à ce stade. La scalabilité de la production, la maturité du support logiciel, et la capacité à livrer des volumes suffisants sont des questions ouvertes. La valorisation de 21 milliards reflète un potentiel, pas encore une réalité industrielle à grande échelle.

Une valorisation doublée en un mois sur la base d'un seul déploiement est un signal fort - mais les DSI avisés distingueront la preuve de concept de la maturité opérationnelle.

Ce qui est certain, en revanche, c'est que 2026 marque le moment où la question des architectures d'inférence spécialisées est passée du registre de la curiosité technologique à celui de la décision stratégique urgente. Les équipes qui n'ont pas encore lancé d'évaluation de ces alternatives ont du retard à rattraper.