Il y a trois ans, Joe Fioti, co-fondateur de Luminal, travaillait sur la conception de puces chez Intel lorsqu’il est parvenu à une réalisation. Alors qu’il travaillait à la fabrication des meilleures puces possibles, le goulot d’étranglement le plus important résidait dans les logiciels.
« Vous pouvez créer le meilleur matériel au monde, mais s’il est difficile à utiliser pour les développeurs, ils ne l’utiliseront tout simplement pas », m’a-t-il dit.
Aujourd’hui, il a créé une entreprise qui se concentre entièrement sur ce problème. Lundi, Luminal a annoncé un financement de démarrage de 5,3 millions de dollars, dans le cadre d’un cycle dirigé par Felicis Ventures avec des investissements providentiels de Paul Graham, Guillermo Rauch et Ben Porterfield.
Les cofondateurs de Fioti, Jake Stevens et Matthew Gunton, viennent respectivement d’Apple et d’Amazon, et la société faisait partie du lot été 2025 de Y Combinator.
Le cœur de métier de Luminal est simple : l’entreprise vend du calcul, tout comme les sociétés du néo-cloud comme Coreweave ou Lambda Labs. Mais là où ces sociétés se concentrent sur les GPU, Luminal s’est concentré sur des techniques d’optimisation qui permettent à l’entreprise de tirer davantage de calcul de l’infrastructure dont elle dispose. En particulier, la société se concentre sur l’optimisation du compilateur qui se situe entre le code écrit et le matériel GPU – les mêmes systèmes de développement qui ont causé tant de maux de tête à Fioti dans son emploi précédent.
À l’heure actuelle, le compilateur leader du secteur est le système CUDA de Nvidia, un élément sous-estimé du succès fulgurant de l’entreprise. Mais de nombreux éléments de CUDA sont open source, et Luminal parie que, alors que de nombreux acteurs du secteur se battent toujours pour les GPU, il y aura beaucoup de valeur à gagner en construisant le reste de la pile.
Elle fait partie d’une cohorte croissante de startups d’optimisation d’inférence, qui ont gagné en valeur à mesure que les entreprises recherchent des moyens plus rapides et moins coûteux d’exécuter leurs modèles. Les fournisseurs d’inférence comme Baseten et Together AI se spécialisent depuis longtemps dans l’optimisation, et de petites entreprises comme Tensormesh et Clarifai apparaissent désormais pour se concentrer sur des astuces techniques plus spécifiques.
Luminal et les autres membres de la cohorte seront confrontés à une concurrence féroce de la part des équipes d’optimisation des grands laboratoires, qui ont l’avantage d’optimiser pour une seule famille de modèles. Travaillant pour des clients, Luminal doit s’adapter à tout modèle qui se présente à lui. Mais même avec le risque d’être dépassé par les hyperscalers, Fioti affirme que le marché croît suffisamment vite pour ne pas s’inquiéter.
« Il sera toujours possible de passer six mois à peaufiner manuellement une architecture de modèle sur un matériel donné, et vous allez probablement battre n’importe quel type de performance du compilateur », explique Fioti. « Mais notre grand pari est que, en dehors de cela, le cas d’utilisation polyvalent reste très intéressant sur le plan économique. »
