Une épidémie bactérienne qui couve discrètement à l’intérieur d’un rack de serveurs refroidi par liquide peut sembler être un problème d’ingénierie de niche — mais pour les opérateurs de centres de données qui font tourner des charges de travail d’IA 24h/24, cela se traduit directement par des millions de dollars de pertes dues aux temps d’arrêt. C’est précisément le problème que Omen AI s’attaque avec une nouvelle approche de la surveillance des fluides des centres de données, et la startup vient de sécuriser 31 millions de dollars en financement de série A pour passer à l’échelle rapidement.
Summary
Points clés à retenir
- Omen AI a conçu un spectromètre miniature qui surveille en temps réel l’état de santé du fluide de refroidissement liquide, détectant la contamination bactérienne avant qu’elle n’oblige à arrêter un rack.
- La contamination bactérienne dans les systèmes de refroidissement peut forcer la mise hors ligne d’un rack de centre de données pendant cinq ou six heures, pour un coût potentiel de plusieurs millions de dollars par incident.
- Les 31 millions de dollars de la série A ont été menés par Nava Ventures, avec la participation de CRV, de l’Université Vanderbilt, de Mann+Hummel, de Starhill Holdings, de Hard Launch Capital, ainsi que de dirigeants de Bridgestone, GM, Johnson Controls et TensorWave.
- Omen a levé 40 millions de dollars au total depuis sa création en 2024 et sert actuellement une douzaine de clients de centres de données, dont TensorWave.
- Le concurrent Pyxis a lancé un produit de surveillance de liquide de refroidissement comparable plus tôt ce mois-ci, ce qui signale une attention croissante du secteur à ce problème.
Le problème de chimie caché au cœur des centres de données refroidis par liquide
Le refroidissement liquide n’est plus optionnel pour les infrastructures d’IA à haute densité — il est en train de devenir la norme. Mais le fluide qui circule dans ces systèmes est plus chimiquement délicat que ce que la plupart des opérateurs imaginent.
Le liquide de refroidissement est généralement un mélange d’eau et d’une substance inhibitrice de bactéries. Le compromis est simple : augmenter la teneur en eau améliore l’absorption de chaleur, ce qui permet aux puces de fonctionner plus chaud et plus intensément. Mais davantage d’eau crée aussi un environnement plus propice à la prolifération bactérienne. Si elle n’est pas détectée, cette contamination obstrue le flux de liquide de refroidissement, et la seule solution est un rinçage complet du système.
Ce rinçage est coûteux. Mettre à l’arrêt un seul rack pour purger une boucle de refroidissement contaminée peut prendre cinq ou six heures — un laps de temps pendant lequel la capacité de calcul est tout simplement perdue. Pour les opérateurs qui exécutent des charges d’inférence ou d’entraînement d’IA, ce n’est pas un simple désagrément. C’est un sérieux choc financier.
Voler à l’aveugle sur la chimie des fluides
Jusqu’à présent, la plupart des centres de données ont géré l’état de santé du liquide de refroidissement de la même manière depuis des décennies : prélever un échantillon de fluide, l’envoyer par courrier à un laboratoire et attendre les résultats. Au moment où le rapport du laboratoire revient, un problème de contamination peut déjà être bien avancé.
« Le fluide qui circule dans ces systèmes massifs est une variable critique sur laquelle la majeure partie du secteur vole à l’aveugle », a déclaré Piotr Tomasik, président de TensorWave, l’un des clients actuels d’Omen. TensorWave construit des clouds de calcul d’IA sur des puces AMD et est devenu un client de référence pour l’approche d’Omen.
Le décalage entre le moment où un problème commence et celui où un résultat de laboratoire arrive est précisément l’intervalle sur lequel Omen AI plante son drapeau.
Le spectromètre d’Omen AI et ce qui le distingue
Le cœur du produit d’Omen est un spectromètre compact installé directement dans le système de fluide — pas d’extraction d’échantillon, pas de délai d’expédition, pas d’attente. Il lit en continu la composition chimique du liquide de refroidissement en temps réel, signalant la croissance bactérienne suffisamment tôt pour que les opérateurs puissent agir avant qu’un arrêt ne devienne inévitable.
Au-delà de la contamination bactérienne, l’appareil peut également détecter l’usure des pompes en repérant des traces de cuivre ou de chrome dans le fluide, et identifier la dégradation des joints via des particules de silicium. Cela offre aux opérateurs de centres de données une fenêtre bien plus large sur l’état de santé de leur infrastructure de refroidissement que n’importe quel test de laboratoire périodique.
Comme l’a formulé le PDG et fondateur Zach Laberge : « Vous ne risquez pas d’énormes temps d’arrêt parce que vous n’avez aucune visibilité sur ce qui se passe au niveau chimique. »
Ce qui rend la technologie viable aujourd’hui
Le timing de l’approche d’Omen n’est pas un hasard. Deux évolutions convergentes ont rendu possible un spectromètre miniaturisé, abordable et installé sur site : les avancées récentes en technologies optiques et les améliorations des logiciels de traitement du signal.
« Le matériel est juste assez bon marché pour que cela ait du sens de jouer à grande échelle, et le traitement du signal nous permet ensuite de tirer davantage de sens du bruit », a expliqué Laberge. Sans ces deux ingrédients, construire un appareil suffisamment petit et peu coûteux pour être déployé sur des dizaines de racks n’aurait pas été économiquement réaliste.
Ce verrou technologique levé compte au-delà de la seule histoire d’Omen. Il aide à expliquer pourquoi le domaine de l’analytique en temps réel des liquides de refroidissement s’échauffe plus largement — Pyxis, une entreprise établie dans la surveillance de l’eau, a lancé son propre produit de surveillance des liquides de refroidissement pour centres de données ce mois-ci. La convergence des coûts du matériel optique et des capacités logicielles semble ouvrir le marché à plusieurs nouveaux entrants simultanément.
Croissance de l’entreprise, financement et partenariats stratégiques
Le chemin d’Omen AI vers les centres de données n’a pas été linéaire. Zach Laberge a fondé sa première entreprise en 2020 à l’âge de 14 ans, levant 3 millions de dollars pour installer des capteurs sur des engins de chantier — et abandonnant célèbrement le lycée pour le faire, avec le soutien de ses parents. Après la fin de cette première startup, il a lancé Omen en 2024 avec une vision plus large, centrée sur les systèmes de fluides comme couche de diagnostic pour les machines industrielles.
Des concessions Caterpillar aux centres de données
Le pivot vers les centres de données a été motivé par les clients existants de l’entreprise. Les concessions Caterpillar comptaient parmi les premiers clients d’Omen dans le segment des véhicules lourds. Caterpillar est également un important fournisseur de turbines et de générateurs à gaz utilisés pour alimenter les centres de données sur site, ce qui a mis Omen en contact direct avec des opérateurs gérant des infrastructures de bâtiments à grande échelle.
Il y a environ six mois, les concessions ont commencé à demander si les capteurs d’Omen pouvaient être appliqués au côté bâtiment — les turbines, les systèmes CVC et les boucles de refroidissement des puces qui fonctionnent à l’intérieur des installations de centres de données. Omen a rapidement compris que ces bâtiments regorgeaient de systèmes de fluides qui avaient besoin exactement du type de surveillance qu’il avait déjà développé pour les engins de chantier.
La levée de 31 millions de dollars et qui y a participé
La levée de série A de 31 millions de dollars a été menée par Nava Ventures, avec la participation de CRV, de l’Université Vanderbilt, de Mann+Hummel, de Starhill Holdings et de Hard Launch Capital. Des dirigeants de Bridgestone, GM, Johnson Controls et TensorWave ont également investi à titre personnel. Combiné aux capitaux précédents, Omen a levé 40 millions de dollars depuis sa création.
Cory Rellas, partenaire chez Nava Ventures qui siège désormais au conseil d’administration d’Omen, a donné un signal notable sur la manière dont la levée s’est structurée : « Pour Omen en particulier, une grande partie de notre due diligence s’est faite via nos mises en relation avec de grands clients, qui ont très vite validé leur approche. » Ce cycle de validation investisseur-client — où les acheteurs d’entreprise réduisent de fait le risque de la thèse d’investissement — est un signal fort d’une véritable traction commerciale, et pas seulement d’une promesse technique.
Omen travaille actuellement avec environ une douzaine de clients de centres de données, tout en étoffant son offre produit. TensorWave est le client nommé le plus en vue, mais l’ampleur de la participation des investisseurs — couvrant des dirigeants de l’automobile, de l’industrie et de l’infrastructure de calcul — suggère que l’entreprise fait déjà le pont entre plusieurs secteurs.
Pourquoi ce moment est important pour l’infrastructure de l’IA
La pression pour faire fonctionner les puces d’IA plus chaud et plus efficacement ne faiblit pas. À mesure que la demande en capacité de calcul augmente, les opérateurs de centres de données continueront de pousser les systèmes de refroidissement au plus près de leurs limites chimiques et mécaniques. Cette pression fait du compromis entre absorption de chaleur et risque de contamination une contrainte d’ingénierie permanente, et non temporaire.
La surveillance en temps réel des fluides comble une lacune largement invisible dans la conversation sur l’infrastructure. Le matériel de calcul, l’alimentation électrique et la bande passante réseau attirent une attention énorme. La chimie du liquide de refroidissement qui circule dans le système n’en reçoit presque aucune — alors qu’un seul événement de contamination peut immobiliser un rack pendant la majeure partie d’une journée de travail. Le pari d’Omen est qu’à mesure que le refroidissement liquide devient omniprésent dans les centres de données d’IA, la visibilité chimique deviendra une exigence aussi standard que la surveillance de la disponibilité ou la gestion de l’alimentation.
Avec l’entrée de Pyxis sur le même segment à peu près au même moment, la dynamique concurrentielle va probablement accélérer à la fois le développement des produits et la sensibilisation des clients. Pour les opérateurs de centres de données qui s’appuient encore sur des tests de laboratoire périodiques, la question n’est plus de savoir si l’analytique en temps réel des liquides de refroidissement deviendra une pratique standard — mais quel fournisseur sera intégré en premier dans leur infrastructure.
FAQ
Quel problème le spectromètre d’Omen AI résout-il pour les centres de données ?
Il surveille en temps réel l’état de santé du fluide de refroidissement liquide à l’aide d’un spectromètre miniature sur site, détectant la contamination bactérienne suffisamment tôt pour éviter des arrêts de rack coûteux pouvant durer cinq ou six heures.
Pourquoi la contamination est-elle un risque dans les systèmes de refroidissement liquide des centres de données ?
Augmenter la teneur en eau du fluide de refroidissement améliore l’absorption de chaleur et permet aux puces de fonctionner plus chaud, mais cela crée aussi des conditions favorables à la croissance bactérienne. Cette contamination peut obstruer le flux de liquide de refroidissement et obliger les opérateurs à rincer et à arrêter des racks entiers.
Qui sont certains des principaux partenaires et clients d’Omen AI ?
La levée de série A de 31 millions de dollars d’Omen AI a réuni des investisseurs tels que Nava Ventures et CRV, ainsi que des investissements personnels de dirigeants de Bridgestone, GM, Johnson Controls et TensorWave. Sa base de clients comprend des concessions Caterpillar et TensorWave, qui construit des clouds de calcul d’IA sur des puces AMD.
En quoi la technologie d’Omen AI améliore-t-elle les méthodes traditionnelles de test des fluides ?
Les méthodes traditionnelles obligent les opérateurs à prélever des échantillons de liquide de refroidissement et à les envoyer à un laboratoire externe, ce qui introduit des délais importants. Le spectromètre d’Omen fournit une analyse chimique continue et en temps réel directement dans le système de fluide, éliminant le décalage entre l’apparition d’un problème et le moment où l’opérateur en est averti.
{« @context »: »https://schema.org », »@type »: »FAQPage », »mainEntity »:[{« @type »: »Question », »name »: »Quel problème le spectromètre d’Omen AI résout-il pour les centres de données ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Il surveille en temps réel l’état de santé du fluide de refroidissement liquide à l’aide d’un spectromètre miniature sur site, détectant la contamination bactérienne suffisamment tôt pour éviter des arrêts de rack coûteux pouvant durer cinq ou six heures. »}},{« @type »: »Question », »name »: »Pourquoi la contamination est-elle un risque dans les systèmes de refroidissement liquide des centres de données ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Augmenter la teneur en eau du fluide de refroidissement améliore l’absorption de chaleur et permet aux puces de fonctionner plus chaud, mais cela crée aussi des conditions favorables à la croissance bactérienne. Cette contamination peut obstruer le flux de liquide de refroidissement et obliger les opérateurs à rincer et à arrêter des racks entiers. »}},{« @type »: »Question », »name »: »Qui sont certains des principaux partenaires et clients d’Omen AI ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »La levée de série A de 31 millions de dollars d’Omen AI a réuni des investisseurs tels que Nava Ventures et CRV, ainsi que des investissements personnels de dirigeants de Bridgestone, GM, Johnson Controls et TensorWave. Sa base de clients comprend des concessions Caterpillar et TensorWave, qui construit des clouds de calcul d’IA sur des puces AMD. »}},{« @type »: »Question », »name »: »En quoi la technologie d’Omen AI améliore-t-elle les méthodes traditionnelles de test des fluides ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Les méthodes traditionnelles obligent les opérateurs à prélever des échantillons de liquide de refroidissement et à les envoyer à un laboratoire externe, ce qui introduit des délais importants. Le spectromètre d’Omen fournit une analyse chimique continue et en temps réel directement dans le système de fluide, éliminant le décalage entre l’apparition d’un problème et le moment où l’opérateur en est averti. »}}]}
Article produit avec l’assistance de l’intelligence artificielle et relu par l’équipe éditoriale.
