Contexte du programme PearX

PearX est un accélérateur de douze semaines limité à vingt entreprises par cohorte. Le fonds Pear VC, spécialisé en pré‑seed et seed, y investit jusqu’à deux millions de dollars et réserve la visibilité publique aux seules journées de démonstration, où les capital‑risques majeurs sont présents. Cette approche crée un environnement où les startups peuvent finaliser leurs prototypes avant d’attirer l’attention des investisseurs.

Analyse des technologies présentées

Speridlabs propose des modèles fondamentaux pour l’espace 3D, baptisés « Mundus », capables de conserver la géométrie lorsqu’une partie du modèle est modifiée. Contrairement à des concurrents comme Runway, Odyssey ou le projet Genie de Google, ces modèles sont interrogeables et modifiables, ce qui ouvre la voie à des itérations rapides en robotique, jeux vidéo et effets spéciaux. La persistance de la géométrie réduit le besoin de recomposer entièrement les scènes, limitant ainsi le temps de calcul et la consommation de mémoire.

Saia développe une puce d’inférence IA qui exécute les réseaux directement depuis la mémoire flash, contournant les exigences de DRAM ou de HBM typiques des GPU Nvidia et des TPU Google. Selon les déclarations de la société, la puce offre huit fois plus de capacité de traitement tout en consommant quatre fois moins d’énergie que le Jetson de Nvidia, un système de référence pour l’IA embarquée. Cette architecture repose sur un accès séquentiel à la flash, ce qui élimine les goulots d’étranglement liés aux bus mémoire, mais impose des contraintes de latence qui devront être gérées par le compilateur de modèles.

Ren mise sur la confidentialité en conservant les données d’assistant vocal sur l’appareil ou dans un cloud privé chiffré. Le système évite toute intervention humaine lors des appels téléphoniques, ce qui élimine le risque d’exposition des métadonnées à des opérateurs externes. La stratégie de stockage local impose toutefois des limites de capacité pour les modèles de langage, nécessitant des techniques de quantification et de distillation pour maintenir la performance.

Veros utilise l’IA pour automatiser la création et la gestion de trusts, un domaine traditionnellement dominé par les avocats et les gestionnaires de patrimoine. En gérant déjà 250 millions de dollars d’actifs sous gestion, la startup démontre que les algorithmes peuvent produire des recommandations de structuration financière et assurer le suivi des actifs sur le long terme. L’obtention d’une charte de trust réglementée reste un obstacle juridique qui conditionne l’expansion du service.

Datum indexe les bibliothèques internes de pièces 3D grâce à une technologie propriétaire de « Geometric Fingerprint ». Cette empreinte permet d’identifier des composants uniquement par leur forme, facilitant la réutilisation et la standardisation dans la chaîne de conception industrielle. Le principal défi réside dans la précision de la correspondance lorsqu’il existe des variations mineures de tolérance ou de finition de surface.

Implications et limites

Les cinq projets illustrent une tendance vers l’intégration de l’IA directement dans le matériel (Saia) ou le flux de travail (Datum, Veros). La suppression de la dépendance à la mémoire volatile ou à des services cloud externes améliore l’efficacité énergétique mais augmente la complexité de la conception logicielle. En outre, les revendications de performance – huit fois plus de capacité ou quatre fois moins de puissance – restent à valider par des benchmarks indépendants, notamment dans des scénarios de charge réelle.

Sur le plan juridique, les solutions de confiance automatisée (Veros) et d’assistant vocal privé (Ren) devront naviguer des cadres de conformité stricts, notamment le RGPD et les régulations financières américaines. Enfin, la capacité de Speridlabs à offrir des modèles 3D modifiables dépendra de la standardisation des formats de scène, un facteur qui pourrait limiter l’interopérabilité avec les pipelines existants.