Imaginez une entreprise qui, en à peine deux mois d’existence officielle, parvient à convaincre les investisseurs les plus exigeants de la Silicon Valley de lui confier des centaines de millions de dollars. Imaginez ensuite que cette même société annonce une valorisation de quatre milliards de dollars. Cela semble presque irréel, et pourtant, c’est exactement ce qui vient de se produire avec Ricursive Intelligence.
Dans un écosystème technologique où les valorisations stratosphériques se multiplient à une vitesse folle, peu de startups parviennent à marquer les esprits aussi rapidement. Ricursive n’est pas seulement une nouvelle venue dans la course aux puces pour l’intelligence artificielle : elle propose une approche radicalement différente, presque philosophique. Et si les puces de demain pouvaient concevoir elles-mêmes leurs successeurs, encore plus performantes ?
Quand l’IA commence à inventer son propre hardware
Le concept porté par Ricursive Intelligence peut sembler sorti d’un roman de science-fiction : une intelligence artificielle capable de concevoir, optimiser et améliorer automatiquement les circuits qui lui permettent d’exister et de progresser. Ce n’est pourtant pas une utopie lointaine, mais bien le cœur du projet défendu par deux chercheuses exceptionnelles issues de Google.
Anna Goldie et Azalia Mirhoseini ne sont pas des inconnues dans le monde de la recherche en IA. Elles ont toutes deux contribué de manière déterminante au développement d’AlphaChip, une technologie de placement et de routage de puces basée sur l’apprentissage par renforcement qui a déjà transformé plusieurs générations de TPU chez Google. Leur passage du laboratoire de recherche à la création d’une startup marque un tournant majeur.
Des fondatrices au parcours impressionnant
Anna Goldie, aujourd’hui PDG de Ricursive, et Azalia Mirhoseini, CTO, incarnent ce mélange rare de rigueur scientifique et de vision entrepreneuriale. Leur travail sur AlphaChip n’était déjà pas banal : utiliser l’apprentissage par renforcement pour résoudre un problème considéré comme extrêmement difficile – le placement optimal des transistors sur une puce – a représenté une avancée concrète et mesurable chez Google.
Mais elles ne se sont pas arrêtées là. Leur ambition dépasse largement l’optimisation incrémentale. Elles veulent créer un système capable de concevoir de nouvelles architectures de puces de A à Z, puis d’utiliser les performances obtenues pour s’améliorer à chaque itération. Un véritable cercle vertueux d’auto-amélioration matérielle piloté par l’IA.
Nous construisons un système qui peut concevoir son propre substrat silicium et accélérer continuellement les améliorations des puces IA. Itération après itération, nous nous rapprochons de l’intelligence générale artificielle.
Anna Goldie, co-fondatrice et CEO de Ricursive Intelligence
Cette vision ambitieuse – voire provocante – attire autant qu’elle interroge. Peut-on réellement déléguer à une IA la conception des composants physiques qui conditionnent sa propre puissance de calcul ? Les fondatrices répondent par l’affirmative et affirment avoir déjà franchi plusieurs étapes décisives.
Un tour de table éclair en Series A
Seulement deux mois après l’annonce officielle de son lancement (précédé d’un seed round mené par Sequoia), Ricursive a bouclé une levée de fonds Series A de 300 millions de dollars menée par Lightspeed Venture Partners. La valorisation post-money atteint ainsi les 4 milliards de dollars, un chiffre qui place immédiatement la jeune pousse parmi les licornes les plus rapides de l’histoire récente.
Au total, ce sont 335 millions de dollars qui ont été levés en un temps record. Parmi les investisseurs figurent des noms très lourds :
- Lightspeed Venture Partners (lead)
- Sequoia Capital
- DST Global
- NVentures (branche corporate venture de Nvidia)
- Felicis Ventures
- 49 Palms Ventures
- Radical Ventures
La présence de NVentures est particulièrement symbolique : Nvidia, leader incontesté du marché des GPU pour l’IA, choisit d’investir dans une société qui ambitionne de bouleverser les paradigmes mêmes de conception des accélérateurs IA.
Ricursive vs Recursive : attention aux confusions
Le nom très proche de Ricursive a déjà créé quelques confusions dans la presse. Une autre startup baptisée Recursive (sans le « i ») et fondée par Richard Socher fait également parler d’elle ces derniers temps. Celle-ci travaillerait également sur des systèmes d’IA auto-améliorants et serait en discussion pour une levée massive à… 4 milliards de dollars également.
Mais les deux entreprises n’ont rien à voir l’une avec l’autre. Ricursive se concentre exclusivement sur le hardware et la co-optimisation IA-matériel, tandis que Recursive semble davantage orientée vers les modèles de langage et l’amélioration logicielle. Deux visions différentes d’un même rêve : accélérer drastiquement la courbe de progression vers l’AGI.
Dans la vague des « intelligent substrates »
Ricursive n’est pas la seule à explorer cette voie. En décembre dernier, Unconventional AI, la nouvelle société de Naveen Rao (ex-CEO de Cerebras), a levé 475 millions de dollars en seed à une valorisation de 4,5 milliards. Son concept ? Un « substrat intelligent » capable d’adapter dynamiquement son architecture matérielle aux besoins des modèles d’IA.
Ces valorisations astronomiques pour des entreprises qui n’ont encore aucun produit commercialisé traduisent une conviction profonde chez les investisseurs : la prochaine rupture majeure dans l’IA ne viendra probablement pas uniquement des algorithmes, mais d’une refonte profonde du couple matériel-logiciel.
| Startup | Fondateur(s) notable(s) | Dernière valorisation | Montant levé récemment | Lead investor |
| Ricursive Intelligence | Anna Goldie & Azalia Mirhoseini | 4 milliards $ | 300 M$ (Series A) | Lightspeed |
| Unconventional AI | Naveen Rao | 4,5 milliards $ | 475 M$ (Seed) | a16z & Lightspeed |
| Recursive | Richard Socher | ~4 milliards $ (en discussion) | Non annoncé | Non annoncé |
Ce tableau illustre bien l’intensité de la compétition actuelle autour des architectures matérielles de nouvelle génération pour l’IA.
Pourquoi une telle frénésie autour de l’auto-conception ?
Depuis l’émergence des grands modèles de langage en 2022-2023, la consommation énergétique et le coût des infrastructures d’entraînement et d’inférence explosent. Les centres de données géants consomment désormais autant d’électricité que des villes entières. Dans le même temps, la loi de Moore ralentit fortement et les améliorations de performance par nœud de gravure deviennent de plus en plus marginales.
Face à cette impasse, plusieurs pistes se dessinent :
- Spécialisation extrême des architectures (comme les TPU, Cerebras, Grok chips, etc.)
- Co-optimisation matérielle-logicielle beaucoup plus poussée
- Exploration algorithmique massive grâce à l’IA elle-même (neural architecture search à grande échelle)
- Auto-amélioration récursive du stack complet (hardware + software)
C’est clairement sur cette dernière piste que se positionne Ricursive, avec l’ambition de créer une boucle d’optimisation autonome capable de progresser bien plus vite qu’une équipe humaine ne pourrait le faire.
Les défis techniques et scientifiques majeurs
Malgré l’enthousiasme légitime, plusieurs obstacles de taille se dressent sur cette route :
- La simulation physique précise des puces à très grande échelle reste extrêmement coûteuse en calcul
- Les cycles de fabrication réels prennent plusieurs mois et coûtent des dizaines de millions
- Le risque de sur-optimisation locale (overfitting sur des workloads spécifiques) est très élevé
- La transférabilité des designs d’une génération de nœud de gravure à une autre n’est pas garantie
- Les contraintes thermiques, énergétiques et de surface de silicium deviennent rapidement limitantes
Les fondatrices affirment avoir déjà franchi plusieurs de ces barrières grâce à des techniques propriétaires, mais la communauté scientifique reste prudente. Beaucoup attendent de voir les premiers résultats concrets publiés ou les premières puces fabriquées.
Vers une accélération exponentielle ?
Si Ricursive – ou l’une de ses concurrentes – parvenait réellement à mettre en place une boucle d’auto-amélioration matérielle efficace, les conséquences pourraient être historiques. On pourrait assister à une accélération brutale des capacités des systèmes d’IA, bien au-delà de ce que les simples améliorations algorithmiques permettent aujourd’hui.
Cela poserait également des questions philosophiques et de gouvernance très profondes : qui contrôle une telle technologie ? Comment éviter qu’elle ne devienne incontrôlable ? Les fondatrices assurent que des garde-fous sont prévus dès la conception, mais le débat ne fait que commencer.
Ce que les investisseurs parient réellement
Derrière les chiffres impressionnants, ce que les fonds comme Lightspeed, Sequoia, DST et NVentures achètent, c’est avant tout une option sur l’avenir. Une option qui pourrait s’avérer complètement hors de prix… ou totalement transformative.
Dans un monde où l’accès aux meilleures puces conditionne désormais la compétitivité des entreprises d’IA, pouvoir concevoir ses propres architectures sur mesure, rapidement et à moindre coût représenterait un avantage stratégique colossal.
Les prochains mois et années seront déterminants. Si Ricursive parvient à démontrer des progrès mesurables et reproductibles, sa valorisation actuelle pourrait sembler, rétrospectivement, très raisonnable. Dans le cas contraire, elle rejoindra la longue liste des startups survalorisées de la bulle IA.
Mais une chose est sûre : l’histoire de Ricursive Intelligence ne fait que commencer, et elle pourrait bien redéfinir les règles du jeu dans la course à l’intelligence artificielle générale.
À suivre de très près.
