Le tour de table seed de 3,5 M€

Ce tour de table seed a été co-dirigé par Constructor Capital (un VC suisse spécialisé dans la deep-tech) et Greencode Ventures, avec le soutien continu de l’investisseur existant XISTA Science Ventures, qui a contribué à la création et au lancement de l’entreprise .

Ora Computing a été fondée par les chercheurs en informatique quantique Stefan Sack et Raimel A. Medina, qui ont essaimé de l’Institute of Science and Technology Austria (ISTA) . La startup est sortie de la « stealth mode » fin 2025 et a déjà validé sa solution auprès d’acteurs de l’automobile et du silicium pour l’edge computing .

Comment fonctionne le logiciel de compression

Le logiciel d’Ora utilise une approche fondée sur la théorie de l’information pour réduire la taille des grands modèles d’IA de fondation pour l’inférence. Concrètement, il restructure mathématiquement le modèle pour éliminer les redondances tout en préservant la qualité des résultats . Les principales promesses avancées par l’entreprise et ses investisseurs sont :

• Réduction de la taille jusqu’à 80 % : les modèles peuvent voir leur empreinte mémoire diminuer de façon spectaculaire .
• Inférence jusqu’à 4 fois plus rapide : les modèles compressés s’exécutent beaucoup plus vite sur le même matériel .
• Perte de précision limitée à 0–5 % : le compromis entre compression et précision est minimal .
• Indépendant du matériel : le logiciel fonctionne sur différentes architectures de puces (CPU, GPU, silicium pour edge), sans infrastructure sur mesure ni réentraînement .
• Pas de réentraînement nécessaire : il s’intègre directement dans les frameworks d’inférence standard .
• Courbe de compression continue : contrairement aux outils binaires « choisissez un niveau de compression », l’algorithme d’Ora carte en continu l’ensemble du compromis taille-précision, permettant aux clients d’optimiser en fonction de leur matériel et de leurs contraintes de coût .
• Testé sur un modèle de 70 milliards de paramètres : l’entreprise indique avoir compressé un modèle de 70 milliards de paramètres en quelques heures pour moins de 1 000 dollars de calcul, contre des centaines de milliers de dollars en temps normal .

Impact sur les coûts, l’énergie et le carbone

Comme les modèles compressés nécessitent moins de calcul, Ora affirme que sa technologie se traduit directement par une consommation d’énergie réduite et une baisse des émissions de carbone . L’entreprise estime qu’à 1 % de pénétration du marché, sa technologie pourrait éliminer plus de 50 000 tonnes de CO₂ par an .

Cette estimation s’inscrit dans le consensus industriel selon lequel l’inférence représente plus de 90 % de la consommation d’énergie totale sur la durée de vie des modèles d’IA déployés, ce qui fait de la compression un levier puissant pour la durabilité . Une étude de 2025 publiée dans PMC a montré que l’application de techniques de compression de modèles (élagage et distillation) à des modèles de la taille de BERT permettait des réductions d’énergie de 32 à 48 %, tout en maintenant une précision supérieure à 95 % . Il convient toutefois de noter que l’estimation d’Ora concernant les économies de CO₂ est présentée comme une estimation à un taux de pénétration de référence, et non comme un résultat mesuré .

Utilisation des fonds et plans commerciaux

Ora a défini trois utilisations principales du capital levé :

1. Extension de l’équipe — recrutement d’ingénieurs et de commerciaux.
2. Extension de la compression aux plus grands modèles — repousser les capacités actuelles pour compresser la prochaine génération de modèles les plus avancés.
3. Lancement d’un produit commercial — ciblant les fournisseurs d’inférence dans le cloud et les entreprises déployant l’IA en périphérie (edge), par exemple dans l’automobile et les équipements industriels .

Le site web de l’entreprise propose désormais un service automatisé de compression de LLM capable d’adapter les modèles aux appareils edge, aux serveurs sur site ou à l’infrastructure cloud « en quelques heures, pas des mois », avec la promesse de réduire l’empreinte mémoire jusqu’à 70 % et de diminuer les factures de GPU de plus de 50 % .

Note sur la fiabilité des sources

La source principale est une annonce détaillée publiée sur le site officiel de Greencode Ventures . Des informations concordantes proviennent de multiples médias, dont The Recursive , IT Boltwise , Vestbee , tech.eu et Fundup.ai — qui rapportent tous les mêmes détails sur la levée de fonds, les chiffres de compression et l’utilisation des fonds. Aucun tiers indépendant n’a encore validé l’estimation spécifique d’Ora concernant les économies de CO₂, que l’entreprise présente elle-même comme une estimation plutôt qu’un résultat mesuré.

Le tour de table seed de 3,5 M€

Ce tour de table seed a été co-dirigé par Constructor Capital (un VC suisse spécialisé dans la deep-tech) et Greencode Ventures, avec le soutien continu de l’investisseur existant XISTA Science Ventures, qui a contribué à la création et au lancement de l’entreprise .

Ora Computing a été fondée par les chercheurs en informatique quantique Stefan Sack et Raimel A. Medina, qui ont essaimé de l’Institute of Science and Technology Austria (ISTA) . La startup est sortie de la « stealth mode » fin 2025 et a déjà validé sa solution auprès d’acteurs de l’automobile et du silicium pour l’edge computing .

Comment fonctionne le logiciel de compression

Le logiciel d’Ora utilise une approche fondée sur la théorie de l’information pour réduire la taille des grands modèles d’IA de fondation pour l’inférence. Concrètement, il restructure mathématiquement le modèle pour éliminer les redondances tout en préservant la qualité des résultats . Les principales promesses avancées par l’entreprise et ses investisseurs sont :

• Réduction de la taille jusqu’à 80 % : les modèles peuvent voir leur empreinte mémoire diminuer de façon spectaculaire .
• Inférence jusqu’à 4 fois plus rapide : les modèles compressés s’exécutent beaucoup plus vite sur le même matériel .
• Perte de précision limitée à 0–5 % : le compromis entre compression et précision est minimal .
• Indépendant du matériel : le logiciel fonctionne sur différentes architectures de puces (CPU, GPU, silicium pour edge), sans infrastructure sur mesure ni réentraînement .
• Pas de réentraînement nécessaire : il s’intègre directement dans les frameworks d’inférence standard .
• Courbe de compression continue : contrairement aux outils binaires « choisissez un niveau de compression », l’algorithme d’Ora carte en continu l’ensemble du compromis taille-précision, permettant aux clients d’optimiser en fonction de leur matériel et de leurs contraintes de coût .
• Testé sur un modèle de 70 milliards de paramètres : l’entreprise indique avoir compressé un modèle de 70 milliards de paramètres en quelques heures pour moins de 1 000 dollars de calcul, contre des centaines de milliers de dollars en temps normal .

Impact sur les coûts, l’énergie et le carbone

Comme les modèles compressés nécessitent moins de calcul, Ora affirme que sa technologie se traduit directement par une consommation d’énergie réduite et une baisse des émissions de carbone . L’entreprise estime qu’à 1 % de pénétration du marché, sa technologie pourrait éliminer plus de 50 000 tonnes de CO₂ par an .

Cette estimation s’inscrit dans le consensus industriel selon lequel l’inférence représente plus de 90 % de la consommation d’énergie totale sur la durée de vie des modèles d’IA déployés, ce qui fait de la compression un levier puissant pour la durabilité . Une étude de 2025 publiée dans PMC a montré que l’application de techniques de compression de modèles (élagage et distillation) à des modèles de la taille de BERT permettait des réductions d’énergie de 32 à 48 %, tout en maintenant une précision supérieure à 95 % . Il convient toutefois de noter que l’estimation d’Ora concernant les économies de CO₂ est présentée comme une estimation à un taux de pénétration de référence, et non comme un résultat mesuré .

Utilisation des fonds et plans commerciaux

Ora a défini trois utilisations principales du capital levé :

1. Extension de l’équipe — recrutement d’ingénieurs et de commerciaux.
2. Extension de la compression aux plus grands modèles — repousser les capacités actuelles pour compresser la prochaine génération de modèles les plus avancés.
3. Lancement d’un produit commercial — ciblant les fournisseurs d’inférence dans le cloud et les entreprises déployant l’IA en périphérie (edge), par exemple dans l’automobile et les équipements industriels .

Le site web de l’entreprise propose désormais un service automatisé de compression de LLM capable d’adapter les modèles aux appareils edge, aux serveurs sur site ou à l’infrastructure cloud « en quelques heures, pas des mois », avec la promesse de réduire l’empreinte mémoire jusqu’à 70 % et de diminuer les factures de GPU de plus de 50 % .

Note sur la fiabilité des sources

La source principale est une annonce détaillée publiée sur le site officiel de Greencode Ventures . Des informations concordantes proviennent de multiples médias, dont The Recursive , IT Boltwise , Vestbee , tech.eu et Fundup.ai — qui rapportent tous les mêmes détails sur la levée de fonds, les chiffres de compression et l’utilisation des fonds. Aucun tiers indépendant n’a encore validé l’estimation spécifique d’Ora concernant les économies de CO₂, que l’entreprise présente elle-même comme une estimation plutôt qu’un résultat mesuré.