Antimatter souhaite se faire une place dans le secteur des infrastructures pour l’intelligence artificielle avec une approche différente de celle des grands centres de données : combiner énergie, petits centres modulaires et logiciels de cloud distribué pour exécuter principalement des opérations d’inférence. La montée en puissance des modèles ouverts et open-weight, y compris ceux développés en Chine, pourrait également élargir le nombre d’entreprises capables de déployer de l’IA sans dépendre directement des modèles propriétaires américains.

Les clés d’Antimatter en 20 secondes

• Antimatter intègre énergie, centres de données modulaires et logiciels cloud distribués.
• Elle exploite 10 unités réparties sur huit sites, avec plus de 3 400 GPU et 26 MW, selon la société.
• Son objectif pour 2030 est d’atteindre 1 000 installations, plus de 300 000 GPU et 1 GW de puissance.
• Ce pari s’inscrit dans un contexte de croissance des modèles ouverts, pouvant s’exécuter sur des infrastructures alternatives.
• CoreWeave apparaît comme l’un des principaux concurrents dans le nouveau marché des neocloud.

L’opportunité est particulièrement intéressante car le marché de l’IA commence à se diviser en deux couches. Une chose est le développement des modèles, une autre, de plus en plus cruciale, qui fournit les GPU, l’énergie et le logiciel pour les exécuter.

Au cours des dernières années, ces deux couches ont été fortement liées aux États-Unis. OpenAI, Anthropic, Google et Meta dominaient une bonne partie des discussions sur les modèles, tandis qu’AWS, Microsoft Azure, Google Cloud et des entreprises spécialisées comme CoreWeave contrôlaient une part croissante de l’infrastructure.

L’émergence de modèles open-weight compétitifs issus de Chine introduit une nouvelle variable.

DeepSeek, Alibaba avec Qwen ou Moonshot AI avec Kimi ont montré qu’une entreprise peut disposer de modèles avancés dont les poids peuvent être téléchargés et déployés sur une infrastructure choisie par le client, selon les conditions spécifiques de leurs licences.

Cela transforme l’infrastructure en un marché potentiellement indépendant des modèles.

Passer de l’achat d’une API à la sélection du lieu d’exécution du modèle

Ce changement peut sembler mineur, mais il modifie considérablement l’architecture d’une application d’IA.

Lorsqu’une entreprise utilise directement l’API d’un fournisseur fermé, une grande partie des décisions infrastructurelles disparaissent : le fournisseur exécute le modèle et le client paie son usage.

Avec des poids de modèles disponibles, une autre possibilité apparaît : les télécharger et louer de la capacité de calcul auprès d’un autre fournisseur.

C’est ici qu’interviennent les neocloud.

CoreWeave est probablement l’exemple le plus connu dans cette nouvelle catégorie. La société a bâti son activité autour d’un grand nombre de GPU dédiés aux charges d’IA et a conclu des contrats multimillionnaires avec certaines des plus grandes entreprises technologiques.

Antimatter propose une architecture différente.

Elle se présente comme une neocloud verticalement intégrée, combinant trois secteurs : Data Factory, dédié à l’énergie ; Policloud, responsable des centres de données modulaires ; et Hivenet, qui fournit la couche de logiciel distribué.

L’idée est de rapprocher le calcul des endroits où l’électricité est déjà disponible, au lieu de construire d’immenses centres de données en attendant d’accroître leur capacité électrique ultérieurement.

Selon ses propres données, Antimatter a débuté en avril 2026 avec 10 unités Policloud réparties sur huit sites, plus de 3 400 GPU et plus de 26 MW en fonctionnement. La société affirme également disposer de plus de 1 GW de puissance contractée et de projets en développement.

Ces chiffres sont fournis par la société elle-même et doivent être différenciés de capacités vérifiées indépendamment.

Petits centres de données proches des sources d’énergie

L’architecture d’Antimatter remet en partie en question la tendance vers des campus d’IA toujours plus grands.

Policloud utilise des centres de données modulaires et conteneurisés qui peuvent être installés dans des endroits où l’énergie est déjà présente.

Chaque unité peut accueillir jusqu’à environ 400 GPU, selon la société.

Ensuite, Hivenet relie ces ressources via une couche logicielle visant à faire fonctionner séparément des installations physiquement distinctes comme une seule infrastructure cloud.

Ce système inclut une orchestration basée sur Kubernetes, des machines virtuelles, du bare metal, du stockage distribué, des réseaux surimposés cryptés, du GPU passthrough et une observabilité centralisée.

Cette approche est particulièrement adaptée à l’inférence.

L’entraînement de certains des plus grands modèles mondiaux requiert d’énormes quantités de GPU communiquant entre eux via des réseaux à très faible latence. Cette nécessité favorise de grands clusters concentrés physiquement.

L’inférence, en revanche, possède des caractéristiques différentes.

Une fois le modèle entraîné, les requêtes peuvent être réparties géographiquement selon certains scénarios. La proximité avec l’utilisateur, le coût de l’électricité et la disponibilité de GPU deviennent alors des critères déterminants.

Antimatter construit sa stratégie précisément autour de ce segment de marché.

Les modèles chinois, une pièce supplémentaire

L’expansion internationale des modèles chinois à poids ouverts peut indirectement profiter à ce type de fournisseurs.

Une entreprise européenne n’a pas nécessairement besoin de recourir à une plateforme cloud chinoise pour utiliser un modèle développé en Chine.

Elle peut télécharger les poids lorsque sa licence le permet et les exécuter sur des serveurs situés en Europe.

Inversement, cette logique s’applique aussi aux modèles ouverts américains ou européens.

Cette séparation entre modèle et infrastructure introduit plus de concurrence.

Le fournisseur d’IA n’a plus forcément à fournir le modèle lui-même, mais peut simplement rivaliser en offrant GPU, mémoire, stockage, réseaux, énergie et une couche d’inférence performante.

C’est dans ce domaine que CoreWeave, Nebius, Nscale et d’autres fournisseurs spécialisés tentent de croître face aux géants du cloud.

Une paradoxe intéressant : CoreWeave exploite aussi des modèles chinois.

La société a récemment mis en avant son infrastructure pour exécuter Kimi K2.6 de Moonshot AI, affirmant avoir obtenu le meilleur résultat parmi 11 fournisseurs pour l’inférence de ce modèle selon Artificial Analysis.

Ainsi, la compétition ne se résume pas forcément à « cloud occidental vs modèles chinois ».

Il pourrait s’agir d’un affrontement mondial pour exécuter les mêmes modèles sur des infrastructures différentes.

Antimatter vise 300 000 GPU d’ici 2030

Les plans d’Antimatter sont ambitieux.

D’ici 2027, elle prévoit d’atteindre 100 unités Policloud, plus de 20 sites, 30 000 GPU et plus de 160 MW en fonctionnement.

L’objectif pour 2030 monte à 1 000 unités, plus de 100 sites, 300 000 GPU et plus d’1 GW.

Il s’agit d’objectifs d’entreprise, et non de capacités déjà réalisées.

La différence entre ces ambitions et la réalité opérationnelle montre combien la mise en place d’un tel plan dépend de multiples facteurs : financement, transformateurs, connections électriques, GPU, refroidissement, permis et clients.

Antimatter affirme également que sa architecture pourrait réduire d’environ moitié les coûts pour le client et déployer de nouvelles capacités environ cinq fois plus vite qu’un centre de données hyper scalable. Elle estime aussi un délai d’environ cinq mois, depuis la sélection du site jusqu’à la mise en service. Là encore, ce sont des estimations qui devront être vérifiées au fur et à mesure que le déploiement progresse.

L’électricité, le nouveau critère pour la localisation de l’IA

L’aspect peut-être le plus intéressant du projet n’est pas dans les GPU.

Il se trouve dans l’énergie.

La croissance de l’IA pousse les opérateurs à rechercher des sites où il est possible d’obtenir des dizaines voire centaines de mégawatts. Dans certains marchés, le problème ne se résume plus à construire un bâtiment, mais à trouver un réseau électrique capable de l’alimenter et de permettre une connexion dans des délais raisonnables.

Antimatter cherche à inverser cette tendance.

Plutôt que de construire un centre de données massif puis d’amener l’électricité, la société préfère identifier des capacités énergétiques existantes et déployer des modules de calcul à proximité.

Elle dispose déjà d’infrastructures aux États-Unis, en Europe et dans les pays du Conseil de coopération du Golfe (GCC), en plus d’accords technologiques avec AMD et Seagate.

Ce modèle ne supprime pas les défis techniques : distribuer des GPU dans plusieurs sites complexifie réseaux, stockage, sécurité, maintenance et orchestration. De plus, toutes les charges d’IA ne peuvent pas nécessairement être fragmentées efficacement entre centres indépendants.

C’est pourquoi Antimatter concentre d’abord ses efforts sur l’inférence, où une architecture géographiquement distribuée a plus de chances d’être compétitive par rapport à l’entraînement synchronisé de modèles très volumineux.

Si les modèles open-weight continuent à gagner en qualité, cela pourrait mener à une infrastructure IA beaucoup plus diversifiée.

Le client pourrait choisir un modèle chinois, américain ou européen, l’exécuter sur du GPU NVIDIA ou AMD, et l’héberger dans une neocloud régionale, sans que toutes ces décisions soient obligatoirement prises chez le même fournisseur.

La compétition ne dépendra alors plus uniquement de la qualité du modèle, mais aussi de qui peut obtenir de l’électricité, déployer des GPU rapidement, et exécuter ces modèles au moindre coût.

Questions fréquentes

Qu’est-ce qu’Antimatter ?

Antimatter est une société d’infrastructure pour l’IA née de la fusion de Data Factory, Policloud et Hivenet. Elle combine énergie, centres de données modulaires et logiciels de cloud distribué, avec une attention particulière à l’inférence.

Antimatter concurrence-t-elle directement CoreWeave ?

Les deux évoluent sur le marché de l’infrastructure spécialisée pour l’IA, mais avec des architectures différentes. Antimatter mise notamment sur des installations modulaires distribuées proches des sources d’énergie.

Une entreprise européenne peut-elle utiliser un modèle chinois sans recourir à un cloud chinois ?

Oui, si le modèle propose des poids téléchargeables et si la licence le permet. Le modèle peut alors être hébergé sur une infrastructure propre ou d’un tiers en Europe.

Combien de GPU Antimatter souhaite-t-elle déployer ?

L’entreprise indique disposer actuellement de plus de 3 400 GPU et vise plus de 30 000 en 2027, puis plus de 300 000 en 2030. Ces chiffres pour 2027 et 2030 sont des objectifs annoncés, non des capacités encore en service.