ZML lève 17,5 M€ pour affranchir les entreprises du monopole Nvidia sur l'inférence IA

ZML, startup parisienne d'infrastructure IA, a levé 17,5 M€ (environ 20 M$) dans un tour de table réunissant 20VC, Kima Ventures, Kindred Ventures, Puzzle Ventures et AAL Management. Aucun meneur n'est désigné dans les conditions divulguées. ZML est fondé par Steeve Morin.

Ce que fait LLMD

Le produit central de ZML est LLMD, un serveur d'inférence open source pour les grands modèles de langage. Sa revendication est précise : LLMD peut exécuter le même workload LLM sur Nvidia CUDA, AMD ROCm, Google TPU, Apple Metal et Intel Arc sans que l'entreprise ait à réécrire sa pile d'inférence pour chaque cible matérielle.

C'est un argument plus pointu qu'il n'y paraît. La plupart des déploiements LLM en production reposent sur l'infrastructure Nvidia non parce que les entreprises ont comparé les alternatives, mais parce que la pile logicielle environnante — cuDNN, TensorRT, NCCL et les frameworks qui en dépendent — est nativement CUDA. L'inférence multi-puces est techniquement réalisable depuis des années ; la barrière réelle est le coût de migration que la compatibilité CUDA crée à chaque couche de la pile.

LLMD propose une couche d'abstraction au-dessus des runtimes spécifiques aux matériels, présentant une interface unifiée tout en routant vers l'accélérateur disponible ou le moins coûteux. Pour une entreprise exploitant un mix de serveurs Nvidia on-premise, de cloud AMD et d'Apple Silicon en périphérie, la valeur est un modèle de déploiement unique plutôt que trois configurations d'inférence séparées.

Le marché de la dépendance

La procurement IA en entreprise est aujourd'hui une décision en deux étapes : choisir d'abord le modèle, puis les puces et le runtime sur lesquels il tourne. La dépendance CUDA de Nvidia fusionne effectivement ces deux étapes — choisir un modèle performant en benchmark revient généralement à choisir du matériel Nvidia. Cette fusion est commercialement précieuse pour Nvidia et inconfortable pour les entreprises qui voudraient que l'achat de puces réponde à des signaux de prix et de disponibilité plutôt qu'à des contraintes de compatibilité.

ZML n'est pas la seule tentative de rompre ce verrou : vLLM, llama.cpp et Ollama sont des frameworks d'inférence open source largement adoptés avec un support multi-matériel. Ce qui distinguerait LLMD, selon la thèse, est une architecture conçue dès l'origine pour l'ordonnancement multi-puces en production, plutôt que rétrofit depuis des origines mono-GPU. Si cette distinction architecturale est réelle et durable, c'est la question produit que le tour ne tranche pas.

La question à 18 mois

Les 17,5 M€ financent le développement et la distribution de LLMD. Le modèle open source signifie que le test commercial est celui de la distribution, non des licences : combien d'entreprises adoptent LLMD comme couche d'inférence par défaut, et si une partie convertit cette adoption en couche payante d'hébergement ou de support.

Le mix d'investisseurs (20VC, Kima, Kindred, Puzzle) représente une lecture transatlantique de la proposition. Le test à 18 mois : des déploiements en production chez des clients enterprise identifiés, et la taille de la communauté de développeurs LLMD par rapport à ses concurrents open source.