Maison
D'anciens ingénieurs de SpaceX intègrent un logiciel de lancement de fusées dans les ateliers de production grâce à Sift Stack

La semaine dernière, le slogan « des atomes, pas des bits ! » — une expression qui illustre l’intérêt croissant de la Silicon Valley pour la fabrication physique plutôt que pour les produits numériques — a atteint son apogée lorsque la nouvelle a été annoncée que Jeff Bezos était en train de constituer un fonds de 100 milliards de dollars destiné à consolider et à automatiser les usines.
Cependant, l’automatisation industrielle n’est pas uniquement un défi matériel. Elle repose de plus en plus sur des logiciels avancés et des outils d’IA, et cette évolution transforme les entreprises qui construisent les infrastructures de la fabrication physique.
Karthik Gollapudi, PDG de Sift Stack — une entreprise basée à El Segundo, en Californie, dont les outils facilitent la conception et la fabrication de machines complexes telles que des engins spatiaux et des voitures — sent le sol se dérober sous ses pieds. Il explique que ces changements ont réorienté les priorités de son entreprise au cours des six derniers mois.
Karthik Gollapudi et son cofondateur et directeur technique, Austin Spiegel, ont lancé l’entreprise en 2022 après avoir travaillé chez SpaceX sur des outils logiciels chargés de traiter d’énormes volumes de données télémétriques — des données de performance en temps réel transmises par des capteurs installés sur des composants physiques — pendant les phases de test, de fabrication et de lancement.
La plupart des entreprises qui construisent des machines de pointe s’appuient sur des outils de bases de données prêts à l’emploi ou sur des scripts Python personnalisés, mais Sift a identifié une opportunité d’offrir une solution de premier ordre. Parmi ses clients figurent United Launch Alliance, un grand constructeur américain de fusées, d’autres sous-traitants du secteur de la défense, ainsi que des start-ups spécialisées dans la robotique et la gestion des réseaux électriques.
Cependant, M. Gollapudi explique que l’émergence des outils d’IA pour l’analyse des données a contraint son entreprise à évoluer. Les flux de travail personnalisés qui définissaient autrefois l’offre phare de l’entreprise sont désormais devenus la norme à l’ère de l’IA et de l’apprentissage profond. Parallèlement, la capacité de l’entreprise à gérer l’infrastructure de données a soudainement pris une valeur bien plus importante.
« Notre vision à long terme de la façon dont cela allait se dérouler sur cinq ans se concrétise en réalité dès cette année », a déclaré M. Gollapudi à TechCrunch.
Cela implique de gérer les flux de données massifs générés par les machines actuelles, fortement axées sur les logiciels. Certains véhicules avec lesquels l’entreprise travaille comptent plus de 1,5 million de capteurs transmettant des données simultanément, dans des formats et des échelles de temps variés.
L’objectif de l’entreprise est d’organiser et de stocker ces données pour les applications d’IA — « une grande partie de la valeur réside dans le fait de les rendre lisibles par les machines », a expliqué M. Gollapudi. Si des agents d’IA doivent prendre des décisions concernant la fabrication ou analyser des données de test pour signaler des problèmes potentiels, Sift vise à leur rendre ces données accessibles.
Jeff Dexter, vice-président chargé des logiciels chez Astranis — une entreprise de satellites qui utilise Sift pour gérer les tests, la fabrication et les opérations — a déclaré qu’une infrastructure de données robuste est essentielle pour des entreprises comme la sienne, qui peuvent effectuer jusqu’à 10 millions de tests logiciels automatisés en une seule journée.
« Inévitablement, nous arrivons à un stade où le simple stockage des données nous coûte des millions de dollars chaque mois », a déclaré M. Dexter. « La question est vraiment de savoir si ce million de dollars est bien dépensé. Avec une technologie comme Sift, je ne m’inquiète pas du volume de données disponibles. »
M. Gollapudi a indiqué à TechCrunch que Sift avait levé 42 millions de dollars lors d’un tour de table de série B en 2025, pour une valorisation post-financement de 274 millions de dollars, mené par StepStone avec la participation de GV (la branche de capital-risque de Google), Riot Ventures, Fika Ventures et CIV.
Article connexe
La startup française ZML dévoile un outil gratuit pour accélérer l’inférence IA sur plusieurs puces
L’ère de la suprématie incontestée du marché de Nvidia semble toucher à sa fin, tandis que des concurrents et des alternatives émergent de tous les côtés.ZML, une startup française de l’IA de premier plan soutenue par le lauréat du prix Turing Yann
Anthropic dévoile Opus 4.6, un générateur de contenu controversé
Les normes d'utilisation universelles d'Anthropic pour Claude interdisent au modèle de générer du contenu sexuellement explicite, notamment de décrire ou de solliciter des rapports sexuels ou des acte
La startup soutenue par Marc Benioff vise à résoudre les défis du déploiement de l'IA
Les grandes entreprises font face à des défis si considérables dans le déploiement d’outils d’intelligence artificielle fiables que des équipes entières d’ingénieurs déployés sur site – des spécialistes intégrés au sein des entreprises clientes pour
Recommandations de sujets spéciaux liés
commentaires (0)

La semaine dernière, le slogan « des atomes, pas des bits ! » — une expression qui illustre l’intérêt croissant de la Silicon Valley pour la fabrication physique plutôt que pour les produits numériques — a atteint son apogée lorsque la nouvelle a été annoncée que Jeff Bezos était en train de constituer un fonds de 100 milliards de dollars destiné à consolider et à automatiser les usines.
Cependant, l’automatisation industrielle n’est pas uniquement un défi matériel. Elle repose de plus en plus sur des logiciels avancés et des outils d’IA, et cette évolution transforme les entreprises qui construisent les infrastructures de la fabrication physique.
Karthik Gollapudi, PDG de Sift Stack — une entreprise basée à El Segundo, en Californie, dont les outils facilitent la conception et la fabrication de machines complexes telles que des engins spatiaux et des voitures — sent le sol se dérober sous ses pieds. Il explique que ces changements ont réorienté les priorités de son entreprise au cours des six derniers mois.
Karthik Gollapudi et son cofondateur et directeur technique, Austin Spiegel, ont lancé l’entreprise en 2022 après avoir travaillé chez SpaceX sur des outils logiciels chargés de traiter d’énormes volumes de données télémétriques — des données de performance en temps réel transmises par des capteurs installés sur des composants physiques — pendant les phases de test, de fabrication et de lancement.
La plupart des entreprises qui construisent des machines de pointe s’appuient sur des outils de bases de données prêts à l’emploi ou sur des scripts Python personnalisés, mais Sift a identifié une opportunité d’offrir une solution de premier ordre. Parmi ses clients figurent United Launch Alliance, un grand constructeur américain de fusées, d’autres sous-traitants du secteur de la défense, ainsi que des start-ups spécialisées dans la robotique et la gestion des réseaux électriques.
Cependant, M. Gollapudi explique que l’émergence des outils d’IA pour l’analyse des données a contraint son entreprise à évoluer. Les flux de travail personnalisés qui définissaient autrefois l’offre phare de l’entreprise sont désormais devenus la norme à l’ère de l’IA et de l’apprentissage profond. Parallèlement, la capacité de l’entreprise à gérer l’infrastructure de données a soudainement pris une valeur bien plus importante.
« Notre vision à long terme de la façon dont cela allait se dérouler sur cinq ans se concrétise en réalité dès cette année », a déclaré M. Gollapudi à TechCrunch.
Cela implique de gérer les flux de données massifs générés par les machines actuelles, fortement axées sur les logiciels. Certains véhicules avec lesquels l’entreprise travaille comptent plus de 1,5 million de capteurs transmettant des données simultanément, dans des formats et des échelles de temps variés.
L’objectif de l’entreprise est d’organiser et de stocker ces données pour les applications d’IA — « une grande partie de la valeur réside dans le fait de les rendre lisibles par les machines », a expliqué M. Gollapudi. Si des agents d’IA doivent prendre des décisions concernant la fabrication ou analyser des données de test pour signaler des problèmes potentiels, Sift vise à leur rendre ces données accessibles.
Jeff Dexter, vice-président chargé des logiciels chez Astranis — une entreprise de satellites qui utilise Sift pour gérer les tests, la fabrication et les opérations — a déclaré qu’une infrastructure de données robuste est essentielle pour des entreprises comme la sienne, qui peuvent effectuer jusqu’à 10 millions de tests logiciels automatisés en une seule journée.
« Inévitablement, nous arrivons à un stade où le simple stockage des données nous coûte des millions de dollars chaque mois », a déclaré M. Dexter. « La question est vraiment de savoir si ce million de dollars est bien dépensé. Avec une technologie comme Sift, je ne m’inquiète pas du volume de données disponibles. »
M. Gollapudi a indiqué à TechCrunch que Sift avait levé 42 millions de dollars lors d’un tour de table de série B en 2025, pour une valorisation post-financement de 274 millions de dollars, mené par StepStone avec la participation de GV (la branche de capital-risque de Google), Riot Ventures, Fika Ventures et CIV.
La startup française ZML dévoile un outil gratuit pour accélérer l’inférence IA sur plusieurs puces
L’ère de la suprématie incontestée du marché de Nvidia semble toucher à sa fin, tandis que des concurrents et des alternatives émergent de tous les côtés.ZML, une startup française de l’IA de premier plan soutenue par le lauréat du prix Turing Yann
Anthropic dévoile Opus 4.6, un générateur de contenu controversé
Les normes d'utilisation universelles d'Anthropic pour Claude interdisent au modèle de générer du contenu sexuellement explicite, notamment de décrire ou de solliciter des rapports sexuels ou des acte
La startup soutenue par Marc Benioff vise à résoudre les défis du déploiement de l'IA
Les grandes entreprises font face à des défis si considérables dans le déploiement d’outils d’intelligence artificielle fiables que des équipes entières d’ingénieurs déployés sur site – des spécialistes intégrés au sein des entreprises clientes pour











