Contexte du financement

Verda, start‑up finlandaise spécialisée dans le cloud GPU, a annoncé une levée de 189 millions de dollars en série B, menée par Emergence Capital et soutenue par MUFG Innovation Partners, Supermicro et d’autres investisseurs. Ce financement porte le total levé à plus de 450 millions de dollars (actions et dette) et s’accompagne d’un revenu annuel récurrent de 165 millions de dollars enregistré en juillet 2026. L’objectif déclaré est d’accélérer le déploiement de la capacité de calcul, d’enrichir la plateforme logicielle et d’étendre le réseau de data‑centers, tout en maintenant une empreinte carbone inférieure à la moyenne du secteur.

Architecture et offres GPU

Verda propose des clusters auto‑service équipés d’interconnexions InfiniBand et de NVLink v5. Le catalogue comprend plusieurs configurations, par exemple : le B300 SXM6 (30 CPU, 255 Go RAM, 268 Go VRAM), le H200 SXM5 (44 CPU, 170 Go RAM, 141 Go VRAM) et le H100 SXM5 (30 CPU, 120 Go RAM, 80 Go VRAM). Ces instances sont accessibles via des « instant clusters » qui permettent un provisionnement en quelques minutes, éliminant les cycles de négociation traditionnels de plusieurs mois. La plateforme intègre également un stockage à haute vitesse NVMe, un système de fichiers partagé POSIX et un registre OCI pour les images de conteneurs, assurant la cohérence des pipelines de formation et d’inférence.

Sur le plan logiciel, Verda développe ses propres compilateurs et moteurs de serving, ainsi qu’un laboratoire d’IA (AI Lab) dédié à l’optimisation du taux d’utilisation des GPU, à l’optimisation d’inférence et à l’ingénierie de kernels. Cette approche « full‑stack » permet de contrôler la pile du matériel jusqu’aux API d’orchestration, réduisant les latences et améliorant la fiabilité des charges de travail critiques, comme les modèles de radiologie d’Epsilon Health ou la génération média de Magnific, qui traitent des millions de requêtes quotidiennes.

Analyse des impacts techniques

Le financement permet d’ajouter plus de 250 MW de capacité opérationnelle d’ici 202X, ce qui représente une augmentation substantielle de la densité de calcul disponible pour les clients. En combinant des GPU de dernière génération (H100, A100) avec des CPU haut de gamme (30‑44 cœurs), Verda cible les charges de travail de formation de modèles de fondation et les déploiements d’inférence à faible latence. Le recours à l’interconnexion InfiniBand et à NVLink v5 minimise les goulots d’étranglement de bande passante, crucial pour les modèles distribués où la synchronisation des gradients est fréquente.

Par ailleurs, la stratégie de « confidential computing » et d’« hardware‑attested inference » renforce la sécurité des données sensibles, un atout pour les secteurs réglementés (santé, finance). Cependant, la dépendance à du matériel propriétaire NVIDIA implique une exposition aux cycles de sortie de GPU et aux variations de prix, ce qui peut affecter la compétitivité tarifaire. De plus, l’expansion rapide des data‑centers nécessite une gestion rigoureuse de la consommation énergétique et du refroidissement, domaines où Verda affirme être en avance, mais sans fournir de métriques précises.

Perspectives et limites

À moyen terme, Verda prévoit de consolider son offre serverless, avec des conteneurs GPU auto‑scalants pour les charges de travail par lots et en temps réel. Cette évolution devrait réduire la charge opérationnelle des équipes clientes, qui n’auront plus à planifier la capacité à l’année. Néanmoins, l’absence de données publiques détaillées sur le coût total de possession (TCO) et sur les performances comparatives avec les principaux fournisseurs de cloud public laisse une marge d’incertitude quant à la valeur ajoutée réelle pour les utilisateurs finaux.