OpenPanel est une startup française spécialisée dans la conception de circuits intégrés spécifiques à une application (ASIC) optimisés pour les charges de travail d'intelligence artificielle, en particulier les tâches de vision par ordinateur. L'entreprise développe des accélérateurs matériels visant à offrir un débit d'inférence élevé tout en minimisant la consommation d'énergie, se positionnant ainsi dans le paysage concurrentiel des fabricants de puces pour l'IA, qui comprend des acteurs établis comme Intel et des startups émergentes telles que Cerebras et Groq. La technologie d'OpenPanel cible à la fois les appareils en périphérie de réseau et les déploiements en centre de données, répondant à la demande croissante de traitement efficace des modèles de réseaux de neurones.
Fondée à la fin des années 2010 par une équipe d'ingénieurs et de chercheurs issus des domaines de la conception de semi-conducteurs et de l'apprentissage automatique, OpenPanel a son siège à Paris, en France. La startup a attiré l'attention grâce à son architecture de puce novatrice, qui intègre des unités de mémoire et de calcul afin de réduire les goulots d'étranglement liés au déplacement des données, un défi majeur pour l'inférence en apprentissage profond. En 2024, OpenPanel a bouclé plusieurs tours de financement auprès de fonds de capital-risque européens et d'investisseurs stratégiques, bien que les détails financiers spécifiques restent privés.
Architecture des puces
Le produit principal d'OpenPanel est une famille d'accélérateurs d'IA reposant sur une architecture de flux de données qui mappe les couches des réseaux de neurones directement sur le matériel. Contrairement aux GPU traditionnels, qui s'appuient sur un traitement massivement parallèle avec mémoire externe, les puces d'OpenPanel utilisent une conception en réseau systolique avec SRAM intégrée, permettant une meilleure efficacité énergétique. Cette approche est similaire en principe aux conceptions des TPU de Google DeepMind, mais adaptée aux modèles de vision, qui impliquent souvent des opérations de convolution à forte localité spatiale.
Les puces prennent en charge une gamme de précisions, notamment INT8 et FP16, avec une feuille de route pour des formats à plus faible nombre de bits comme INT4 afin d'augmenter encore le débit. Les résultats de référence publiés par l'entreprise revendiquent jusqu'à 10 téra-opérations par seconde par watt, un chiffre qui la placerait en tête de nombreuses offres commerciales, bien que la vérification indépendante soit encore en attente. L'architecture comprend également un compilateur personnalisé qui traduit les modèles issus de frameworks comme TensorFlow et PyTorch en instructions optimisées, facilitant ainsi l'intégration pour les développeurs.
Applications cibles
OpenPanel se concentre sur les applications de vision par ordinateur dans plusieurs secteurs verticaux. Dans le secteur automobile, les puces sont conçues pour les systèmes avancés d'aide à la conduite (ADAS) et la conduite autonome, en concurrence avec les solutions de Tesla Autopilot et Waymo. Leur faible latence et leur efficacité énergétique les rendent adaptées à la détection d'objets en temps réel et à la segmentation sémantique dans les véhicules.
Dans l'automatisation industrielle, OpenPanel s'associe à des fabricants pour déployer des systèmes d'inspection qualité basés sur la vision. Le matériel peut traiter des images haute résolution à des vitesses dépassant 60 images par seconde, permettant la détection de défauts en ligne. De plus, la startup cible les applications de ville intelligente, comme la surveillance du trafic et la vidéosurveillance, où le traitement en périphérie réduit le besoin de connectivité cloud et renforce la confidentialité des données.
Écosystème logiciel
Pour compléter son matériel, OpenPanel a développé une pile logicielle comprenant une bibliothèque d'exécution, des outils d'optimisation de modèles et un environnement de simulation. Le compilateur, nommé OpenFlow, applique automatiquement des techniques telles que la fusion de couches, l'élagage et la quantification pour réduire la taille des modèles et la latence. Cette chaîne d'outils prend en charge les frameworks populaires d'apprentissage automatique et s'intègre avec onnx-runtime pour un déploiement multiplateforme.
L'entreprise propose également une plateforme de développement basée sur le cloud, où les utilisateurs peuvent prototyper et évaluer les performances des modèles sur du matériel simulé avant d'acheter des puces physiques. Cette approche abaisse la barrière à l'adoption, en particulier pour les petites et moyennes entreprises qui ne disposent pas d'une expertise matérielle interne. OpenPanel maintient un référentiel open source pour son environnement d'exécution, favorisant une communauté de développeurs qui contribuent à l'optimisation des performances et à la correction de bugs.
Paysage concurrentiel
Le marché des puces pour l'IA est hautement concurrentiel, avec des acteurs établis comme Intel et AMD investissant massivement dans les accélérateurs, aux côtés de startups spécialisées telles que SambaNova et Graphcore. OpenPanel se différencie en se concentrant sur les charges de travail spécifiques à la vision, tandis que de nombreux rivaux ciblent l'inférence généraliste des grands modèles de langage. Ce créneau permet à l'entreprise d'optimiser ses siliciums pour les architectures de vision convolutionnelles et basées sur les transformeurs, atteignant potentiellement un meilleur rapport performance-prix pour ces tâches.
Comparée aux moteurs à l'échelle de la tranche de Cerebras, les puces d'OpenPanel sont plus petites et plus rentables pour les déploiements en périphérie. Face à Groq, qui met l'accent sur une latence ultra-faible pour les modèles de langage, OpenPanel privilégie l'efficacité énergétique pour le traitement continu de la vision. La startup est également confrontée à la concurrence de Qualcomm et ARM Holdings dans les segments mobiles et embarqués, bien que la conception personnalisée d'OpenPanel offre une plus grande flexibilité pour les cas d'utilisation spécialisés.
Financement et croissance
OpenPanel a été fondée en 2018 par Antoine Chevrot, ancien architecte de puces chez Broadcom, et Marie Dupont, chercheuse en apprentissage automatique issue du MIT CSAIL. L'entreprise a d'abord fonctionné en mode furtif, obtenant un financement de démarrage auprès de programmes d'accélération parisiens. En 2021, elle a clôturé un tour de série A de 15 millions d'euros mené par un consortium d'investisseurs européens, dont la banque publique d'investissement française Bpifrance.
Un tour de série B de 40 millions d'euros a suivi en 2023, avec la participation de partenaires stratégiques des secteurs automobile et industriel. Ces fonds ont été alloués à l'expansion de l'équipe d'ingénierie, au développement de la puce de deuxième génération et à l'établissement d'une présence commerciale en Amérique du Nord et en Asie. Début 2025, OpenPanel emploie environ 120 personnes, avec des bureaux à Paris et à Grenoble, un pôle de recherche en semi-conducteurs en France.
Fabrication et partenariats
OpenPanel fonctionne comme une entreprise de semi-conducteurs sans usine (fabless), s'associant à TSMC pour la fabrication de ses puces en utilisant des nœuds de gravure avancés, notamment les technologies 7 nm et 5 nm. Ce partenariat garantit l'accès à des capacités de fabrication de pointe sans les dépenses d'investissement liées à la possession d'une fonderie. L'entreprise collabore également avec Samsung Electronics pour les services d'encapsulation et de test, en tirant parti de leur expertise en interconnexions haute densité.
Dans le cadre de son écosystème, OpenPanel a rejoint le programme Arm Flexible Access pour licencier des cœurs de processeur destinés à ses conceptions de systèmes sur puce (SoC), intégrant ainsi le traitement généraliste à ses accélérateurs d'IA. La startup est également membre du consortium MLCommons, contribuant à l'établissement de normes de référence pour le matériel d'IA. Ces collaborations renforcent la crédibilité d'OpenPanel et facilitent l'adoption de ses solutions par les entreprises clientes.
Recherche et développement
OpenPanel maintient une division de recherche active qui publie des articles dans des conférences majeures comme NeurIPS et CVPR. Les travaux récents se concentrent sur le calcul économe en données, où le matériel saute dynamiquement les activations nulles pour améliorer l'efficacité. Cette recherche est éclairée par des collaborations avec des institutions académiques, notamment l'Université de Toronto et le Stanford AI Lab, où l'entreprise sponsorise des bourses doctorales.
L'équipe de R&D explore également des technologies de mémoire novatrices, telles que le calcul en mémoire utilisant de la RAM résistive, qui pourrait encore réduire la consommation d'énergie dans les générations futures. En 2025, ces technologies en sont aux premiers stades de prototypage, avec un déploiement commercial attendu dans un délai de trois à cinq ans. L'entreprise détient plusieurs brevets liés à l'ordonnancement des flux de données et à la conception des interconnexions sur puce, renforçant ainsi son portefeuille de propriété intellectuelle.
Perspectives d'avenir
OpenPanel prévoit de lancer sa puce de deuxième génération, nommée « VisionX », fin 2025, avec un processus de gravure en 3 nm et la prise en charge des modèles de vision basés sur les transformeurs, comme ViT. L'entreprise envisage également de s'étendre sur le marché de l'imagerie médicale, en s'associant à des entreprises comme Intuitive Surgical pour l'assistance chirurgicale en temps réel. Par ailleurs, OpenPanel explore des opportunités dans le secteur de la défense, bien que ces engagements soient soumis à des approbations réglementaires.
La startup doit relever des défis liés à la montée en échelle de la production et à la concurrence d'acteurs bien financés, mais sa spécialisation et ses conceptions économes en énergie la positionnent favorablement sur le marché croissant de l'IA en périphérie. Alors que la demande pour l'intelligence embarquée augmente, la technologie d'OpenPanel pourrait jouer un rôle clé dans le déploiement d'applications de vision de nouvelle génération dans divers secteurs.