Le financement de Delos Data mobilise 100 millions de dollars pour un nouveau pari sur les réseaux d’IA

Delos Data a levé plus de 100 millions de dollars pour s’attaquer à un problème coûteux au sein des centres de données d’IA : des processeurs qui perdent du temps à attendre des données. Ce tour de financement de Delos Data soutient des puces, des logiciels et des conceptions de systèmes destinés à connecter des ensembles de matériel d’IA de plus en plus hétérogènes.

La startup ne propose pas simplement un câble plus rapide. Elle veut coordonner le déplacement des données entre accélérateurs, mémoire, stockage, commutateurs et liaisons optiques. Son approche remet ainsi en question des infrastructures conçues autour de plateformes de calcul étroitement intégrées.

Nvidia reste le point de comparaison le plus évident. Ses GPU, ses connexions NVLink, ses produits réseau et ses logiciels forment une pile technologique coordonnée, déjà déployée avec succès. Delos Data parie que l’infrastructure d’inférence deviendra trop hétérogène pour qu’une architecture centrée sur un seul fournisseur puisse répondre à tous les déploiements.

C’est un pari ambitieux pour une entreprise fondée en 2025. Cela explique aussi pourquoi les investisseurs placent des capitaux importants derrière cette idée avant que Delos n’ait fourni de larges résultats de performances vérifiés de manière indépendante.

Le tour de financement de Delos Data soutient une approche système complète

L’investissement donne à Delos Data les moyens de développer plusieurs produits interdépendants, et pas seulement une puce réseau autonome.

Delos a annoncé ce financement le 15 septembre 2026. Son annonce de financement cite Matrix, Playground, Socratic Partners, Capricorn’s Technology Impact Fund, Matter Venture Partners et IAG parmi les investisseurs.

Reuters a également nommé DYNAMIQ parmi les participants. L’agence de presse a décrit l’entreprise comme une startup fondée par des anciens d’Intel, qui développe des puces et des logiciels pour déplacer les données au sein des centres de données d’IA.

Socratic Partners a indiqué avoir mené la série A. Selon la société d’investissement, Christian Gallagher, general partner et cofondateur, rejoindra le conseil d’administration de Delos Data.

L’entreprise indique qu’elle utilisera ces fonds pour agrandir ses équipes d’ingénierie matérielle et logicielle. Elle prévoit également d’accélérer le développement de ses produits et ses ventes. Ces objectifs comptent, car Delos tente de fournir des composants couvrant plusieurs couches de la pile d’infrastructure.

Le portefeuille s’appelle Nonstop AI. Il comprend une interface de données, une architecture de serveur, une conception de cluster, un logiciel de gestion et une architecture de référence reliant ces éléments.

Une architecture de référence est un plan de système documenté qui montre comment les composants doivent fonctionner ensemble. Elle peut réduire le travail d’intégration, mais ne constitue pas l’équivalent d’un système commercial largement déployé.

La nouvelle Nonstop AI Data Interface constitue la pièce maîtresse matérielle. Delos prévoit de la proposer sous forme de chiplet d’E/S, de composant optique proche du boîtier et de carte d’extension.

Un chiplet d’E/S est un petit composant en silicium qui ajoute de la connectivité à un boîtier de processeur plus vaste. L’optique proche du boîtier place la communication optique à proximité du silicium de calcul, réduisant la distance électrique que les données doivent parcourir.

La version sous forme de carte offre une voie de déploiement plus conventionnelle. Elle permettrait à un constructeur de systèmes d’ajouter la technologie sans repenser le boîtier d’un accélérateur.

Delos affirme que ces formats peuvent connecter des GPU, d’autres accélérateurs, des CPU, du stockage flash et de la mémoire. L’objectif plus large est de créer un domaine unique et géré de déplacement des données entre différents types de terminaux.

Cette ambition distingue la proposition de réseau d’IA de Delos Data d’un simple produit d’interface. L’entreprise veut influencer simultanément le packaging silicium, les serveurs, les clusters, les logiciels et la gestion opérationnelle.

Cette vaste portée crée aussi un risque d’exécution. Chaque terminal pris en charge, support physique et topologie réseau ajoute un parcours d’intégration supplémentaire que les ingénieurs doivent tester.

Le financement modifie donc bien plus que le solde bancaire de l’entreprise. Il finance une tentative de prouver qu’un fournisseur indépendant peut coordonner une infrastructure allant d’un boîtier de puce à un grand cluster.

Le tour donne également à Delos le temps d’échanger avec des clients potentiels avant que son architecture ne devienne largement disponible. Sur les marchés de l’infrastructure, les choix de conception peuvent enfermer les clients dans une plateforme pendant plusieurs générations de matériel.

L’accès anticipé aux équipes d’ingénierie devient donc particulièrement important. Un hyperscaler ou un concepteur d’accélérateurs doit évaluer une interconnexion bien avant que le système de production qui en résulte n’arrive dans un centre de données.

Le tour de 100 millions de dollars offre à Delos une occasion sérieuse de participer à ces évaluations. Il ne garantit pas que sa technologie y résistera.

Pourquoi le matériel d’IA mixte crée une ouverture pour les réseaux

Delos cible l’écart entre des processeurs d’IA toujours plus diversifiés et les réseaux censés les maintenir actifs.

Les premiers déploiements d’IA générative se concentraient souvent sur l’entraînement de grands modèles avec des groupes homogènes de GPU Nvidia. Répéter un composant bien maîtrisé simplifiait le choix du matériel, la mise en réseau et la prise en charge logicielle.

L’inférence modifie la charge de travail. L’inférence est le processus consistant à exécuter un modèle entraîné afin de générer des réponses, des prédictions ou des actions pour les utilisateurs.

Les applications agentiques compliquent davantage la situation. Un agent d’IA peut effectuer des appels répétés à des modèles, récupérer des informations, utiliser des outils et conserver un état tout en accomplissant une tâche en plusieurs étapes.

Ces applications ne mobilisent pas nécessairement un groupe identique de GPU selon un schéma de communication prévisible. Elles peuvent répartir le travail entre accélérateurs, CPU, pools de mémoire, systèmes de stockage et plusieurs modèles.

Reuters a rapporté que des alternatives proposées par AMD et Cerebras ont gagné du terrain à mesure que les centres de données accordent davantage d’attention à l’inférence. Nvidia propose lui-même plusieurs types de processeurs pour différents usages.

Un choix plus large de processeurs peut améliorer le coût, la disponibilité ou l’adéquation à une charge de travail. Il oblige aussi les opérateurs d’infrastructure à connecter des composants qui n’ont pas été conçus comme un système intégré.

Delos appelle ce mélange MoXI, pour mixture of interconnects, accelerators, memory, storage, physical layers, topologies, networks, and models. Cette appellation est propriétaire, mais le problème d’intégration sous-jacent est réel.

Lorsqu’un processeur attend des paramètres, des données mises en cache ou des résultats provenant d’un autre appareil, ses coûteuses unités arithmétiques restent sous-exploitées. La consommation électrique se poursuit même lorsque le calcul utile ralentit.

Pat Gelsinger, ancien PDG d’Intel et désormais partenaire de Playground, a présenté le problème simplement dans les détails du financement. Des ordinateurs incapables de communiquer efficacement deviennent du matériel chaud qui consomme de l’énergie en attendant, a-t-il déclaré à Reuters.

Le PDG de Delos, Ed Doe, et son directeur technologique, Dan Daly, apportent une expérience pertinente à cet argument. Tous deux ont travaillé dans les réseaux et le silicium avant de fonder l’entreprise de Palo Alto.

Leurs parcours comprennent Intel et Barefoot Networks, l’entreprise de réseaux programmables acquise par Intel en 2019. La couverture sectorielle relie également l’équipe à Broadcom, Fulcrum Microsystems et à plusieurs initiatives d’interconnexion ouvertes.

Cette expérience compte, car les performances d’un cluster d’IA impliquent bien plus que la bande passante brute. Les ingénieurs doivent maîtriser la congestion, la latence, le routage, les opérations collectives, les défaillances et la visibilité logicielle.

La bande passante mesure la quantité de données qu’une connexion peut transporter. La latence mesure le temps nécessaire pour qu’un transfert commence ou se termine. Un système peut afficher une bande passante élevée tout en offrant de mauvaises performances en cas de congestion ou de petits transferts fréquents.

La fiabilité devient plus difficile à assurer à mesure que les clusters grandissent. Davantage de processeurs, de commutateurs, de câbles et de composants optiques créent davantage de possibilités de défaillance d’une liaison ou d’un terminal.

Les tâches d’entraînement peuvent enregistrer leur progression et redémarrer après certaines défaillances. Les agents destinés aux utilisateurs sont soumis à une exigence différente, car les réponses retardées ou perdues affectent directement une application.

Delos soutient que les infrastructures existantes ont été construites autour de charges de travail de cloud antérieures, de calcul haute performance ou d’entraînement. Son système commence par le déplacement des données pour une inférence hétérogène et persistante.

Cette thèse offre à l’entreprise une ouverture opportune. Elle ne prouve pas que les clients ont besoin d’une architecture entièrement nouvelle plutôt que de versions améliorées des réseaux existants.

Comment Delos Nonstop AI est censé déplacer les données

Delos Nonstop AI considère le réseau comme une couche système active qui coordonne les terminaux, plutôt que comme un ensemble de liaisons indépendantes.

L’architecture de l’entreprise combine des interfaces matérielles avec un logiciel qui observe et gère le cheminement des données. Son objectif est de déplacer les informations entre le calcul, la mémoire et le stockage tout en masquant une partie de la complexité sous-jacente.

Daly a résumé la stratégie avec prudence dans son entretien avec Reuters. Il a déclaré que l’entreprise ne sait pas quelle architecture d’infrastructure dominera l’IA agentique, mais qu’elle entend fournir un moyen rapide de déplacer les données.

Cette incertitude est au cœur de la conception. Plutôt que de supposer qu’un accélérateur, une technologie de liaison ou une topologie s’imposera, Delos construit son offre autour de déploiements mixtes.

L’interface de données donne aux terminaux un moyen d’entrer dans ce domaine géré. Selon la description produit de l’entreprise, elle sera proposée sous trois formes physiques.

Le chiplet pourrait être intégré dans un boîtier d’accélérateur et offrir l’intégration la plus étroite. Delos indique que cette version peut fournir 30 térabits par seconde de bande passante.

Ce chiffre est une spécification de l’entreprise, et non un benchmark reproduit de manière indépendante. L’intégration du chiplet exigerait également la coopération du concepteur de processeur avant la fabrication.

L’optique proche du boîtier offre une autre voie. Rapprocher les composants optiques du processeur peut réduire la longueur de la liaison électrique tout en prenant en charge les communications au-delà d’un serveur.

La version sous forme de carte devrait nécessiter moins de coordination au niveau du silicium. Toutefois, les connexions par carte se heurtent à leurs propres limites liées aux interfaces hôtes, à la conception des cartes, à l’alimentation, au refroidissement et à l’espace physique.

Delos associe l’interface à son Nonstop AI Server. L’entreprise le décrit comme une conception de serveur scale-up désagrégée.

La mise en réseau scale-up relie les accélérateurs suffisamment étroitement pour que le logiciel puisse les traiter comme un domaine de calcul unique et plus vaste. La mise en réseau scale-out connecte des serveurs ou racks distincts au sein d’un cluster plus large.

La désagrégation permet aux opérateurs de composer des systèmes à partir de pools séparés de calcul, de mémoire ou de stockage. Elle peut améliorer la flexibilité, même si chaque séparation entraîne des déplacements de données supplémentaires.

Delos propose également Nonstop AI Clusters et le logiciel Mosaic. Mosaic surveille le comportement des communications et vise à identifier les goulets d’étranglement dans un domaine scale-up.

Lors du Computex en mai 2026, Delos a présenté une démonstration de Mosaic surveillant des charges de travail d’IA. L’entreprise a indiqué que des déploiements logiciels à accès anticipé étaient disponibles pour certains clients, avec une disponibilité plus large prévue au quatrième trimestre.

Le dernier lancement ajoute une architecture de référence reliant ces éléments. Delos affirme que cette conception cible des clusters contenant des centaines de milliers d’appareils, plutôt qu’un seul rack ou un petit groupe.

Elle affirme que l’interface de données peut offrir une latence dix fois plus faible et une efficacité dix fois supérieure. Une autre déclaration de l’entreprise évoque des améliorations décuplées des performances, de la résilience et de l’échelle.

Ces chiffres doivent être interprétés avec prudence. Delos n’a pas publié suffisamment de données de test indépendantes pour établir les références de base, les charges de travail, les configurations ou les conditions de défaillance derrière chaque comparaison.

« Dix fois » peut vouloir dire différentes choses lorsqu’une même conception modifie simultanément le matériel, les logiciels, la topologie et le placement des charges de travail. Les acheteurs auront besoin de résultats au niveau des composants comme du système.

L’entreprise affirme également que le système peut réduire le coût par jeton et améliorer le nombre de jetons par watt. Ce sont des mesures opérationnelles utiles, car elles relient le comportement de l’infrastructure à la production et à la consommation d’énergie.

Pourtant, ces deux métriques dépendent du modèle, de la taille des lots, de la précision, de l’objectif de latence, de l’utilisation des processeurs et des hypothèses sur l’électricité. Un résultat favorable sur une charge de travail ne se transpose pas automatiquement à une autre.

Delos Nonstop AI, expliqué au niveau du système, est donc une proposition de coordination. Il vise à maintenir la productivité de processeurs variés en contrôlant l’ensemble du cheminement de leurs données.

Le mécanisme est plausible. La question non résolue est de savoir si Delos peut fournir un bénéfice suffisamment mesurable pour justifier l’ajout d’une couche d’infrastructure supplémentaire.

Le principal affrontement oppose intégration et flexibilité

Delos ne rivalise pas avec un seul câble ou commutateur ; il défie les plateformes étroitement intégrées avec une couche de coordination indépendante du matériel.

Nvidia démontre les avantages de l’intégration. L’entreprise développe des accélérateurs, NVLink, NVSwitch, des adaptateurs réseau, des commutateurs, des logiciels de gestion, des bibliothèques et des modèles optimisés.

L’entreprise décrit NVLink comme une interconnexion GPU directe et bidirectionnelle. Les systèmes actuels l’utilisent pour créer un domaine de communication à large bande passante entre plusieurs accélérateurs.

Cette approche réduit le nombre de fournisseurs responsables des performances du système. Nvidia peut coordonner le comportement des processeurs, les fonctions des commutateurs, les bibliothèques logicielles et les systèmes de référence.

L’intégration offre également aux clients un parcours d’assistance clair. Lorsque chaque composant majeur provient d’un même fournisseur de plateforme, moins d’organisations peuvent se rejeter mutuellement la responsabilité d’un problème de performances.

Le compromis porte sur le choix. Un opérateur de centre de données souhaitant combiner des GPU Nvidia avec des accélérateurs AMD, des processeurs personnalisés ou des puces d’inférence spécialisées a besoin de connexions en dehors d’un domaine propriétaire unique.

Nvidia a répondu en étendant sa plateforme. NVLink Fusion permet à des partenaires de combiner certains processeurs personnalisés avec la technologie d’interconnexion et le silicium de commutation de Nvidia.

Cette réponse affaiblit l’argument simpliste selon lequel les clients doivent choisir entre un système exclusivement Nvidia et une alternative entièrement ouverte. Nvidia peut proposer une personnalisation contrôlée tout en préservant une grande partie de son architecture intégrée.

Les normes industrielles ouvertes créent une autre voie concurrentielle. Le consortium UALink promeut une connexion scale-up ouverte pour les accélérateurs d’IA.

Le consortium a été constitué en 2024 et a publié sa première spécification publique en 2025. Son objectif déclaré est de permettre à un écosystème industriel de construire des connexions compatibles entre accélérateurs.

Pour les communications entre des clusters plus vastes, l’Ultra Ethernet Consortium a publié la Spécification 1.0 en juin 2025. Elle adapte l’écosystème Ethernet largement déployé à l’IA et au calcul haute performance.

Ces projets affaiblissent l’idée selon laquelle les fournisseurs de réseau existants ignorent les charges de travail d’IA. Ils créent également des normes que Delos peut prendre en charge plutôt que remplacer.

Des dirigeants de Delos ont participé à des travaux liés à Ultra Ethernet et UALink. L’entreprise présente son architecture comme un moyen de coordonner ces liens et d’autres technologies à l’échelle d’un système complet.

C’est ici que la thèse de Delos Data sur le réseau pour l’IA devient plus intéressante. Elle n’exige pas que Delos surpasse chaque norme ou connexion physique.

L’entreprise doit plutôt devenir la couche qui permet à plusieurs d’entre elles de fonctionner efficacement ensemble. Sa valeur viendrait de la composition, de la visibilité, de la résilience et du déplacement de données adapté aux charges de travail.

Cette position comporte un risque stratégique. Les normes et les plateformes établies peuvent absorber des fonctions similaires, laissant moins de place à une couche de coordination indépendante.

Les fournisseurs de commutateurs Ethernet ajoutent déjà du contrôle de congestion, de la télémétrie, de l’équilibrage de charge et des fonctions propres aux charges de travail. Les fournisseurs d’accélérateurs peuvent intégrer directement des moteurs de communication dans leurs processeurs.

Les fournisseurs de cloud peuvent également créer des logiciels d’infrastructure sur mesure. Leur échelle justifie des investissements d’ingénierie que des clients plus modestes ne peuvent pas réaliser.

Delos doit donc prouver davantage que l’interopérabilité. Il doit démontrer que ses puces et ses logiciels produisent des résultats que les concurrents ne peuvent pas égaler par des améliorations incrémentales.

La meilleure opportunité se situe chez les clients qui ont réellement besoin d’une infrastructure hétérogène. Ces acheteurs pourraient associer plusieurs familles d’accélérateurs en raison de l’approvisionnement, des exigences des modèles ou de programmes internes de silicium.

Un déploiement Nvidia homogène répond à un calcul différent. Si sa charge de travail fonctionne déjà bien, l’ajout d’une interface indépendante et d’une couche de gestion pourrait créer de la complexité sans apporter suffisamment d’avantages.

Cette distinction devrait orienter l’adoption. Delos n’a pas besoin que chaque cluster d’IA devienne hétérogène, mais il lui faut suffisamment de grands acheteurs qui privilégient la flexibilité à la simplicité d’une plateforme unique.

Ce que les affirmations sur les performances ne montrent pas encore

Le financement valide l’intérêt des investisseurs, mais ne valide pas indépendamment les affirmations de Delos Data concernant la latence, l’efficacité, la résilience ou l’économie.

Delos a publié plusieurs objectifs frappants. Ils incluent une latence dix fois inférieure, une efficacité dix fois supérieure et des domaines de terminaux nettement plus vastes.

L’entreprise prévoit également que la demande de jetons pour l’inférence IA augmentera d’environ 300 fois d’ici 2030. Elle affirme que l’inférence agentique représentera la majeure partie de cette hausse.

Cette projection explique l’urgence de son récit. Elle ne doit pas être considérée comme une courbe de demande garantie sans méthodologie divulguée ni confirmation indépendante.

La même prudence s’applique aux comparaisons de performances. Une évaluation crédible doit identifier le système concurrent, les générations de composants, la topologie, la charge de travail, la version logicielle et la méthode de mesure.

Les résultats de latence exigent des distributions, et pas seulement des moyennes. Un système servant des agents interactifs doit maîtriser les valeurs aberrantes lentes, car une dépendance retardée peut bloquer une réponse entière.

Les résultats d’efficacité exigent aussi des périmètres clairs. Une mesure peut couvrir uniquement le silicium réseau, un serveur complet ou l’ensemble du cluster.

L’énergie consommée par les modules optiques, les commutateurs, les équipements de refroidissement et les accélérateurs inactifs peut modifier sensiblement le résultat. Exclure une catégorie peut faire paraître deux systèmes plus différents qu’ils ne le sont.

La résilience exige des tests de défaillance. Les acheteurs doivent voir comment la plateforme gère une liaison, un commutateur, une interface, un composant optique ou un terminal défaillant alors que les charges de travail restent actives.

Le temps de récupération est aussi important que la récupération elle-même. Un réseau qui redirige finalement le trafic peut tout de même ne pas respecter les exigences de temps de réponse d’un service d’IA interactif.

L’échelle introduit un autre problème de vérification. Une démonstration en laboratoire ne peut pas reproduire tous les schémas de congestion ou toutes les défaillances de composants présents dans un cluster contenant des milliers d’accélérateurs.

Delos affirme que son architecture peut aller bien au-delà d’une baie. Les clients auront besoin de preuves que la surcharge de gestion et la latence de queue restent maîtrisées à mesure que le réseau grandit.

Ils devront également savoir quelles parties sont livrées. Une architecture de référence, un aperçu logiciel, une carte prototype, un chiplet concédable sous licence et un dispositif qualifié pour la production représentent des niveaux de maturité très différents.

La fenêtre de disponibilité prévue au quatrième trimestre offre un premier test. Delos devrait préciser quels produits seront largement disponibles, en quelles quantités et avec quels processeurs pris en charge.

La divulgation de clients fournirait un autre signal utile. Des déploiements nommés, même limités, montreraient que des équipes d’ingénierie externes ont commencé à intégrer la technologie.

Toutefois, un logo client seul ne prouverait pas une utilisation en production. Les preuves les plus solides incluraient l’échelle déployée, le type de charge de travail, les gains mesurés et la durée d’exploitation.

La fabrication constitue une autre incertitude. Le silicium réseau doit passer de la conception à la fabrication, à l’encapsulation, à la validation et à la qualification système.

La stratégie à trois formats multiplie ces parcours. Les chiplets nécessitent des partenaires processeurs, les composants optiques nécessitent des partenaires d’encapsulation et d’optique, et les cartes exigent une qualification serveur.

Le logiciel ne peut pas être séparé de ce travail. Mosaic doit observer les terminaux de plusieurs fournisseurs et fournir un contrôle utile sans devenir un nouveau goulot d’étranglement opérationnel.

La sécurité mérite également de l’attention. Une couche disposant de visibilité sur le trafic de calcul, de mémoire et de stockage occupe une position sensible au sein du centre de données.

Delos devra proposer des contrôles clairs d’isolation, d’authentification, de mise à jour du firmware et de télémétrie. Les acheteurs devraient exiger ces détails avant d’accorder à la plateforme un vaste accès opérationnel.

Aucune de ces questions ne réfute l’architecture. Elles identifient les preuves nécessaires pour faire passer Delos Nonstop AI d’une thèse d’ingénierie crédible à un produit éprouvé.

Le financement fournit les ressources nécessaires à cette transition. Il élève également les attentes, car l’entreprise dispose désormais de suffisamment de capital pour faire face à une validation plus exigeante.

Trois signaux détermineront si le pari fonctionne

Le prochain test n’est pas une nouvelle annonce de financement ; il consiste à savoir si Delos transforme son architecture en déploiements mesurés, pris en charge et reproductibles.

Le premier signal est la disponibilité étendue des produits au cours du quatrième trimestre 2026. Delos avait précédemment indiqué qu’un accès plus large suivrait ses premiers déploiements logiciels.

Les acheteurs devraient surveiller quels composants sont effectivement livrés. La disponibilité de Mosaic seul aurait moins de poids que des cartes de production, des composants optiques qualifiés ou un partenaire chiplet engagé.

Un lancement avec des combinaisons matérielles prises en charge renforcerait l’affirmation de l’entreprise selon laquelle elle peut coordonner une infrastructure hétérogène. Un retard ou un aperçu limité l’affaiblirait.

Le deuxième signal est la publication de benchmarks reproductibles. Delos devrait publier les configurations, les charges de travail, les références, les distributions de latence, les périmètres de puissance et le comportement en cas de défaillance qui sous-tendent ses affirmations phares.

Des tests indépendants compteraient davantage qu’une nouvelle démonstration contrôlée par l’entreprise. Des résultats sur plusieurs types d’accélérateurs testeraient directement l’argument de flexibilité de l’architecture.

Des benchmarks ne montrant des gains que dans une topologie soigneusement sélectionnée réduiraient l’opportunité. Des résultats couvrant des modèles d’inférence, des tailles de lots et des conditions de défaillance renforceraient une thèse plus large.

Le troisième signal est un client de production ou partenaire silicium nommé. Un hyperscaler, un concepteur d’accélérateurs, un fabricant de serveurs ou un grand opérateur d’IA fournirait une validation externe significative.

Les meilleures preuves identifieraient l’objectif et l’échelle du déploiement. Un fournisseur de processeurs intégrant le chiplet Delos serait particulièrement significatif, car cette décision intervient avant la fabrication du silicium.

Une évaluation limitée ne doit pas être confondue avec une adoption en production. Elle montrerait néanmoins si des ingénieurs externes considèrent la conception suffisamment mature pour un travail de qualification coûteux.

Les réponses des concurrents comptent comme contexte complémentaire. Nvidia, les participants à UALink, les fournisseurs Ethernet et d’autres start-up du réseau continueront d’améliorer leurs propres produits.

Pourtant, Delos ne gagne pas simplement parce que l’infrastructure hétérogène se développe. Il ne gagne que si les clients choisissent sa couche de coordination plutôt que des composants fondés sur des normes, l’ingénierie interne ou des plateformes intégrées.

Le tour de financement de Delos Data a acheté une occasion de démontrer cette thèse. Il n’a pas tranché la question de savoir si une nouvelle architecture réseau peut surpasser une pile mature et coordonnée dans l’exploitation quotidienne.

Pour les équipes d’infrastructure, la question pratique est désormais concrète : les prochains résultats montreront-ils une latence plus faible, une utilisation plus élevée et une meilleure récupération après défaillance sur du matériel mixte ?

Suivez les lancements du quatrième trimestre, la méthodologie d’évaluation comparative et les premiers déploiements annoncés. Ces signaux permettront de déterminer si le réseau IA de Delos Data devient une infrastructure ou reste un projet ambitieux.