naissant Marché Recherche & science, mécanisme Relocaliser l'exécution (edge / local-first).
Parmi les entreprises listées, ZETIC, THOX.ai et Syzygy manquent totalement de traction ou de validation marché (aucune donnée chiffrée, levée de fonds ou déploiement documenté), tandis que Quadric se distingue par une croissance financière significative (revenus en hausse forte) qui isole le reste du segment comme expérimental.
La dépendance au cloud pour l'inférence IA génère des coûts élevés, une latence réseau et des risques de confidentialité que les architectures locales cherchent à éliminer.
Sentient OS : Alpha atteint plus de 4 000 utilisateurs la première semaine avec 0 marketing ; levée de plus d'1 million de dollars incluant Y Combinator.
Plateforme permettant aux agents IA de s'exécuter directement sur des appareils edge (smartphones, drones) avec moins de 4 Go de RAM, sans dépendre du cloud.
Traction : Vainqueur de l'inaugural Innovation Showcase at the AI Infra Summit; déploiement en production pour des audits terrain chez un grand opérateur télécom.
Solution qui permet aux modèles IA de s'exécuter directement sur l'appareil de l'utilisateur via une automatisation du déploiement et une optimisation NPU complète, éliminant le round-trip serveur.
Startup fournissant un IP de processeur IA programmable et une pile logicielle pour faire fonctionner l'inférence IA localement sur des puces clientes, réduisant la dépendance au cloud.
Traction : Revenus de licence de 15 à 20 millions $ en 2025 (contre 4 M$ en 2024); levée de 30 M$ en série C; valorisation post-money entre 270 et 300 millions $.
On-device AI qui effectue l'inférence directement sur la puce de l'utilisateur (ex: Mac avec 8 Go de RAM) pour construire une base de connaissances personnelle et exécuter des tâches proactives sans dépendre du cloud.
Traction : Alpha atteint plus de 4 000 utilisateurs la première semaine avec 0 marketing ; levée de plus d'1 million de dollars incluant Y Combinator.
Développe un matériel et logiciel local-first permettant aux utilisateurs de contrôler l'exécution d'agents intelligents sur leurs propres appareils via une architecture privée, déplaçant le calcul vers les données de l'utilisateur plutôt que l'inverse.
Reconstruit le déploiement de l'IA pour permettre aux utilisateurs d'posséder l'intelligence localement et efficacement, visant à rendre les coûts matériels/énergétiques comparables à ceux de l'exploitation, remplaçant ainsi le modèle de location/cloud.
Dernière revérification : 2026-10-29
Même marché : Recherche & science
Même mécanisme : Relocaliser l'exécution (edge / local-first)