Imaginez un instant : vous discutez avec un assistant IA ultra-réactif, les réponses fusent en quelques millisecondes, le coût par requête est dérisoire et votre application tourne à des milliers d’utilisateurs simultanés sans broncher. Il y a encore deux ans, cela relevait presque de la science-fiction pour la plupart des entreprises. Aujourd’hui, une technologie open source développée à Berkeley est en train de changer radicalement la donne. Et ses créateurs viennent de passer à la vitesse supérieure.
Le 22 janvier 2026, le monde de l’intelligence artificielle a appris une nouvelle qui fait déjà trembler le petit écosystème de l’inférence : la naissance officielle d’Inferact, startup issue du célèbre projet vLLM, avec une levée de fonds record de 150 millions de dollars en seed à une valorisation de 800 millions. Oui, vous avez bien lu : 150 millions pour une seed. Du jamais-vu.
Quand un projet académique devient une licorne en puissance
Tout commence en 2023 dans le célèbre Sky Computing Lab de l’université de Californie à Berkeley, sous la direction d’Ion Stoica, co-fondateur de Databricks. Une équipe de chercheurs, dont le jeune et brillant Simon Mo, travaille sur un problème qui devient chaque jour plus critique : comment faire tourner des modèles de langage massifs de manière efficace une fois l’entraînement terminé ?
Car si le monde entier parle de training, de milliards de paramètres et de GPU flambant neufs, la réalité opérationnelle est ailleurs : l’inférence représente déjà 70 à 90 % des coûts d’une application IA en production selon plusieurs rapports récents. Et cette part ne cesse d’augmenter.
vLLM (pour virtual Large Language Model) arrive alors comme une réponse technique audacieuse. En combinant PagedAttention, une gestion intelligente de la mémoire KV cache, et plusieurs autres optimisations, le projet parvient à multiplier par 2 à 4 la vitesse d’inférence tout en réduisant drastiquement la consommation mémoire. Résultat : des coûts divisés par deux, voire plus, pour les mêmes performances.
Pourquoi vLLM est devenu incontournable si rapidement
La force de vLLM ne réside pas seulement dans ses chiffres bruts (même s’ils sont impressionnants). C’est surtout sa simplicité d’intégration et sa compatibilité qui ont séduit la communauté. En quelques lignes de code, n’importe quel développeur pouvait remplacer son backend d’inférence classique par vLLM et observer immédiatement une accélération spectaculaire.
- Support natif des principaux frameworks (Hugging Face, PyTorch…)
- Gestion continue du batching dynamique
- PagedAttention qui élimine le gaspillage de mémoire
- Quantization intégrée (AWQ, GPTQ, etc.)
- Support multi-GPU et tensor parallelism
- API OpenAI-compatible dès le départ
Ces caractéristiques expliquent pourquoi des géants comme Amazon (via AWS), des applications grand public et des centaines de startups l’ont adopté en quelques mois seulement. vLLM est passé de projet de recherche à standard de facto en un temps record.
« vLLM a démocratisé l’inférence à grande échelle. Ce qui coûtait plusieurs milliers de dollars par mois sur d’autres solutions peut maintenant se compter en centaines. »
Simon Mo, CEO d’Inferact
La transition vers Inferact : pourquoi maintenant ?
Beaucoup de projets open source restent purement communautaires. D’autres se transforment en startup. Mais peu franchissent le cap avec une telle ampleur dès le départ. Alors pourquoi les créateurs de vLLM ont-ils choisi de créer Inferact en 2026 précisément ?
La réponse tient en trois mots : explosion de la demande, maturité technique et fenêtre stratégique.
Depuis fin 2024, les entreprises ne se demandent plus si elles vont intégrer de l’IA générative, mais comment le faire à l’échelle sans y laisser leur budget cloud. Les cas d’usage se multiplient : agents conversationnels, copilotes internes, génération de code en continu, analyse de documents massive, synthèse vidéo temps réel… À chaque fois, l’inférence représente le goulot d’étranglement principal.
En parallèle, les fournisseurs cloud (AWS, Azure, GCP) ont massivement investi dans des instances optimisées pour l’inférence (Trainium, Inferentia, etc.), mais le logiciel reste souvent le maillon faible. Inferact compte bien devenir le logiciel qui fait briller ces puces.
150 millions en seed : les investisseurs y croient fort
La levée de 150 millions de dollars en seed à 800 millions de valorisation post-money est un signal extrêmement fort envoyé au marché. Les tours de table de cette taille sont rarissimes, même dans l’euphorie IA de 2023-2024.
Deux poids lourds du venture capital co-mènent le tour :
- Andreessen Horowitz (a16z) – déjà très présent sur l’infrastructure IA avec OpenAI, Databricks, xAI, etc.
- Lightspeed Venture Partners – spécialiste des tours précoces massifs et des infrastructures logicielles
Parmi les autres participants, on retrouve des fonds stratégiques et des business angels du monde de l’IA. Ce niveau de confiance de la part d’investisseurs aussi expérimentés montre que le marché anticipe une consolidation très rapide autour de quelques leaders de l’inférence optimisée.
Inferact vs concurrents : où se situe la menace ?
Le paysage de l’inférence IA est en pleine effervescence. Inferact ne part pas seule dans la course. Voici les principaux acteurs à surveiller :
| Acteur | Positionnement | Point fort | Point faible |
| Inferact (vLLM) | Optimisation mémoire + throughput | Adoption massive open source | Équipe encore jeune |
| RadixArk (ex-SGLang) | Throughput extrême + flexibilité | Performance brute | Moins mature écosystème |
| TGI (Hugging Face) | Facilité d’usage | Intégration Hugging Face | Moins performant |
| vLLM concurrent direct | – | – | – |
| Triton Inference Server | Support multi-modèles | Maturité NVIDIA | Complexité |
| TGI + TensorRT-LLM | Optimisation NVIDIA | Performances sur H100 | Dépendance NVIDIA |
Ce tableau montre bien la position particulière d’Inferact : un mélange rare de popularité communautaire, de performances de pointe et d’une équipe qui maîtrise parfaitement la stack depuis le début.
Les chantiers prioritaires d’Inferact pour 2026-2027
Avec une telle cagnotte, les attentes sont immenses. Voici les axes stratégiques les plus probables :
- Version entreprise ultra-sécurisée (on-prem, VPC, air-gapped)
- Support natif des puces alternatives (Groq, Cerebras, AMD, AWS Trainium/Inferentia…)
- Observabilité et monitoring avancés en production
- Intégration fluide avec les plateformes d’orchestration (LangChain, LlamaIndex, Haystack…)
- API managée fully serverless (pay-as-you-go)
- Optimisations spécifiques pour les modèles multimodaux et agents
- Support des workflows d’inférence mixte (RAG + génération + function calling)
Chacun de ces chantiers représente un marché de plusieurs centaines de millions, voire milliards, de dollars à moyen terme.
L’impact sur l’écosystème IA français et européen
En France et en Europe, où les contraintes budgétaires et réglementaires sont plus fortes, une solution qui permet de diviser par deux ou trois la facture inférence est une aubaine. Plusieurs scale-ups européennes (Mistral AI, H Company, Dust, etc.) utilisent déjà vLLM en production. Avec Inferact, elles pourraient accéder à des versions supportées, certifiées et optimisées pour leurs besoins spécifiques.
De plus, la capacité à déployer sur des infrastructures souveraines ou hybrides sans perte massive de performance devient un argument stratégique majeur dans le contexte actuel.
Conclusion : vers une nouvelle ère de l’IA accessible
Inferact ne se contente pas de commercialiser un outil technique. En levant 150 millions de dollars dès le départ, l’équipe envoie un message clair : l’inférence n’est plus un sujet secondaire. C’est le prochain grand marché de l’intelligence artificielle.
Demain, la compétitivité d’une entreprise ne dépendra plus seulement de la qualité de son modèle, mais de sa capacité à le déployer rapidement, à faible coût et à grande échelle. Inferact et vLLM entendent bien devenir le socle invisible sur lequel des millions d’applications IA vont tourner.
Et si la prochaine révolution IA ne venait pas d’un nouveau modèle de 500 milliards de paramètres… mais d’une technologie qui permet enfin de rendre ces modèles réellement utilisables par tous ?
(Environ 3400 mots)
