Les co-fondateurs de la startup Ricursive Intelligence semblaient destinés à être co-fondateurs.
Anna Goldie, PDG, et Azalia Mirhoseini, CTO, sont si connues dans la communauté de l’IA qu’elles faisaient partie de ces ingénieurs en IA qui « ont reçu ces e-mails étranges de Zuckerberg nous faisant des offres folles », a déclaré Goldie à TechCrunch en riant. (Ils n’ont pas accepté les offres.) Les deux hommes ont travaillé ensemble chez Google Brain et ont été les premiers employés d’Anthropic.
Chez Google, ils ont tout gagné en créant Alpha Chip, un outil d’IA capable de générer des configurations de puces solides en quelques heures, un processus qui prend normalement un an ou plus aux concepteurs humains. L’outil a aidé à concevoir trois générations d’unités de traitement tensoriel de Google.
Ce pedigree explique pourquoi, quatre mois seulement après le lancement de Ricursive, ils ont annoncé le mois dernier un tour de table de série A de 300 millions de dollars pour une valorisation de 4 milliards de dollars dirigé par Lightspeed, quelques mois seulement après avoir levé un tour de table de 35 millions de dollars dirigé par Sequoia.
Ricursive construit des outils d’IA qui conçoivent des puces, pas les puces elles-mêmes. Cela les rend fondamentalement différents de presque toutes les autres startups de puces IA : ils ne sont pas un concurrent en herbe de Nvidia. En fait, Nvidia est un investisseur. Le géant du GPU, ainsi qu’AMD, Intel et tous les autres fabricants de puces, sont les clients cibles de la startup.
« Nous voulons permettre à n’importe quelle puce, comme une puce personnalisée ou une puce plus traditionnelle, n’importe quel type de puce, d’être construite de manière automatisée et très accélérée. Nous utilisons l’IA pour ce faire », a déclaré Mirhoseini à TechCrunch.
Leurs chemins se sont croisés pour la première fois à Stanford, où Goldie a obtenu son doctorat tandis que Mirhoseini enseignait des cours d’informatique. Depuis, leurs carrières se sont rapprochées. « Nous avons commencé chez Google Brain le même jour. Nous avons quitté Google Brain le même jour. Nous avons rejoint Anthropic le même jour. Nous avons quitté Anthropic le même jour. Nous avons rejoint Google le même jour, puis nous avons quitté Google à nouveau le même jour. Ensuite, nous avons créé cette entreprise ensemble le même jour », a raconté Goldie.
Événement Techcrunch
Boston, Massachusetts
|
23 juin 2026
Pendant leur séjour chez Google, les collègues étaient si proches qu’ils s’entraînaient même ensemble, profitant tous deux d’un entraînement en circuit. Le jeu de mots n’a pas échappé à Jeff Dean, le célèbre ingénieur de Google qui fut leur collaborateur. Il a surnommé leur projet Alpha Chip « chip circuit training » – une pièce de théâtre sur leur routine d’entraînement commune. En interne, le couple a également reçu un surnom : A&A.
La puce Alpha leur a valu l’attention de l’industrie, mais elle a également suscité la controverse. En 2022, l’un de leurs collègues de Google a été licencié, a rapporté Wired, après avoir passé des années à essayer de discréditer A&A et leur travail sur les puces, même si ce travail a été utilisé pour aider à produire certaines des puces d’IA les plus importantes de Google.
Leur projet Alpha Chip chez Google Brain a prouvé le concept qui allait devenir Ricursive : utiliser l’IA pour accélérer considérablement la conception de puces.
Concevoir des puces est difficile
Le problème est que les puces informatiques comportent des millions, voire des milliards de composants de porte logique intégrés sur leur plaquette de silicium. Les concepteurs humains peuvent passer un an ou plus à placer ces composants sur la puce pour garantir les performances, une bonne utilisation de l’énergie et tout autre besoin de conception. Déterminer numériquement l’emplacement de composants aussi infinitésimaux avec précision est, comme on peut s’y attendre, difficile.
Alpha Chip « pouvait générer une mise en page de très haute qualité en six heures environ. Et ce qui est intéressant avec cette approche, c’est qu’elle a réellement appris de l’expérience », a déclaré Goldie.
Le principe de leur travail de conception de puces IA est d’utiliser « un signal de récompense » qui évalue la qualité de la conception. L’agent prend ensuite cette note pour « mettre à jour les paramètres de son réseau neuronal profond afin de s’améliorer », a déclaré Goldie. Après avoir réalisé des milliers de designs, l’agent est devenu vraiment bon. Il est également devenu plus rapide au fur et à mesure de son apprentissage, disent les fondateurs.
La plateforme de Ricursive va pousser le concept plus loin. Le concepteur de puces IA qu’ils construisent « apprendra à travers différentes puces », a déclaré Goldie. Ainsi, chaque puce qu’il conçoit devrait l’aider à devenir un meilleur concepteur pour chaque puce suivante.
La plate-forme de Ricursive utilise également des LLM et gérera tout, du placement des composants jusqu’à la vérification de la conception. Toute entreprise qui fabrique des produits électroniques et a besoin de puces est son client cible.
Si leur plate-forme fait ses preuves, comme cela semble probable, Ricursive pourrait jouer un rôle dans l’objectif ambitieux de parvenir à l’intelligence artificielle générale (AGI). En effet, leur vision ultime est de concevoir des puces d’IA, ce qui signifie que l’IA concevra essentiellement son propre cerveau informatique.
« Les puces sont le carburant de l’IA », a déclaré Goldie. « Je pense qu’en construisant des puces plus puissantes, c’est la meilleure façon de faire avancer cette frontière. »
Mirhoseini ajoute que le long processus de conception des puces limite la rapidité avec laquelle l’IA peut progresser. « Nous pensons que nous pouvons également permettre cette co-évolution rapide des modèles et des puces qui les alimentent », a-t-elle déclaré. L’IA peut ainsi devenir plus intelligente et plus rapide.
Si l’idée que l’IA conçoive son propre cerveau à des vitesses toujours croissantes rappelle les visions de Skynet et de Terminator, les fondateurs soulignent qu’il existe un avantage plus positif, immédiat et, selon eux, plus probable : l’efficacité matérielle.
Lorsque AI Labs pourra concevoir des puces beaucoup plus efficaces (et, à terme, tout le matériel sous-jacent), leur croissance n’aura pas besoin de consommer autant de ressources mondiales.
« Nous pourrions concevoir une architecture informatique particulièrement adaptée à ce modèle, et nous pourrions obtenir une amélioration de près de 10 fois des performances par coût total de possession », a déclaré Goldie.
Bien que la jeune startup ne nomme pas ses premiers clients, les fondateurs affirment avoir entendu parler de tous les grands noms de fabricants de puces que vous pouvez imaginer. Sans surprise, ils ont également le choix de leurs premiers partenaires de développement.
