Un rack GPU qui tombe en panne pendant cinq ou six heures peut coûter des millions de dollars. Pourtant, jusqu'à récemment, la seule façon de savoir ce qui arrivait à votre liquide de refroidissement était d'envoyer un échantillon au laboratoire et d'attendre. Présage IA a décidé de changer cette approche avec un petit spectromètre capable de faire le surveillance des liquides dans les centres de données en temps réel, interceptant la contamination bactérienne avant qu'elle ne devienne une urgence opérationnelle. La startup vient d'annoncer un Tour de série A de 31 millions de dollarsconfirmant que le marché commence à prendre le problème au sérieux.
Points clés
- Omen AI a développé un spectromètre compact pour la surveillance en temps réel des fluides de refroidissement dans les centres de données, remplaçant les tests lents en laboratoire.
- La contamination bactérienne dans les systèmes de refroidissement liquide peut forcer un rack à s'arrêter pendant cinq ou six heuresavec des dommages économiques potentiels de plusieurs millions.
- Le tour de série A de 31 millions de dollars a été dirigé par Nava Ventures, avec la participation de CRV, de l'Université Vanderbilt, de Mann+Hummel, de Starhill Holdings et de Hard Launch Capital.
- Omen AI fonctionne déjà avec une douzaine de clients dans le secteur des centres de données, notamment TensorWave, qui construit des infrastructures informatiques d'IA sur des puces AMD.
- Le fondateur Zach Laberge a lancé sa première startup en 2020 à seulement 14 ans ; Omen AI a été fondée en 2024.
Le spectromètre Omen AI pour les datacenters
L'appareil développé par Omen AI est petit, mais il résout un énorme problème. Installé directement dans le système de refroidissement liquide, il lit en permanence la composition chimique du fluide en circulation, signalant à l'avance la présence de bactéries, de métaux comme le cuivre ou le chrome – indicateurs de pompes usées – ou de silicium, indicateur de joints endommagés.
« Vous ne risquez pas un temps d'arrêt important car vous n'avez aucune visibilité sur ce qui se passe chimiquement », explique-t-il. Zach LabergePDG et fondateur d'Omen AI.
Comment ça marche et pourquoi il réussit les tests traditionnels
Jusqu'à présent, la pratique établie consistait à prélever des échantillons de fluides à intervalles réguliers et à les envoyer à des laboratoires externes pour analyse. Un processus lent, coûteux, et surtout aveugle aux événements qui se déroulent entre-temps : une contamination bactérienne peut devenir critique en quelques heures, alors que l'échantillon est encore en transit.
Le spectromètre Omen AI élimine cette fenêtre d’ignorance. Tirer parti des progrès récents dans technologies optiques et dans les logiciels de traitement du signal, rend l'analyse continue sur site économiquement viable. « Le matériel est suffisamment bon marché pour avoir du sens à grande échelle, et le traitement du signal nous permet ensuite d'extraire des informations utiles du bruit », a déclaré Laberge.
Le défi du refroidissement liquide dans les centres de données
La demande en informatique alimentée par l’IA pousse les gestionnaires de centres de données vers des configurations de plus en plus agressives. Plus de puces, plus de chaleur à dissiper, des systèmes de refroidissement de plus en plus sophistiqués.
Plus d'eau, plus de risques
Le liquide de refroidissement est généralement un mélange d'eau et de substances bactériostatiques. Augmenter le pourcentage d'eau améliore la capacité d'absorption de chaleur — utile lorsque l'on veut pousser les copeaux aux limites de leurs performances — mais diminue en même temps la protection contre la prolifération bactérienne. Le résultat est un fluide qui peut se boucher, bloquer le débit et nécessiter une purge complète du système.
Le coût opérationnel de la contamination bactérienne
En cas de contamination, l’intervention est radicale : vider et rincer tout le circuit. Une opération qui force le rack concerné à être éteint pendant cinq ou six heuresavec des pertes potentiellement de plusieurs millions de dollars pour les grands opérateurs. Le paradoxe est que la plupart des centres de données fonctionnent aujourd’hui presque aveuglément sur ce front, s’appuyant sur des contrôles périodiques plutôt que sur une visibilité continue.
C’est exactement cette lacune qu’Omen AI vise à combler. Et ce n'est pas le seul : Pyxis, une entreprise déjà établie dans le domaine de la surveillance de l'eau, a lancé ces dernières semaines son propre produit de surveillance des réfrigérants dans les centres de données, signalant que la catégorie se structure rapidement.
Croissance des entreprises, financement et partenariats stratégiques
L’histoire d’Omen AI est aussi l’histoire d’un fondateur. Laberge a lancé sa première entreprise en 2020, à l’âge de 14 ans, récoltant 3 millions de dollars pour installer des capteurs sur des machines de construction – et abandonnant ses études secondaires avec le soutien de ses parents, dont sa mère, ancienne ministre de l’Éducation de l’Ontario. Après la fermeture de cette startup, il a fondé Omen AI en 2024, en se concentrant sur les systèmes fluidiques industriels.
De Caterpillar aux centres de données
Le saut vers l’infrastructure numérique n’était pas acquis. Les concessionnaires Caterpillar – déjà clients pour la surveillance des véhicules lourds – ont servi de pont : Cat est également un fournisseur majeur de turbines à gaz et de générateurs pour l'alimentation sur site des centres de données. Il y a environ six mois, les concessionnaires ont commencé à se demander si Omen pouvait également étendre ses capacités aux bâtiments.
«Beaucoup de concessionnaires disaient : 'Nous commençons à installer des capteurs sur les turbines, pouvez-vous faire quelque chose également du côté des bâtiments?'», a déclaré Laberge. La réponse était oui – et le pivot a été rapide.
La tournée des 31 millions et la clientèle
Le financement annoncé conduit à 40 millions de dollars récoltés au total depuis la création d’Omen AI. La série A était dirigée par Nava Venturesavec la participation de CRV, de l'Université Vanderbilt, Mann+Hummel, Starhill Holdings et Hard Launch Capital, ainsi que des investissements personnels de dirigeants de Bridgestone, GM, Johnson Controls et TensorWave.
Cory Rellas, associé chez Nava Ventures et membre du conseil d'administration d'Omen, a expliqué la justification de l'investissement : « Il est rare de voir un si jeune fondateur jouir de la confiance des grandes entreprises dans un secteur en évolution lente. Une grande partie de notre diligence raisonnable a consisté en des présentations auprès de clients clés, qui ont rapidement validé leur approche. »
Les clients actifs incluent TensorWave, qui construit un cloud informatique IA sur des puces AMD. « Le fluide circulant à travers ces systèmes massifs est une variable critique dans laquelle la plupart des acteurs de l'industrie naviguent aveuglément », a déclaré Piotr Tomasik, président de TensorWave. « Omen voit l'avenir des infrastructures exactement comme nous. »
Le fait que les investisseurs et les clients se chevauchent – TensorWave apparaît sur les deux listes – en dit long sur le positionnement d'Omen : il ne s'agit pas d'un pari purement financier, mais d'une technologie que ceux qui travaillent dans l'informatique IA considèrent déjà comme pertinente pour leurs opérations quotidiennes. Avec la demande croissante de GPU et les charges thermiques de plus en plus intenses, la capacité de voir ce qui circule dans les tuyaux en temps réel pourrait devenir une exigence de base pour tout opérateur sérieux.
FAQ
Quel problème le spectromètre Omen AI résout-il dans les centres de données ?
Surveille l'état de votre liquide de refroidissement en temps réel, détectant la contamination bactérienne avant qu'elle ne puisse entraîner des perturbations opérationnelles coûteuses. Elle remplace la méthode traditionnelle d’envoi d’échantillons au laboratoire, qui laisse les responsables sans visibilité pendant des heures ou des jours.
Pourquoi la contamination bactérienne constitue-t-elle un risque dans les systèmes de refroidissement liquide ?
L'augmentation du pourcentage d'eau dans le liquide de refroidissement améliore l'absorption de la chaleur, mais réduit la protection antibactérienne. Les bactéries peuvent se développer, obstruer le flux et nécessiter une purge complète du système, entraînant l'arrêt du rack pendant cinq ou six heures.
Qui sont les principaux partenaires et clients d’Omen AI ?
Le cycle de série A a vu la participation de Nava Ventures et CRV en tant qu'investisseurs institutionnels. Les clients incluent les concessionnaires Caterpillar, qui ont facilité l'entrée dans le segment des centres de données, et TensorWave, qui construit une infrastructure informatique d'IA sur des puces AMD.
En quoi la surveillance Omen AI diffère-t-elle des tests de fluides traditionnels ?
Il offre une analyse continue sur site via un spectromètre compact, éliminant ainsi les temps d'attente pour les tests en laboratoire. La technologie exploite les progrès récents en matière d’optique et de traitement du signal pour rendre la surveillance économiquement viable à grande échelle.
Contenu créé avec l’aide de l’intelligence artificielle et de la révision éditoriale humaine.
Voir l’article original en italien
