Les « chuchoteurs d’atomes » qui résolvent un problème invisible de la chaîne d’approvisionnement IA
Quand on évoque les goulots d’étranglement qui freinent le déploiement de l’infrastructure IA, la conversation porte presque toujours sur trois sujets : la disponibilité des GPU, la capacité électrique et la fibre optique. La science des matériaux, elle, passe rarement dans le radar — et c’est précisément cette lacune qu’une startup basée à Londres et San Francisco, Orbital Industries, entend combler.
Orbital — fondée en 2022, anciennement connue sous le nom d’Orbital Materials avant un récent changement de marque — a finalisé une Série B de 50 millions de dollars en mai 2026. Plural est l’investisseur principal. NVentures, le fonds de capital-risque de NVIDIA, a participé aux côtés de Radical Ventures, Compound et Fly Ventures. Pour une équipe de 50 personnes qui n’a pas encore commercialisé de produit, ce tour représente un pari à conviction élevée. La présence de NVentures est le signal le plus révélateur : NVIDIA a un intérêt commercial direct à voir le refroidissement des data centers devenir moins cher, plus rapide et plus propre.
La thèse d’Orbital est la suivante : le tableau périodique contient environ 100 millions de composés théoriquement stables, mais l’humanité n’en a caractérisé que quelques centaines de milliers. L’essentiel de cet espace inexploré recèle des matériaux aux propriétés extraordinaires — supraconductivité à plus haute température, conductivité thermique bien supérieure aux liquides de refroidissement actuels, constantes diélectriques qui pourraient transformer l’encapsulation des puces. Le problème a toujours été le temps nécessaire pour explorer cet espace de façon expérimentale. Orbital affirme que l’IA peut comprimer ces délais de plusieurs décennies à quelques mois.
Ce que le modèle Orb d’Orbital Industries fait réellement
Au cœur de la technologie d’Orbital Industries se trouve un modèle d’IA de fondation baptisé Orb. Le PDG Jonathan Godwin décrit l’entreprise comme « verticalement intégrée » : Orb n’est pas un outil de recherche généraliste vendu sous licence à des tiers, mais un modèle propriétaire qu’Orbital utilise pour concevoir, simuler et finalement commercialiser de nouveaux composés en interne.
Selon le reportage de Fortune sur la Série B, Orb peut prédire et simuler le comportement mécanique quantique des atomes, en gérant des simulations de 100 000 atomes sur un seul GPU — un niveau qui nécessiterait normalement un cluster de supercalculateurs avec les méthodes conventionnelles de théorie de la fonctionnelle de la densité. Le modèle tourne environ dix fois plus vite que les alternatives à précision équivalente. Cette combinaison d’échelle et de vitesse permet à Orbital de boucler la boucle : générer un composé candidat, simuler son comportement dans l’application cible, rejeter ou affiner, et itérer — le tout dans un budget de calcul accessible à une startup.
Le premier résultat concret de ce pipeline est un liquide de refroidissement conçu spécifiquement pour les data centers GPU. Les fluides de refroidissement traditionnels font l’objet d’un contrôle réglementaire strict : les options historiquement les plus efficaces reposaient sur des PFAS — substances per- et polyfluoroalkylées, les « produits chimiques éternels » qui persistent dans l’environnement et font l’objet de restrictions de plus en plus sévères dans l’UE et aux États-Unis. Concevoir une alternative sans PFAS aux performances thermiques comparables prenait normalement une décennie et coûtait dans la fourchette de 100 millions de dollars. Orbital a réalisé ce travail en quelques mois. La commercialisation est prévue pour 2027, ce qui ferait de ce produit — selon le propre cadrage de l’entreprise — la première molécule conçue par IA à atteindre le marché commercial.
En parallèle du liquide de refroidissement, Orbital développe un système de data center modulaire déployable en six mois, contre trois ans pour les constructions hyperscale conventionnelles. Cette double offre positionne Orbital non plus comme un simple fournisseur de matériaux, mais comme un facilitateur d’infrastructure verticalement intégré.
Publicité
Pourquoi les capital-risqueurs misent maintenant sur les matériaux deeptech
Le calendrier de cette levée n’est pas anodin. L’investissement mondial en capital-risque a atteint 56 milliards de dollars en avril 2026, soit une hausse de 100 % en glissement annuel par rapport aux 26 milliards d’avril 2025, avec l’IA capturant 66 % des investissements mondiaux. Dans cette enveloppe IA, les paris orientés infrastructure — semi-conducteurs, data centers et systèmes physiques associés — ont attiré 1,8 milliard de dollars en avril seulement. L’appétit général pour les paris « pelles et pioches » dans l’IA ne fait aucun doute.
Ce qui distingue la levée d’Orbital, c’est l’angle science des matériaux. Jusqu’en 2024, la grande majorité des dollars venture IA allait aux entreprises de modèles, aux logiciels de couche applicative et à l’infrastructure adjacente aux GPU. Selon le suivi des financements IA de Qubit Capital, l’IA a capturé environ un tiers de tout l’investissement venture mondial en 2024, avec des investissements privés américains dans l’IA atteignant 109,1 milliards de dollars — loin devant le Royaume-Uni (4,5 milliards) et la Chine (9,3 milliards). Pourtant, au sein de cette immense réserve de capitaux, la science des matériaux est restée marginale.
Cela change désormais pour une raison structurelle : les contraintes physiques du passage à l’échelle du calcul IA deviennent indéniables. La distribution d’énergie, la gestion thermique et les délais de construction des sites sont les trois points de friction les plus cités dans l’expansion hyperscale. Chacun d’eux a une dimension matériaux : des diélectriques dans le matériel de distribution d’énergie aux matériaux d’interface thermique entre puce et dissipateur, en passant par les composés structurels des constructions modulaires préfabriquées. Le choix de NVIDIA d’investir via NVentures est l’aveu explicite que la feuille de route GPU n’est pas plus rapide que la chaîne d’approvisionnement en matériaux qui la soutient.
Ce que les fondateurs et dirigeants tech devraient surveiller
1. Suivre les matériaux conçus par IA comme nouvelle catégorie d’investissement avec ses propres signaux
La levée d’Orbital n’est pas un cas isolé. Elle est le premier signe d’une catégorie qui va attirer des capitaux croissants sur les 24 à 36 prochains mois, à mesure que les hyperscalers se heurtent aux limites physiques des options matériaux existantes. Les fondateurs et DSI qui comprennent cette catégorie tôt repéreront des opportunités de partenariat, d’approvisionnement et de compétition avant qu’elles ne deviennent évidentes.
Concrètement, surveillez les levées de fonds dans trois sous-secteurs adjacents : les composés de gestion thermique (l’espace qu’Orbital est en train d’investir), les diélectriques avancés pour l’électronique de puissance (directement pertinents pour les alimentations des serveurs IA et l’infrastructure de charge pour véhicules électriques), et les composites structurels pour la construction modulaire (le délai de déploiement de six mois qu’Orbital vise exige de nouveaux matériaux pour les panneaux préfabriqués). Lorsque vous repérez deux ou plusieurs des fonds Plural, Fly Ventures et Balderton dans le même tour de table, la thèse atteint le stade du consensus. La vague IA pour la science crée aussi une opportunité indirecte pour les fondateurs SaaS : la pile logicielle de simulation et de gestion d’expériences pour les laboratoires de matériaux est largement héritée — un marché B2B viable à mesure que des modèles comme Orb font leurs preuves.
2. Comprendre les implications pour l’approvisionnement matériel et les délais de construction
Si le liquide de refroidissement d’Orbital atteint la commercialisation en 2027 comme prévu, il arrivera au moment précis où de nombreux projets de data centers d’entreprises de taille intermédiaire franchissent le seuil entre planification et construction. Les équipes achats qui ne suivent pas les chimies de refroidissement alternatives se retrouveront face à un choix binaire : les fluides PFAS-adjacents qu’elles connaissent, ou un nouvel entrant inconnu avec un historique terrain limité.
Le conseil pratique est de commencer dès maintenant à surveiller la trajectoire réglementaire des fluides de refroidissement PFAS. La proposition de restriction PFAS de l’UE couvre une large classe de composés fluorés utilisés dans le refroidissement par immersion ; l’EPA américaine resserre les seuils de déclaration. Les sites verrouillant des contrats de refroidissement à long terme en 2026 et 2027 pourraient se retrouver à renégocier dans quelques années si le plancher réglementaire se déplace. Intégrer de la flexibilité dans les contrats d’approvisionnement — notamment des clauses autorisant la substitution à des alternatives de performance équivalente sans pénalité — est une action à court terme à valeur asymétrique. Sur le délai de déploiement modulaire de six mois, l’implication pour la planification d’entreprise est tout aussi concrète : si Orbital ou un concurrent peut livrer un module de data center certifié et opérationnel en six mois, le délai de construction conventionnel de 36 mois devient un désavantage compétitif dans les appels d’offres.
3. Identifier où la deeptech et la science des matériaux croisent votre propre feuille de route produit
La plupart des feuilles de route technologiques traitent le matériel comme une donnée. Le CPU, la mémoire, l’interconnexion, la boucle de refroidissement — considérés comme des constantes, des variables d’approvisionnement à optimiser sur prix et disponibilité plutôt que des inputs pouvant eux-mêmes être reconçus. La thèse d’Orbital remet directement en question cette hypothèse : si l’IA peut concevoir de nouveaux matériaux en quelques mois plutôt qu’en décennies, les propriétés du substrat physique sur lequel votre produit fonctionne ne sont plus figées.
Pour les fondateurs qui construisent des produits adjacents au matériel — robotique, systèmes autonomes, edge computing, IoT industriel — c’est une ouverture. Un matériau d’interface thermique à 30 % de conductivité supérieure change l’enveloppe thermique d’un actionneur robotique. Un diélectrique à plus faibles pertes change la conception d’antenne d’un module 5G. Un composite structurel à meilleur rapport rigidité/poids change la charge utile d’un véhicule de livraison autonome. L’étape actionnable pour les leaders techniques est d’ajouter la « chaîne d’approvisionnement matériaux » au brief de veille standard qui alimente la stratégie produit — et de désigner un membre de l’équipe de direction technique pour suivre les actualités de financement IA-pour-la-science et les traduire en briefings produit trimestriels. Le délai entre une percée matériaux et sa disponibilité commerciale est typiquement de 18 à 36 mois.
L’ère du nouveau goulot d’étranglement infrastructurel
Le récit autour de l’infrastructure IA a été dominé par quelques contraintes très visibles : les files d’attente d’allocation GPU de NVIDIA, les accords d’approvisionnement en mégawatts que les hyperscalers signent avec les services publics, et les lacunes en capacité fibre dans les marchés émergents. Ces contraintes sont réelles — mais elles sont aussi relativement lisibles : le marché les connaît, les investisseurs financent des solutions, et la conversation réglementaire a suivi.
La science des matériaux se situe dans une catégorie différente : une contrainte tellement enchâssée dans la couche physique de la pile qu’elle a été pratiquement invisible pour la communauté d’investissement technologique. La chimie du refroidissement est décidée par des ingénieurs de site travaillant à partir des normes ASHRAE, pas par des DSI ou des capital-risqueurs. Les composites structurels sont spécifiés par des architectes et des entreprises générales, pas par des chefs de produit. Ce manque de visibilité a signifié un manque d’urgence — jusqu’à ce que la vague réglementaire PFAS et la pression sur les délais de construction des data centers combinées rendent le statu quo intenable.
La Série B de 50 millions de dollars d’Orbital Industries, soutenue à la fois par un fonds deeptech européen généraliste (Plural) et par le propre fonds de capital-risque de NVIDIA, est le signal le plus clair à ce jour que la communauté d’investissement technologique commence à traiter les matériaux comme un problème d’infrastructure de premier plan. Si leur liquide de refroidissement atteint le marché en 2027 en tant que première molécule commercialement déployée conçue par IA, cela marquera une transition de phase — de l’IA comme outil de conception de logiciels à l’IA comme outil de conception du monde physique sur lequel ces logiciels fonctionnent.
Questions Fréquentes
Que fait réellement le modèle IA Orb d’Orbital Industries ?
Orb est un modèle d’IA de fondation qui prédit et simule le comportement mécanique quantique des atomes. Il peut modéliser 100 000 atomes sur un seul GPU et tourne environ dix fois plus vite que les alternatives conventionnelles. Orbital utilise Orb en interne pour cribler rapidement des composés candidats et identifier ceux dont les propriétés correspondent aux applications visées — en commençant par un fluide de refroidissement sans PFAS pour les data centers GPU.
Pourquoi NVentures de NVIDIA investit-il dans une startup de science des matériaux ?
La feuille de route commerciale de NVIDIA dépend d’améliorations continues de la gestion thermique des data centers et de la réduction des délais de construction. Un fluide de refroidissement plus efficace thermiquement et conforme aux réglementations réduit directement le coût opérationnel et le risque de conformité des data centers faisant tourner des GPU NVIDIA. En investissant via NVentures, NVIDIA obtient une visibilité précoce sur une technologie pouvant devenir un input stratégique pour son écosystème.
Quand le liquide de refroidissement conçu par IA d’Orbital sera-t-il commercialement disponible ?
Orbital Industries vise une commercialisation de son liquide de refroidissement sans PFAS en 2027. Si ce calendrier est respecté, l’entreprise affirme que ce serait la première fois qu’une molécule conçue par IA serait commercialement déployée — une étape significative pour l’ensemble du domaine de l’IA pour la science.
Sources et lectures complémentaires
🔗 Intelligence Connexe
L’informatique orbitale : les startups qui transportent les centres de données dans
La Série C de 2 Md$ de Nscale à 14,6 Md$ : la plus grande levée d’infrastructure IA européenne
Des baies à 1 MW : comment l’IA force une refonte totale de la conception des centres de données
Skyroot Aerospace : La Première Licorne Spatiale Indienne et le Tour à 60 M$ Qui a Réécrit les Règles
