Contexte et financement
Edelbyte Ltd., startup basée à Tel‑Aviv, a annoncé aujourd’hui une levée de 70 millions de dollars répartie sur deux tours de financement. Les tours ont été menés par Sequoia et Quiet Capital, avec la participation de Greenoaks et Swish Ventures. Selon CTech, la valorisation post‑money s’élève à 500 millions de dollars. La société a été fondée l’an dernier par d’anciens cadres de Microsoft – Avner Aharoni, Evgeney Ryzhyk, Alexander Sloutsky et Yoni Leibowitz – qui ont contribué à la création d’Azure Data Explorer, souvent appelé Kusto.
Architecture et fonctionnalités
La plateforme d’Edelbyte se positionne comme une alternative à Snowflake et Databricks. Elle est capable de stocker des centaines de pétaoctets par déploiement, en gérant à la fois des enregistrements classiques et des vecteurs, structures mathématiques utilisées par les agents d’IA pour représenter des connaissances. Le système accepte des requêtes variées : recherche textuelle, analyses business intelligence et même traitement de graphes, ce qui permet d’explorer les relations entre points de données.
Performances et optimisation
Edelbyte affirme pouvoir interroger des ensembles de données multipétaoctets avec une latence inférieure à 100 millisecondes. Cette performance repose sur plusieurs leviers. D’une part, la technologie de fédération de requêtes évite le déplacement préalable des données vers un environnement dédié ; les requêtes s’exécutent directement sur les systèmes de stockage d’origine, réduisant ainsi le trafic réseau. D’autre part, la plateforme génère automatiquement des index spécialisés, adaptés aux schémas d’accès de chaque application, ce qui minimise le travail manuel habituel d’optimisation.
Perspectives et limites
Le CEO Avner Aharoni souligne que les infrastructures traditionnelles, conçues avant l’essor de l’IA, peinent à suivre l’augmentation du volume et de la complexité des requêtes. En automatisant l’indexation et en fédérant les requêtes, Edelbyte vise à répondre à cette contrainte. Toutefois, la documentation publique ne détaille pas les algorithmes exacts de génération d’index ni les exigences matérielles pour atteindre la latence annoncée, ce qui rend difficile l’évaluation de la scalabilité dans des environnements très hétérogènes. La société prévoit d’utiliser les fonds levés pour élargir sa base de clients – déjà plusieurs entreprises du Fortune 500 – et renforcer son équipe technique.
