Amazon s'apprête à racheter Decart pour 7 milliards de dollars : le coup de maître sur l'IA vidéo temps réel et l'abstraction de compute
🔎 Pourquoi ce deal change la donne pour l'IA générative
Amazon négocie l'acquisition de Decart pour environ 7 milliards de dollars, selon le Wall Street Journal et Reuters (11 octobre 2026). La startup israélienne, valorisée 4 milliards en mai dernier, a doublé sa valeur en cinq mois. Anthropic avait abandonné des discussions à 6 milliards en septembre après due diligence. Ce n'est pas une simple acqui-hire : Amazon met la main sur la pile logicielle qui permet de faire tourner n'importe quel modèle vidéo ou world model sur n'importe quelle puce — Trainium, Nvidia, AMD — sans réécrire le code. L'enjeu dépasse la vidéo : c'est l'abstraction du compute à l'échelle hyperscale.
L'essentiel
- Amazon discute l'achat de Decart pour ~7 Md$ (WSJ, Reuters, 11 oct 2026), soit près du double de la valorisation de mai 2026 (4 Md$ post-tour de 300 M$ mené par Radical Ventures avec Nvidia).
- Decart possède trois actifs stratégiques : Lucy (édition vidéo temps réel < 30 ms), Oasis (world model interactif pour robotique/conduite autonome), et DOS (Decart Optimization Stack) qui abstrait le hardware.
- Anthropic a renoncé à ~6 Md$ en septembre 2026 après semaines de due diligence (Bloomberg, 8 sept), laissant la place à Amazon qui avait déjà donné un accès anticipé à Trainium3 dès 2025.
- L'angle compute : DOS réduit le coût d'entraînement et d'inférence en optimisant l'occupation des puces, quel que soit le silicium — un levier direct contre le verrouillage Nvidia.
Outils recommandés
| Outil | Usage principal | Prix (octobre 2026) | Idéal pour |
|---|---|---|---|
| Decart DOS | Abstraction compute & optimisation inférence | Sur devis (licence enterprise) | Hyperscalers, labs IA, cloud providers |
| Lucy 2.0 | Édition vidéo temps réel, try-on, pub in-video | API payante à l'usage | E-commerce, streaming, gaming, publicité |
| Oasis 3 | Simulation monde physique temps réel | Partenariats stratégiques | Robotique, véhicules autonomes, manufacturing |
| AWS Trainium3 | Entraînement/inférence IA haute performance | Instance horaire selon région | Entraînement modèles fondations, fine-tuning |
Pourquoi Amazon mise 7 milliards sur Decart — Réponse directe
Amazon achète une couche d'abstraction hardware qui rend ses puces Trainium compétitives face aux GPU Nvidia sans demander aux clients de réécrire leurs kernels. DOS (Decart Optimization Stack) compile et optimise les graphes de calcul pour n'importe quelle architecture — CUDA, ROCm, Neuron — en conservant la performance native. C'est le levier manquant pour que les clients AWS migrent massivement vers Trainium. Le prix de 7 milliards reflète la rareté d'une stack qui fonctionne en production chez des hyperscalers, pas en démo.
Le levier stratégique : l'indépendance silicium
AWS a investi des milliards dans Trainium et Inferentia. Mais tant que l'écosystème logiciel (PyTorch, Triton, kernels custom) reste optimisé pour CUDA, les clients hésitent. Decart résout ce problème à la source : DOS prend un modèle PyTorch standard et génère du code optimisé pour la cible — Trainium, H100, MI300 — sans intervention humaine. Amazon transforme ainsi un désavantage logiciel en avantage concurrentiel. La collaboration préexistante (accès Trainium3 dès 2025 selon EIA Media) prouve que l'intégration technique est déjà validée.
De 4 à 7 milliards en cinq mois : l'escalade de valorisation
La trajectoire est vertigineuse : 0,5 Md$ (série A, 32 M$ menés par Benchmark) → 3,1 Md$ (août 2025, tour de 100 M$) → ~4 Md$ (mai 2026, 300 M$ menés par Radical Ventures, Nvidia entrant) → ~7 Md$ (négociations Amazon, octobre 2026). Chaque tour a apporté un investisseur stratégique : Sequoia (seed), Benchmark (série A), Radical + Nvidia (série B). Nvidia dans le cap table d'une boîte qui abstracte son matériel est un signal fort — soit une assurance, soit une veille technologique.
Les revenus réels derrière la valorisation
Contrairement à beaucoup de startups IA pré-revenus, Decart « génère des revenus significatifs via des contrats avec cloud providers, labs IA et hyperscalers qui licencient DOS » (site officiel Decart.ai). Ce n'est pas de la projection : c'est du récurrent. Les clients paient pour réduire leur facture compute de 30 à 50 % selon les workloads. À l'échelle d'AWS ou d'Azure, l'économie justifie le multiple. Anthropic l'avait compris en engageant des talks à 6 Md$ — avant de reculer.
Lucy et Oasis : deux piliers pour la vidéo temps réel et la Physical AI
Decart ne vend pas seulement de l'optimisation. Elle possède deux modèles phares qui démontrent la puissance de sa stack.
Lucy : l'édition vidéo sous la barre des 30 ms
Lucy 2.0 est décrit par Decart comme « le seul world model d'édition temps réel en production à l'échelle ». Cas d'usage cités : try-on virtuel, publicité dynamique in-video, live streaming, gaming. La latence < 30 ms ouvre des cas impossibles avec les modèles de diffusion classiques (secondes à minutes). Pour Amazon, cela signifie Prime Video, Twitch, et la publicité programmatique — des milliards d'heures de vidéo où l'insertion contextuelle temps réel change l'économie de l'attention.
Oasis 3 : le world model pour la Physical AI
Oasis 3 est présenté comme « le premier world model interactif conçu pour la Physical AI — environnements interactifs, physiquement précis, en temps réel, pour robotique, véhicules autonomes, manufacturing, drones » (Decart.ai/research). Decart a aussi publié un world model simulant des heures de conduite photoréaliste, et collabore avec Comcast sur l'inférence edge (< 35 ms). Amazon Robotics, Zoox, et la logistique d'entrepôt sont des clients naturels. L'acquisition verrouille un atout pour la prochaine vague : l'IA qui agit dans le monde physique.
DOS : la couche d'abstraction qui fait peur à Nvidia
Le Decart Optimization Stack est l'actif le plus sous-estimé — et le plus précieux. DOS opère à trois niveaux : compilation de graphes (fusion d'opérateurs, layout mémoire), auto-tuning de kernels (recherche d'espace de configurations par RL), et scheduling multi-puces (pipeline parallélisme, overlap compute/communication). Le tout exposé via une API compatible PyTorch 2.0 / torch.compile.
Pourquoi ça change la donne pour Trainium
Trainium3 expose des primitives (BF16, FP8, sparsité structurée, tensor cores custom) que les compilateurs standards n'exploitent pas pleinement. DOS les cible nativement. Résultat : selon les benchmarks internes cités par Decart, l'inférence sur Trainium3 avec DOS atteint 85-95 % de la performance H100 sur les mêmes modèles — pour un coût par puce divisé par 3 à 4. Amazon n'a pas besoin de battre Nvidia sur le silicium pur ; il doit battre le coût total de possession. DOS est le levier.
L'effet de levier sur l'écosystème
Si Amazon intègre DOS nativement dans SageMaker, Bedrock, et les Deep Learning Containers, chaque client AWS en bénéficie sans effort de migration. C'est l'équivalent de ce que CUDA a fait pour Nvidia en 2006-2010 : verrouiller l'écosystème par la commodité. Mais ici, l'abstraction joue contre le verrouillage — elle rend le hardware interchangeable. Une ironie dont Amazon sait tirer parti.
Le précédent Anthropic : pourquoi le deal a capoté à 6 milliards
Anthropic a mené une due diligence de plusieurs semaines avant d'abandonner début septembre 2026 (Bloomberg, 8 sept ; Benzinga ; SiliconRepublic). Deux hypothèses non exclusives : (1) des risques techniques sur la généralisation de DOS hors des workloads vidéo/world models (LLM, MoE, retrieval) ; (2) une divergence culturelle ou stratégique — Anthropic mise sur sa propre stack d'inférence (Claude, partenariats AWS/Google Cloud) et n'avait peut-être pas besoin d'une couche d'abstraction qu'elle ne contrôle pas entièrement.
Ce qu'Amazon achète qu'Anthropic a refusé
Amazon n'a pas le même conflit d'intérêts. AWS vend du compute. Réduire le coût unitaire d'inférence pour ses clients augmente le volume consommé — le modèle économique est aligné. De plus, Amazon a la distribution (des millions de clients AWS) pour amortir l'investissement en quelques trimestres. Anthropic, elle, doit rentabiliser ses propres modèles. Le deal raté à 6 Md$ valide le prix : un acheteur stratégique rationnel a failli signer. Amazon paie une prime de contrôle (1 Md$ de plus) pour ne pas laisser filer l'actif vers Google ou Microsoft.
AWS et Trainium3 : une relation technique qui précède le rachat
Selon EIA Media et Yahoo Finance (reprise Reuters), « en 2025, la division cloud AWS avait donné à Decart un accès anticipé à sa propre puce Trainium3 ». Ce n'est pas anodin : AWS ne partage pas son silicium next-gen avec n'importe qui. Decart a eu le temps de porter DOS, d'optimiser les kernels, de valider les gains. Le rachat officialise une intégration déjà opérationnelle.
Le signal pour les clients AWS
Les clients Enterprise qui hésitaient à adopter Trainium (« est-ce que mes modèles tourneront ? ») ont désormais une réponse : Decart le garantit. Amazon peut inclure DOS dans les SLA de performance SageMaker. C'est un argument de vente massif face à Azure (NDv5-series H100) et GCP (A3 Ultra). La guerre du cloud IA se joue sur la facilité de migration — Amazon vient de la simplifier radicalement.
❌ Erreurs courantes
Erreur 1 : Confondre Decart avec une énième startup de génération vidéo
Decart ne concurrence pas Sora, Veo, ou Kling. Elle fournit l'infrastructure qui permet à ces modèles de tourner efficacement sur n'importe quel hardware. Lucy et Oasis sont des démonstrations de la stack, pas le produit principal. Le produit, c'est DOS.
Erreur 2 : Sous-estimer l'avance technique sur l'abstraction hardware
Des projets comme Apache TVM, MLIR, ou Triton existent. Mais Decart a livré en production chez des hyperscalers avec des gains mesurés. La différence entre un compilateur de recherche et une stack enterprise supportée est la même qu'entre un modèle open-source et un service managé avec SLA.
Erreur 3 : Croire qu'Anthropic a reculé pour des raisons purement financières
6 milliards pour une boîte à 4 milliards post-money (mai) est un prix rationnel si l'actif tient ses promesses. Le retrait après due diligence suggère des découvertes techniques ou stratégiques — pas un désaccord sur le multiple. Amazon, avec sa due diligence propre, a jugé le risque acceptable.
❓ Questions fréquentes
Quand le deal Amazon-Decart sera-t-il finalisé ?
Aucune date officielle. Les « négociations » (WSJ) impliquent encore due diligence, approbations réglementaires (CFIUS probable vu l'origine israélienne des fondateurs), et closing. Comptez 3-6 mois si aucun obstacle majeur.
Decart restera-t-elle indépendante ou sera-t-elle absorbée dans AWS ?
Probablement intégrée comme équipe AWS AI/ML (style Annapurna Labs pour les puces réseau). Les fondateurs (Dean/Orian Leitersdorf, Moshe Shalev) ont l'habitude de travailler en profondeur avec AWS (Trainium3 2025). L'autonomie produit pour Lucy/Oasis est probable ; DOS devient service natif.
Quel impact pour les clients Nvidia actuels sur AWS ?
Aucun changement immédiat. DOS supporte CUDA. Les clients peuvent choisir de migrer vers Trainium pour économiser, sans réécrire leur code. C'est une option, pas une contrainte.
Microsoft ou Google peuvent-ils contre-attaquer ?
Ils le feront — soit en développant leur propre abstraction (Microsoft a Olive, ONNX Runtime ; Google a XLA/PJRT), soit en acquérant un concurrent (Modular, OctoML, ou des équipes internes). Mais Decart a 2-3 ans d'avance en production. Le rachat verrouille cet avantage pour Amazon.
Est-ce que cela change la roadmap de Trainium4 ?
Oui. Amazon peut maintenant co-designer le siliciel et le compilateur en boucle fermée. Trainium4 intégrera probablement des primitives exposées directement par DOS (sparsité dynamique, quantization adaptative), créant un cercle vertueux hardware-software que Nvidia maîtrise depuis 15 ans.
✅ Conclusion
Amazon paie 7 milliards pour s'offrir la clé qui déverrouille ses propres puces : une couche logicielle qui rend le hardware interchangeable sans sacrifier la performance. Decart n'est pas une startup vidéo — c'est l'infrastructure qui fera de Trainium une alternative crédible aux H100 pour l'inférence à l'échelle. Le deal raté d'Anthropic valide le prix ; l'accès anticipé à Trainium3 valide l'intégration. Pour les clients AWS, c'est la fin de l'excuse « mais mon code est optimisé CUDA ». Pour Nvidia, c'est le premier concurrent sérieux sur le logiciel depuis CUDA. Genesis Mission : 2,4 milliards de dollars de compute IA fédéral — Nvidia, AMD et OpenAI s'engagent pour la science américaine montre que la bataille du compute dépasse le privé — Amazon vient de prendre une pièce maîtresse.