La startup d'IA Two Delta lève des fonds et dévoile une technologie d'accélération

La startup d'intelligence artificielle Two Delta, fondée en 2025 et opérant dans la discrétion, a levé des dizaines de millions de dollars lors d'un tour de table d'amorçage. Parmi les investisseurs figurent Bill Ackman, fondateur et PDG de Pershing Square, ainsi qu'Eric Schmidt, ancien PDG de Google. L'entreprise a été cofondée par Dvir Seltzer et le Dr Eli David. La technologie développée vise à rendre l'exécution des modèles d'IA plus rapide et plus efficace tout en optimisant l'utilisation des ressources informatiques.

Technologie d'accélération et collaboration avec Nvidia

En octobre 2026, l'entreprise a publié les résultats d'une collaboration avec Nvidia, portant sur une méthode d'accélération du modèle d'intelligence artificielle Nemotron 3.5 Super. Baptisée DCOCO, cette technologie a pour objectif d'augmenter le volume de texte généré à chaque étape de traitement sans altérer la qualité des réponses. Le procédé repose sur une amélioration du décodage spéculatif, où un modèle auxiliaire rapide propose des séquences de mots validées ensuite par un modèle principal.

"DCOCO utilise des données contextuelles pour sélectionner des séquences plus cohérentes, augmentant ainsi le nombre de jetons validés par cycle de vérification", précise l'entreprise.

Selon les tests menés sur dix jeux de données, DCOCO a atteint un débit moyen 2,03 fois supérieur à un décodage standard en mode déterministe. Par rapport à la méthode DFlash, l'amélioration moyenne du débit s'élève à 19,8 %, un avantage préservé même en cas de fortes charges simultanées.

Évaluation des agents IA avec EvoWeb

Two Delta a également publié une recherche intitulée EvoWeb, analysant la capacité des agents d'intelligence artificielle à développer et maintenir des applications logicielles sur le long terme face à des modifications cumulées. Contrairement aux tests évaluant une requête unique, EvoWeb étudie un processus itératif où chaque nouvelle demande s'appuie sur le code préexistant.

Les résultats montrent qu'aucun des modèles testés n'a réussi à maintenir une intégrité fonctionnelle totale tout au long du processus. Les modèles de tête, Fable 5 et Kimi K3, ont obtenu un score d'environ 0,69 sur 1. La principale difficulté réside dans l'intégration de nouvelles fonctionnalités, le taux d'erreur à l'exécution passant de 2 % à 12 % après dix requêtes.