Fournisseur Neocloud QumulusAI a déclaré aujourd'hui qu'elle commencerait à être négociée jeudi en tant que société cotée en bourse sur le Nasdaq sous le symbole boursier QMLS via une cotation directe.
Pour ceux qui ne connaissent pas le processus, l’introduction en bourse typique prend du temps et nécessite l’intervention d’un banquier d’investissement, alors qu’une cotation directe ne crée pas de nouvelles actions. Au lieu de cela, les actionnaires existants vendent leurs actions au public sans souscripteur.
Les introductions en bourse conviennent parfaitement aux entreprises qui ont besoin de lever des capitaux, tandis que la rapidité d’une cotation directe est meilleure pour les entreprises très liquides qui disposent de suffisamment de liquidités mais souhaitent offrir aux investisseurs ou aux employés un moyen simple de transformer leurs actions en espèces.
Bien que la décision de QumulusAI soit une transaction financière, il existe une histoire plus vaste. Le modèle néocloud, une infrastructure axée sur l'intelligence artificielle construite autour d'unités de traitement graphique et de disponibilité de l'énergie plutôt que de calcul générique, évolue vers une couche distincte de la pile d'entreprise. Pour les leaders des technologies de l’information, l’histoire n’est pas une question de liste mais plutôt le type de cloud dont vous aurez besoin pour mettre en œuvre l’IA au cours des trois à cinq prochaines années.
Contrairement aux hyperscalers qui offrent un large portefeuille de services, les néoclouds, tels que QumulusAI, se concentrent explicitement sur l'infrastructure qui alimente l'IA dans l'entreprise. La proposition de valeur de l'entreprise est de mettre en ligne une capacité GPU haut de gamme en quelques mois plutôt qu'en années, et de le faire là où il y a une puissance réelle et disponible. Dans un monde où de nombreuses entreprises peuvent obtenir tous les outils d’IA qu’elles souhaitent mais ont du mal à garantir une capacité prévisible à grande échelle, le moment de la cotation directe donne à l’entreprise l’accès à davantage de capitaux pour évoluer plus rapidement.
Un néocloud conçu pour le goulot d'étranglement de l'IA
La vague actuelle d’IA a mis en évidence une réalité douloureusement claire : le facteur limitant n’est pas la demande mais l’infrastructure. Les hyperscalers investissent des centaines de milliards de dollars dans des dépenses d'investissement liées à l'IA, mais les clients se plaignent toujours de l'accès limité aux dernières puces Nvidia, des longs délais de livraison et de la planification opaque des capacités. Dans le même temps, les services publics et les régulateurs avertissent que la croissance des centres de données dépasse la capacité disponible du réseau sur plusieurs marchés clés.
QumulusAI se situe dans cette lacune. L'entreprise est passée d'un héritage d'infrastructure de cryptographie à un cloud centré sur les GPU, conçu pour les charges de travail d'IA hautes performances. Au lieu de s'engager dans des méga-campus dont la mise en ligne prend des années, QumulusAI s'appuie sur un mélange d'installations de colocation existantes et d'empreintes de centres de données modulaires d'environ 50 mégawatts. Cette approche lui permet de déployer des GPU à une cadence trimestrielle et de transformer le capital en infrastructure facturable beaucoup plus rapidement qu'avec des projets hyperscale entièrement nouveaux.
Du côté matériel, QumulusAI est étroitement aligné sur l’écosystème d’IA auquel les entreprises font déjà confiance. Il déploie les dernières générations de GPU Nvidia – Hopper et Blackwell – aux côtés de marques de centres de données familières pour les serveurs, le stockage et la mise en réseau. L'entreprise n'essaie pas de créer son propre framework d'IA ou sa propre pile MLOps ; au lieu de cela, il se concentre sur la fourniture d’une infrastructure fiable et performante qui s’intègre aux plates-formes que les clients utilisent déjà. C’est un point de différenciation notable par rapport à certains cloud axés sur l’IA qui brouillent la frontière entre infrastructure et plate-forme.
Pourquoi rendre public maintenant ?
La question évidente est de savoir pourquoi une entreprise, à ce stade de son évolution, choisit d’entrer en bourse plutôt que de lever une nouvelle ronde de capitaux privés. Pour QumulusAI, il y a trois réponses qui se chevauchent : le capital, la crédibilité et le timing.
Premièrement, le modèle est, de par sa conception, à forte intensité de capital. Passer de quelques centaines à des milliers, puis à des dizaines de milliers, de GPU nécessite un accès constant au financement du matériel et de l’énergie. QumulusAI a été méthodique dans la construction d'un capital qui ne repose pas entièrement sur des capitaux propres dilutifs. Il s'appuie sur des obligations convertibles adossées à des actifs, des locations d'équipement liées à des clusters GPU spécifiques et des paiements anticipés des clients qui financent dès le départ une partie de chaque déploiement.
La publication en bourse ne remplace pas cette structure ; au lieu de cela, cela ajoute une option. Une devise cotée en actions donne à l'entreprise plus de flexibilité dans les financements futurs, les partenariats et les acquisitions potentielles sans avoir à renégocier l'intégralité de son bilan.
Deuxièmement, le statut d'entreprise publique est important pour les clients que QumulusAI souhaite servir. Les contrats d’infrastructure pluriannuels de type take-or-pay ne sont plus l’apanage exclusif des hyperscalers et des colos. Alors que les entreprises et les plateformes d’IA s’engagent sur des contrats GPU de trois ans pour la formation et l’inférence, elles souhaitent bénéficier des signaux de gouvernance, de transparence et de durabilité qui accompagnent une cotation publique. Des données financières auditées, un conseil d'administration indépendant, des informations détaillées sur les risques et une visibilité sur la structure du capital permettent aux équipes d'approvisionnement et de risque de justifier plus facilement la signature avec un neocloud qui n'est pas encore un nom familier.
Troisièmement, il existe une véritable fenêtre « immédiate » dans l’infrastructure de l’IA. La première phase du cycle actuel a été définie par la pénurie : celui qui pouvait obtenir des H100 en premier a gagné. La prochaine phase sera définie par l’échelle, l’utilisation et la puissance. QumulusAI montre déjà le type de trajectoire que l'on attend d'une entreprise essayant de remporter cette course. Il a considérablement élargi sa base de GPU déployées au cours de l’année dernière et s’est assuré un livre significatif de revenus prospectifs et pluriannuels grâce à des contrats signés. Les premiers chiffres de croissance des revenus, bien qu’ils restent sur une base relativement petite, montrent que le passage de la cryptographie au calcul de l’IA fonctionne.
L'introduction en bourse alors que la courbe de croissance est abrupte permet à QumulusAI d'investir avant la demande, alors que le marché continue de réévaluer l'infrastructure d'IA en tant qu'actif stratégique. Attendre encore deux ou trois ans risquerait de céder des parts à des concurrents mieux capitalisés ou de se retrouver pris dans un éventuel refroidissement du battage médiatique sur l’IA qui pourrait rendre plus difficile le financement des grands paris sur les infrastructures.
Différenciation Neocloud : GPU, puissance et géographie
Le secteur du néocloud devient de plus en plus encombré, avec plusieurs acteurs bien financés se positionnant comme des alternatives IA aux cloud à usage général. Ils partagent des caractéristiques telles que des GPU de nouvelle génération, une mise en réseau et un stockage hautement optimisés et une concentration sur les charges de travail d'IA et d'apprentissage automatique, mais ils ne se ressemblent pas tous.
La différenciation de QumulusAI s'articule autour de trois thématiques :
- Des infrastructures, pas des plateformes. QumulusAI se concentre sur les infrastructures. Il ne prétend pas être l'endroit idéal pour créer, affiner et servir des modèles de bout en bout sous une seule interface propriétaire. Au lieu de cela, il propose des clusters GPU nus et virtualisés, exposés via les équipes d'infrastructure de surfaces de contrôle attendues : intégration Kubernetes, clusters réservés et pools à la demande. Cela le rend attrayant pour les entreprises et les plates-formes d’IA qui disposent déjà de leur propre pile logicielle et qui ont simplement besoin d’une capacité prévisible et performante.
- Le délai de mise en capacité est une mesure essentielle. Le mantra de l'entreprise consistant à mettre la capacité GPU en ligne « en quelques mois, et non en années » est plus qu'un slogan. En ciblant des sites plus petits et géographiquement répartis, QumulusAI peut souvent éviter les plus longues files d'attente pour l'électricité et les permis qui nuisent aux projets de méga-campus. Des cycles de déploiement plus rapides se traduisent également par des rotations de capitaux plus rapides : le matériel commence à générer des revenus plus tôt, permettant à l'entreprise de réinvestir cet argent dans la prochaine vague de sites et de GPU.
- Les « poches de pouvoir » comme stratégie. La contrainte dans les infrastructures d’IA est de plus en plus l’électricité et non l’espace au sol. QumulusAI considère la recherche d'énergie disponible comme un problème de premier ordre, travaillant avec les services publics, les partenaires de colocation et les parties prenantes régionales pour identifier les endroits où il peut obtenir des mégawatts de capacité sans attendre une demi-décennie pour la mise à niveau du réseau. Cela ouvre des marchés où les acteurs hyperscale ne prendront peut-être pas la peine de se développer, mais où les entreprises régionales, les startups d'IA et les partenaires de plate-forme ont toujours besoin d'une capacité GPU haut de gamme.
Derrière ces différenciateurs se cache une approche de mise sur le marché qui associe des relations directes avec l'entreprise à une demande axée sur les canaux via les plateformes et les marchés d'IA. Des accords pluriannuels d'achat ou de paiement avec les plates-formes d'inférence d'IA offrent à QumulusAI à la fois une visibilité sur les revenus et une assurance d'utilisation, tandis que les partenariats sur le marché l'aident à répondre à la demande d'une clientèle plus large. Le résultat est un modèle qui vise à résoudre les deux côtés de l’équation de l’infrastructure d’IA : sécuriser les GPU et la puissance rares d’un côté et maintenir une utilisation élevée de l’autre.
Conseils aux responsables informatiques
Pour les leaders technologiques, la montée en puissance de QumulusAI et de ses pairs ne signifie pas que vous devez abandonner les hyperscalers. Cela signifie que vous devriez commencer à réfléchir à la capacité de l’IA en termes de portefeuille et poser des questions plus précises sur la place des différentes charges de travail.
Quelques recommandations pratiques :
- Segmentez vos charges de travail d'IA par profil de capacité. La formation sur modèle frontière, l’expérimentation en rafale et l’inférence en régime permanent se comportent différemment. Les hyperscalers continueront de dominer les charges de travail élastiques et pointues et les services étroitement intégrés en haut de la pile. Les Neoclouds comme QumulusAI sont plus intéressants là où vous avez une demande de GPU stable et à cycle de service élevé – pensez à l'inférence de production, aux ajustements de longue durée ou aux plates-formes internes qui desservent plusieurs unités commerciales – et où la capacité réservée avec des aspects économiques clairs compte plus que l'accès au catalogue de services le plus large.
- Intégrez le pouvoir et la géographie à votre appel d’offres. Lorsque vous évaluez les fournisseurs d’infrastructures pour l’IA, ne vous arrêtez pas aux références GPU et aux tarifs horaires. Demandez exactement où seront situés les clusters, à quoi ressemble la situation électrique sur chaque site et comment cela correspond à vos exigences en matière de latence, de résidence des données et de résilience. Les fournisseurs capables de présenter un pipeline de sites et de dispositifs d’alimentation électrique, plutôt qu’un seul campus phare, pourraient être mieux alignés sur les cas d’utilisation de l’IA distribuée.
- Utilisation des sondes et structure du contrat. Les contrats take-or-pay avec des durées pluriannuelles peuvent être des outils puissants pour la prévisibilité des coûts, mais seulement si vous pouvez occuper les GPU. Lorsque vous parlez à QumulusAI et à d'autres néoclouds, demandez comment ils aident vos équipes à favoriser l'utilisation : quelle télémétrie ils exposent, comment ils s'intègrent à votre orchestration et à votre pile MLOps, et quelles options vous devez déplacer les charges de travail entre les clusters ou les sites à mesure que votre portefeuille évolue.
- Considérez les néoclouds comme des partenaires stratégiques, et pas seulement comme des fournisseurs. Des entreprises telles que QumulusAI en sont encore aux premiers balbutiements, leurs feuilles de route de produits et leurs stratégies de site sont donc plus adaptables que celles des hyperscalers. Si vous avez une vision claire de votre feuille de route en matière d'IA, vous pouvez déterminer où et comment ces fournisseurs renforcent leurs capacités, voire même en co-concevant des sites ou des structures contractuelles qui correspondent plus étroitement à vos besoins.
La cotation publique de QumulusAI met en évidence une tendance plus large : l'IA incite les entreprises à repenser leur infrastructure, et une nouvelle classe de fournisseurs de cloud émerge pour répondre à ces besoins. Que QumulusAI devienne finalement un leader de sa catégorie ou un complément spécialisé, ses débuts au Nasdaq soulignent un changement que les DSI ne peuvent ignorer : le cloud pour l'IA concernera autant les GPU et les gigawatts que les API et les services.
Zeus Kerravala est analyste principal chez ZK Research, une division de Kerravala Consulting. Il a écrit cet article pour SiliconANGLE.
