Publié le 2025-10-10 08:40:00. Face à l’explosion des besoins en calcul pour l’intelligence artificielle, la startup Tigris Data lève 25 millions de dollars pour proposer une infrastructure de stockage distribuée, concurrençant ainsi les géants du cloud traditionnels.
- L’essor de l’IA accroît la demande de puissance de calcul, favorisant les entreprises de calcul distribué comme CoreWeave et Together AI.
- Tigris Data, fondée par d’anciens d’Uber, développe un réseau de centres de données localisés pour répondre aux exigences de stockage des charges de travail d’IA modernes.
- La startup vise à offrir une alternative aux « Big Cloud » (AWS, Google Cloud, Microsoft Azure) jugés coûteux et moins efficaces pour le stockage de données distribué.
L’avènement des entreprises spécialisées dans l’intelligence artificielle (IA) a fait exploser la demande de puissance de calcul. Des sociétés telles que CoreWeave, Together AI et Lambda Labs ont su capitaliser sur cette tendance, attirant capitaux et attention grâce à leur capacité à fournir une puissance de calcul distribuée. Cependant, la majorité des entreprises continuent de confier leurs données aux trois grands fournisseurs de cloud : AWS, Google Cloud et Microsoft Azure. Les systèmes de stockage de ces derniers ont été conçus pour maintenir les données à proximité de leurs propres ressources de calcul, et non pour une distribution multi-cloud ou multi-régions.
« Les charges de travail et l’infrastructure d’IA modernes privilégient le calcul distribué au détriment du cloud centralisé », constate Ovais Tariq, co-fondateur et PDG de Tigris Data. « Nous souhaitons offrir la même option pour le stockage, car sans celui-ci, le calcul n’est rien. » L’équipe à l’origine de la plateforme de stockage d’Uber a fondé Tigris pour bâtir un réseau de centres de stockage de données locaux. Selon la startup, cette infrastructure répondrait aux besoins de calcul distribué des applications d’IA actuelles. La plateforme de stockage nativement conçue pour l’IA par Tigris « évolue avec votre calcul, réplique automatiquement les données là où se trouvent les GPU, prend en charge des milliards de petits fichiers et assure un accès à faible latence pour les charges de travail d’entraînement, d’inférence et les agents IA », détaille Ovais Tariq.
Pour concrétiser cette vision, Tigris a récemment bouclé une levée de fonds de série A de 25 millions de dollars. L’opération a été menée par Spark Capital, avec la participation d’investisseurs existants tels qu’Andreessen Horowitz, a appris TechCrunch en exclusivité. Cette initiative positionne la startup en opposition directe avec les acteurs historiques du marché, que Ovais Tariq surnomme le « Big Cloud ».
Selon le PDG de Tigris, ces acteurs historiques proposent non seulement des services de stockage de données plus coûteux, mais aussi moins efficaces. Les fournisseurs comme AWS, Google Cloud et Microsoft Azure facturent traditionnellement des frais de sortie, surnommés « taxe cloud », lorsque les clients souhaitent migrer vers un autre fournisseur. Ces frais s’appliquent également s’ils souhaitent télécharger et déplacer leurs données, par exemple pour utiliser un GPU moins cher ou pour former des modèles simultanément dans différentes régions du monde. « C’est comme devoir payer un supplément à votre salle de sport si vous décidez de ne plus y aller », illustre Ovais Tariq.
Batuhan Taskaya, responsable de l’ingénierie chez Fal.ai, un client de Tigris, confirme que ces coûts représentaient autrefois une part significative des dépenses cloud de son entreprise. Au-delà des frais de sortie, Ovais Tariq met en avant le problème de latence inhérent aux grands fournisseurs de cloud. « Les frais de sortie ne sont qu’un symptôme d’un problème plus profond : un stockage centralisé qui ne peut pas suivre le rythme d’un écosystème d’IA décentralisé et à haut débit », explique-t-il.
La majorité des plus de 4 000 clients de Tigris, à l’instar de Fal.ai, sont des startups spécialisées dans l’IA générative. Elles développent des modèles pour la création d’images, de vidéos et de voix, des applications qui impliquent généralement de grands ensembles de données sensibles à la latence. « Imaginez discuter avec un agent IA qui traite l’audio localement », illustre Ovais Tariq. « Vous voulez la latence la plus faible possible. Vous voulez que votre calcul soit local, à proximité, et que votre stockage le soit aussi. »
Les grands clouds ne sont pas optimisés pour les charges de travail d’IA, ajoute-t-il. La diffusion d’ensembles de données massifs pour l’entraînement ou l’exécution d’inférences en temps réel sur plusieurs régions peut créer des goulots d’étranglement de latence, ralentissant ainsi les performances des modèles. En revanche, l’accès à un stockage localisé permet une récupération plus rapide des données, offrant aux développeurs la possibilité d’exécuter leurs charges de travail d’IA de manière fiable et plus rentable grâce à des clouds décentralisés. « Tigris nous permet d’adapter nos charges de travail sur n’importe quel cloud en fournissant un accès au même système de fichiers de données depuis tous ces emplacements, sans facturer de frais de sortie », souligne Batuhan Taskaya de Fal.ai.
D’autres raisons expliquent le désir des entreprises de rapprocher leurs données de leurs options de cloud distribué. Dans des secteurs fortement réglementés comme la finance ou la santé, l’un des principaux freins à l’adoption des outils d’IA réside dans la nécessité pour les entreprises de garantir la sécurité et la confidentialité des données. De plus, Ovais Tariq note une tendance croissante des entreprises à vouloir davantage posséder leurs données. Il cite l’exemple de Salesforce qui, plus tôt dans l’année, a bloqué l’utilisation des données Slack par ses concurrents en IA. « Les entreprises sont de plus en plus conscientes de l’importance des données, de la manière dont elles alimentent les grands modèles de langage (LLM) et l’IA », affirme Ovais Tariq. « Elles souhaitent exercer un contrôle accru. Elles ne veulent pas qu’une entité extérieure détienne ce contrôle. »
Grâce à ces nouveaux fonds, Tigris entend poursuivre le développement de ses centres de stockage de données pour répondre à la demande croissante. La startup, fondée en novembre 2021, affiche une croissance de 800 % par an depuis sa création. Elle dispose déjà de trois centres de données situés en Virginie, à Chicago et à San Jose. Tigris prévoit d’étendre sa présence aux États-Unis, ainsi qu’en Europe et en Asie, avec des implantations prévues à Londres, Francfort et Singapour.