Yixing Intelligence lève 1,5 milliard de yuans en série B pour ses puces IA RISC-V

L'AI-RAN redefinit l'intelligence et l'autonomie en bordure de reseau pour les entreprises

Les réseaux radio à intelligence artificielle, connus sous l'acronyme AI-RAN, s'imposent progressivement comme une refonte profonde de l'infrastructure sans fil en entreprise. Lors d'une conversation avec VentureBeat, Chris Christou, vice-président senior chez Booz Allen, et Shervin Gerami, directeur général au Cerberus Operations Supply Chain Fund, ont détaillé les contours de cette transformation. Christou résume l'enjeu : l'AI-RAN permet d'étendre les promesses de la 5G, et demain de la 6G, en hébergeant directement de l'inférence IA au niveau de la périphérie du réseau, pour des cas d'usage comme la fabrication intelligente ou les entrepôts autonomes. Gerami va plus loin : selon lui, l'AI-RAN n'est pas une mise à niveau réseau, c'est un système d'exploitation pour les industries physiques. Le concept se décline en trois niveaux distincts : l'IA pour le RAN (optimisation interne du réseau), l'IA sur le RAN (exécution de charges de travail IA comme la vision par ordinateur ou l'inférence LLM locale), et enfin l'IA et le RAN conjointement, où applications et infrastructure radio sont conçues ensemble comme un système distribué coordonné. L'impact concret de cette convergence est considérable pour les secteurs industriels, logistiques et de santé. Le principe ISAC (Integrated Sensing and Communications) transforme le réseau lui-même en capteur, capable de détecter des mouvements, de suivre des actifs avec une précision inférieure au mètre dans des usines ou des hôpitaux, d'identifier des intrusions périmètriques ou d'optimiser la consommation énergétique de bâtiments intelligents. Là où les entreprises gèrent aujourd'hui des dizaines de systèmes distincts -- caméras, radars, capteurs de mouvement, traceurs d'actifs -- l'ISAC pourrait consolider ces capacités nativement dans le réseau, réduisant les coûts de maintenance, d'intégration et de gestion des fournisseurs. Pour les applications critiques comme la robotique en temps réel, l'inspection qualité instantanée ou la maintenance prédictive, la réduction de latence qu'offre l'IA en périphérie représente souvent la différence entre un système opérationnel et un système inutilisable. Cette dynamique s'inscrit dans un mouvement plus large de convergence entre cloud computing et infrastructure physique. Pendant des décennies, l'innovation applicative a été l'apanage du cloud ; l'AI-RAN ouvre la même logique d'écosystème développeur au niveau du réseau radio. Les acteurs positionnés sur ce marché -- cabinets de conseil comme Booz Allen, fonds d'investissement industriels comme Cerberus -- anticipent que la valeur ne réside plus dans le transport passif de données, mais dans la capacité à orchestrer des opérations autonomes directement depuis l'infrastructure réseau. La transition vers la 6G, attendue dans la seconde moitié de la décennie, devrait accélérer cette convergence, en faisant du réseau non plus un tuyau, mais une couche fondamentale de l'économie de l'IA physique.

Lightelligence bondit de 400 % à son introduction en Bourse à Hong Kong, portée par la demande en puces photoniques liée à l'IA

Lightelligence, premier fabricant chinois de puces photoniques à s'introduire en bourse à Hong Kong, a vu son cours s'envoler de près de 400 % lors de ses débuts en séance le mardi 28 avril 2026. La société basée à Shanghai a ouvert à 880 dollars de Hong Kong, soit près de cinq fois son prix d'introduction fixé à 183,2 HK$, le plafond de sa fourchette indicative de 166,6 à 183,2 HK$. L'opération lui a permis de lever 2,4 milliards de dollars de Hong Kong (environ 310 millions de dollars américains). Cette performance spectaculaire reflète l'appétit croissant des investisseurs pour les alternatives aux semi-conducteurs électroniques classiques dans le domaine de l'intelligence artificielle. Les puces photoniques, qui exploitent la lumière plutôt que les électrons pour transmettre et traiter les données, promettent des gains significatifs en vitesse et en efficacité énergétique pour les centres de données IA, un marché en expansion rapide. Pour la Chine, qui cherche à réduire sa dépendance aux technologies de semiconducteurs occidentaux sous pression des restrictions américaines à l'exportation, le développement d'une filière photonique nationale représente un enjeu stratégique majeur. L'introduction en bourse de Lightelligence s'inscrit dans un contexte de course mondiale aux infrastructures IA, où les limites physiques des architectures électroniques traditionnelles alimentent l'intérêt pour de nouvelles approches. La Chine, confrontée aux restrictions sur les puces Nvidia haut de gamme, investit massivement dans des technologies alternatives. La photonique figure parmi les pistes les plus prometteuses, et la valorisation boursière de Lightelligence envoie un signal fort à l'ensemble de l'écosystème de startups qui travaillent sur ces architectures de rupture.

SambaNova : la startup de puces IA soutenue par Intel vise une valorisation de 10 milliards de dollars

SambaNova, startup américaine spécialisée dans les puces dédiées à l'inférence IA, négocie une levée de fonds comprise entre 800 millions et 1 milliard de dollars, selon The Information. Si l'opération aboutit, la société atteindrait une valorisation d'environ 10 milliards de dollars, soit cinq fois sa valeur d'il y a seulement quatre mois. Le fonds General Atlantic serait en discussion pour piloter ce tour de table, qui deviendrait le plus important de l'histoire de l'entreprise. Intel, qui détient environ 9 % du capital de SambaNova, figure déjà parmi ses clients actifs et co-développe avec elle une solution d'inférence combinant ses processeurs et la technologie RDU de la startup. Par ailleurs, le fonds Vista Equity Partners a annoncé un partenariat pour créer un fournisseur de services cloud intégrant puces Intel, RDU de SambaNova et GPU NVIDIA, un accord que le PDG Rodrigo Liang valorise à 3,5 milliards de dollars d'engagements de revenus. Cette valorisation en forte hausse reflète un double intérêt : technologique et économique. L'architecture propriétaire de SambaNova repose sur une unité de traitement baptisée RDU (Reconfigurable Dataflow Unit), conçue pour accélérer l'exécution des modèles d'IA tout en réduisant drastiquement la consommation électrique. Selon Rodrigo Liang, les puces RDU peuvent opérer sur certains scénarios d'inférence en consommant jusqu'à dix fois moins d'énergie que les GPU de NVIDIA. Dans un contexte où les coûts énergétiques des centres de données explosent, cet argument pèse lourd face aux opérateurs comme aux investisseurs. SambaNova ne cherche pas à supplanter NVIDIA frontalement : ses puces sont positionnées en complément, prenant en charge la phase de décodage de l'inférence tandis que les GPU gèrent les calculs les plus intensifs en amont. Cette approche hybride réduit le risque commercial tout en ouvrant un segment de marché propre. La trajectoire de SambaNova s'inscrit dans une dynamique plus large de diversification des infrastructures IA. Depuis l'explosion des usages de modèles de langage, l'inférence est devenue l'un des segments les plus stratégiques du marché, et les acteurs capables d'y proposer une alternative crédible aux GPU de NVIDIA suscitent un intérêt croissant. Les grands fonds de capital-investissement, longtemps concentrés sur les éditeurs de logiciels, se tournent désormais vers les fabricants de semi-conducteurs spécialisés. SambaNova profite également du repositionnement d'Intel, en quête de partenariats pour reconquérir le segment de l'IA après avoir raté le virage des GPU. La startup californienne, fondée en 2017, a mis plusieurs années à trouver son marché ; la convergence entre tension sur l'énergie, boom de l'inférence et consolidation industrielle lui offre aujourd'hui une fenêtre d'opportunité rare.

D&B a reconstruit sa base de 642 millions d'entreprises pour les agents IA

Dun & Bradstreet, entreprise vieille de 180 ans spécialisée dans les données commerciales, vient d'annoncer une refonte complète de son infrastructure de données pour la rendre compatible avec les agents d'intelligence artificielle. Son "Commercial Graph" couvre 642 millions d'entreprises, soit presque le double des 300 millions de dossiers qu'il contenait il y a cinq ans, avec 11 000 champs par enregistrement et 100 milliards de vérifications qualité effectuées chaque mois. Cette base de données, utilisée par près de 200 000 clients dans le monde, analystes crédit, gestionnaires de risques, commerciaux, était conçue pour des humains capables d'attendre quelques secondes et d'interpréter des résultats ambigus. Quand les clients de D&B ont commencé à intégrer des agents IA dans leurs workflows de crédit, d'achats et de chaîne d'approvisionnement, l'architecture existante s'est révélée incompatible. Gary Kotovets, directeur des données et de l'analytique chez D&B, a expliqué à VentureBeat que l'entreprise devait désormais considérer les agents comme une nouvelle catégorie de consommateurs à part entière. Le problème fondamental est que les agents IA ne peuvent pas fonctionner avec des systèmes fragmentés, des latences élevées ou des relations statiques entre entités. Là où un analyste humain naviguait à travers plusieurs bases de données hétérogènes via des requêtes SQL, un agent a besoin d'une réponse en moins d'une seconde, d'une résolution d'entité vérifiée, et de relations dynamiques : si un PDG quitte une entreprise pour une autre, le dossier de risque doit suivre en temps réel ; si une filiale change de propriétaire, la hiérarchie complète doit se mettre à jour automatiquement. D&B a donc migré ses bases vers le cloud, redessiné son schéma de données, construit une couche de "data fabric" unifiant les enregistrements à l'échelle mondiale tout en respectant les contraintes réglementaires régionales, puis exposé l'ensemble via des outils MCP (Model Context Protocol) qui permettent aux agents d'interroger des données structurées avec leur contexte. Un moteur de résolution d'entités valide chaque requête pour garantir qu'une demande portant sur une entreprise renvoie bien vers un enregistrement unique et vérifié. L'entreprise a également créé un nouveau modèle d'authentification spécifique aux agents, distincts des utilisateurs humains. Ce chantier illustre une réalité que Kotovets dit avoir entendue de la bouche de centaines de directeurs des données et directeurs informatiques au cours des six derniers mois : les ambitions en matière d'IA se heurtent systématiquement à des fondations de données non standardisées et inexploitables par des machines. D&B, pourtant l'une des entreprises les mieux dotées en données commerciales structurées au monde, a quand même dû tout reconstruire. La montée en puissance des agents autonomes dans les processus métier critiques, évaluation du risque fournisseur, scoring crédit, due diligence, crée une pression inédite sur les fournisseurs de données pour qu'ils passent d'une logique de consultation humaine à une logique d'alimentation machine en temps réel. D&B se positionne ainsi en infrastructure de référence pour les agents d'entreprise, à un moment où MCP s'impose progressivement comme standard d'interopérabilité entre agents et sources de données.

💬 Si D&B, avec 180 ans de données commerciales structurées, a quand même dû tout reconstruire pour les agents IA, ton stack de données a peu de chances de s'en tirer sans casse. C'est le vrai enseignement de cet article, pas les 642 millions d'entreprises ou les 11 000 champs par dossier. Les agents ne tolèrent pas l'ambiguïté, pas la latence, pas les silos, et ça va forcer une vague de refonte data que beaucoup n'ont pas encore budgétisée.