Et si le prochain grand basculement de l’intelligence artificielle ne se jouait plus dans un chatbot, mais dans un entrepôt, un chantier ou un salon ? Les investisseurs y croient déjà : des milliards affluent vers l’IA physique, cette discipline qui veut greffer aux robots les mêmes outils que ceux qui ont fait exploser les grands modèles de langage. Pourtant, un signal de marché vient de rappeler que l’enthousiasme n’est pas encore de la performance. Unitree, figure de proue chinoise de la robotique, a connu une introduction spectaculaire avant de voir sa valorisation s’effondrer d’environ la moitié. Le corps des machines progresse. Le cerveau, lui, n’arrive toujours pas à livrer un travail fiable, répétable et rentable. Pour une audience marketing, startup et tech, c’est moins une anecdote boursière qu’un cas d’école : on finance une promesse de plateforme avant d’avoir un produit qui crée réellement de la valeur.

Cette tension structure tout le secteur. D’un côté, des conférences qui explosent, des labs qui se multiplient, des constructeurs automobiles qui se rêvent fabricants d’humanoïdes. De l’autre, une crise des données, des modèles encore trop fragiles, et une question stratégique qui hante les fondateurs : faut-il viser une tâche ultra-précise pour encaisser du revenu, ou construire un cerveau général au risque de rester au laboratoire ? C’est précisément le débat qui a animé Actuate, rassemblement de ceux qui fabriquent les « cerveaux » des robots. L’événement, lancé en 2023, a triplé et rassemblé quelque 1 500 personnes, selon l’organisateur TechCrunch relayé via Foxglove. Derrière les démos soignées, un panneau de stand résumait le vrai sujet : résoudre la pénurie de données de qualité pour entraîner des modèles capables d’agir dans le monde réel.

Quand La Robotique Rêve D’Un ChatGPT Sans En Avoir Les Données

Les laboratoires de frontière ont montré qu’un saut de capacité naît souvent d’un cocktail : davantage de données, davantage de calcul, des régimes d’entraînement plus malins, puis du reinforcement learning mieux cadré. Les équipes robotiques tentent de copier cette recette. Le problème, c’est que le monde physique n’est pas un corpus textuel. Un paragraphe mal généré se corrige. Un bras qui lâche une pièce, un excavateur qui rate un geste, un humanoïde qui bascule : le coût est immédiat, parfois dangereux, presque toujours cher.

Harry Mellsop, cofondateur d’Antioch, une jeune pousse spécialisée dans les outils de simulation pour bâtisseurs de modèles, résume le moment avec une formule qui circule désormais partout : l’IA physique serait encore dans son « ère GPT-2 ». Avant ChatGPT, donc. Avant le produit qui impose une nouvelle norme d’usage. Pour franchir le cap, il faudra plus de données, plus de compute, et surtout des GPU capables de ray tracing de haute fidélité, indispensables pour fabriquer des mondes simulés crédibles. Sans ces jumeaux numériques, chaque essai se paie en matériel, en temps humain et en risques opérationnels.

L’IA physique est dans son ère GPT-2. Il faudra davantage de données et de calcul, notamment des GPU optimisés pour le ray tracing, afin de produire des simulations haute fidélité.

– Harry Mellsop, cofondateur d’Antioch, cité par TechCrunch

Cette analogie est utile, à condition de ne pas la prendre pour une garantie de calendrier. GPT-2 n’est pas devenu ChatGPT par magie : il a fallu une infrastructure de distribution, une interface simple, une qualité perçue suffisante, puis un effet réseau. En robotique, la distribution n’est pas un lien web. C’est une flotte, une maintenance, une certification, une intégration usine, parfois une relation avec un syndicat ou un assureur. Le « moment ChatGPT » tant annoncé par certains dirigeants de l’IA générative se heurte ici à la gravité, au frottement et à la rareté des retours d’expérience réels.

Unitree, L’Ipo Et Le Rappel Brutal Du Marché

Unitree a incarné, le temps d’une séance, le récit que le capital-risque adore : un champion hardware capable de produire des machines agiles, une valorisation colossale à l’arrivée sur l’équivalent chinois du Nasdaq, autour de 66 milliards de dollars, puis une correction violente. Les analystes, tels que rapportés par TechCrunch, mettent le doigt sur l’évidence : les capacités physiques s’améliorent plus vite que le savoir-faire opérationnel. Autrement dit, on sait mieux faire marcher, sauter, danser ou porter. On ne sait pas encore assez bien exécuter, jour après jour, une tâche qui justifie un contrat, une marge et un renouvellement.

Pour les fondateurs et les marketeurs de deeptech, le message est clair. Une démo virale n’est pas un product-market fit. Une valorisation n’est pas un revenu récurrent. Une machine photogénique n’est pas un processus industrialisé. Les entreprises qui survivent à ce type de cycle sont celles qui savent raconter un usage, mesurer un taux de succès, et accepter qu’un robot à 80 % de réussite n’intéresse presque aucun client industriel. Dans un centre logistique, 80 %, c’est une file d’attente, des colis abîmés, des opérateurs qui reprennent la main. Dans le solaire ou le BTP, c’est un planning qui dérive.

Le marché de l’IA physique attire précisément parce qu’il promet de répliquer le schéma des LLM : une couche logicielle qui s’améliore avec l’échelle, une fois le hardware suffisamment standardisé. Mais le hardware robotique n’est pas encore un commodité stable. Capteurs, actionneurs, batteries, mains, bas du corps : tout bouge. Parier trop tôt sur une seule plateforme, c’est s’enfermer. Attendre trop longtemps un cerveau universel, c’est laisser les spécialistes verticalisés prendre les contrats et les données de terrain.

La Crise Des Données, Vrai Goulot D’Étranglement

Avala, autre acteur d’infrastructure pour l’IA incarnée, a résumé le problème d’une phrase de stand : il existe une « crise des données robotiques ». Ce n’est pas un slogan marketing gratuit. Les modèles généralistes manquent de diversité. Les apprentissages de bout en bout sur une tâche précise n’ont pas encore livré de produits commerciaux vraiment fiables. Les équipes en sont donc réduites à faire ce que les labs de langage ont fait pendant des années : élargir les corpus, tester des recettes d’entraînement, inventer des scénarios de renforcement plus riches.

Sauf que la donnée robotique est dense, multimodale, coûteuse. Vidéo, lidar, effort, proprioception, cartes, logs de défaillance : tout s’accumule à une granularité que peu d’outils savaient interroger il y a encore deux ans. Foxglove, née d’anciens de Cruise, l’effort de conduite autonome de General Motors, s’est spécialisée dans la gestion et la visualisation de ces flux. L’entreprise vient d’annoncer un produit appuyé sur Cosmos, le modèle de monde à poids ouverts de Nvidia, afin de permettre des recherches en langage naturel dans ces océans de capteurs. L’objectif n’est pas cosmétique. Il s’agit d’accélérer le triage, le débogage, la construction d’évaluations et de simulations. Plus vite on isole un échec, plus vite on itère.

Dans une logique business, cette couche d’outillage est peut-être l’endroit le plus « SaaS » du secteur. Les robots se vendent au compte-gouttes. Les plateformes de données, elles, peuvent servir des dizaines d’équipes en parallèle. C’est aussi pour cela que tant d’anciens de la voiture autonome recyclent leurs compétences : ils ont déjà vécu la douleur du MLOps embarqué, des datasets imparfaits, des simulations qui mentent dès que le monde réel devient boueux, mal éclairé ou imprévisible.

Pourquoi Les Véhicules Autonomes Gardent Une Longueur D’Avance

Les voitures autonomes restent le segment le plus mature de l’IA physique, pour deux raisons presque triviales et pourtant décisives. D’abord, on peut collecter massivement des traces pertinentes grâce à des humains qui conduisent déjà. Ensuite, la tâche principale consiste souvent à éviter le contact, pas à transformer l’environnement. Manipuler un objet, l’insérer, le visser, le plier, le poser sans le casser : c’est un autre régime de difficulté. Alex Kendall, dirigeant de Wayve, le dit sans détour : la robotique de manipulation en serait au stade où se trouvait la conduite autonome il y a cinq ans.

Il faut commencer par les véhicules. La robotique de manipulation ressemble à la conduite autonome d’il y a cinq ans. L’infrastructure de données, la simulation et le MLOps seront largement partagés, mais le modèle de monde spécifique du simulateur demandera un post-entraînement différent.

– Alex Kendall, CEO de Wayve

Cette lecture a une conséquence stratégique majeure. Tesla pousse déjà Optimus en s’appuyant sur ses outils d’apprentissage. Wayve et Uber ont ouvert des laboratoires orientés vers des formes humanoïdes, présentés comme des efforts de R&D. L’idée n’est pas forcément de gagner le marché du robot de compagnie dès demain. Elle est de réutiliser une stack de données et de simulation déjà payée par l’automobile, puis de spécialiser le modèle de monde selon l’embodiment : quatre roues, deux jambes, un bras fixe, une flotte d’engins.

Kendall ajoute qu’il est trop tôt pour s’enfermer dans une seule plateforme matérielle. Les capteurs et les composants évoluent vite. Un modèle vraiment général devrait rester, autant que possible, agnostique. Pour un investisseur, cela sonne comme une thèse plateforme. Pour un intégrateur, cela sonne comme un risque d’éternelle R&D. Les deux lectures coexistent, et c’est précisément ce qui rend le secteur si polarisé.

Cerveau Universel Ou Co-Design Hardware-Logiciel ?

Théophile Gervet, CEO de Genesis AI, une société d’humanoïdes intégrée verticalement qui a levé 105 millions de dollars en seed cette année, prend le contre-pied. Selon lui, il est trop tôt pour qu’une stratégie « cerveau d’abord » fonctionne. La fenêtre actuelle favoriserait ceux qui co-conçoivent la mécanique et l’intelligence. Moins de séparation entre le corps et le modèle. Plus d’itérations conjointes. Moins d’illusion qu’un LLM multimodal suffira à piloter n’importe quel squelette.

Nous sommes trop tôt dans cette vague pour qu’une stratégie cerveau fonctionne. Notre parti pris, c’est qu’il existe beaucoup d’occasions de co-concevoir le hardware et l’IA.

– Théophile Gervet, CEO de Genesis AI

Ce désaccord n’est pas académique. Il détermine le recrutement, le capex, le discours commercial et le calendrier de preuve. Une équipe « cerveau » embauche des chercheurs, achète du compute, publie des benchmarks. Une équipe « co-design » embauche aussi des mécaniciens, des automaticiens, des gens d’usine. Elle accepte que le modèle soit moins portable, mais plus performant sur sa machine. Dans un marché où les clients veulent un résultat, pas une architecture élégante, ce second chemin peut sembler plus lent… jusqu’au jour où il livre un robot qui ferme réellement une porte, visse réellement un panneau, charge réellement une palette.

Verticaliser Pour Survivre, Généraliser Pour Ne Pas Se Faire Écraser

Le vrai dilemme business est ailleurs. Les sociétés qui ciblent une tâche nette commencent à sortir des labos. Gritt installe des fermes solaires. Agility déploie en milieu industriel. Bedrock fait opérer des pelleteuses de façon autonome. Pendant ce temps, les humanoïdes généralistes restent largement confinés aux démonstrations. Gervet formule le piège avec une clarté rare : aucun client ne se soucie d’un robot généraliste qui réussit seulement quatre fois sur cinq. Beaucoup d’acteurs visent le général, donc n’apportent aucune valeur faute de focus vertical. Mais si l’on construit un vertical au-dessus d’un « GPT-2 robotique », on se fera balayer par celui qui construira sur l’équivalent d’un GPT-4.

La tentation du vertical n’est pas seulement financière. Elle donne accès à de la donnée réelle, celle qui ne ressemble jamais aux datasets propres du laboratoire. Kevin Peterson, CTO de Bedrock, explique que l’excavation n’est qu’un point d’entrée pour comprendre la manipulation « dans la nature », avant d’étendre une couche d’intelligence à toute une famille d’engins de chantier. C’est une stratégie de coin : un premier marché assez douloureux pour payer l’apprentissage, assez large pour justifier une plateforme ensuite.

Pour les équipes marketing, ce dilemme se traduit en positionnement. Faut-il vendre « le robot qui fait tout » et courir après une narrative grand public ? Ou vendre « le système qui pose des panneaux plus vite, avec moins d’accidents et un reporting clair » ? La seconde option est moins glamour. Elle convertit mieux. Elle produit aussi des preuves, des études de cas, des métriques que les directions achats comprennent : heures gagnées, rebuts évités, disponibilité, coût par geste.

Ce Que Les Fondateurs Devraient Surveiller Dans L’Infrastructure

Si l’on retire le vernis des humanoides qui dansent, il reste une stack assez classique de software B2B, simplement plus lourde. Collecte. Étiquetage. Recherche. Simulation. Évaluation. Déploiement. Retour d’expérience. Foxglove mise sur le langage naturel pour interroger des terabytes de vision et de lidar. Nvidia fournit un modèle de monde ouvert qui sert de socle. Antioch vend de la simulation. D’autres vendront de l’annotation, de la synthèse de données, de la génération de scénarios rares, de la certification.

Cette couche compte plus que les communiqués sur les « cerveaux généraux », parce qu’elle détermine la vitesse d’itération. Or, en IA, la vitesse d’itération est souvent le seul avantage durable avant que les modèles ne se commoditisent. Une équipe capable de retrouver en quelques minutes toutes les séquences où une pince glisse sur un carton humide n’avance pas deux fois plus vite : elle avance d’un autre ordre de grandeur qu’une équipe qui visionne des heures de rushes.

• Des datasets plus diversifiés, y compris les échecs et les cas limites, pas seulement les démos réussies.
• Des simulations haute fidélité, donc du calcul adapté au rendu et à la physique, pas uniquement à l’inférence texte.
• Des boucles de renforcement ancrées dans le terrain, avec des récompenses liées à la valeur métier et pas seulement à une métrique de labo.
• Des outils de recherche et d’évaluation assez simples pour qu’un ingénieur non chercheur puisse déboguer.
• Une stratégie d’embodiment : rester agnostique ou co-designer, mais le choisir explicitement.

À Quoi Ressemblerait Vraiment Un Moment ChatGPT Pour Les Robots ?

Sam Altman a évoqué un basculement de l’IA incarnée dans quelques années. Les acteurs du secteur ne s’accordent pas sur la forme de ce basculement. Kendall rappelle que le plus grand déploiement robotique au monde reste… l’aspirateur grand public. Pour lui, le choc n’aura pas lieu dans une slide investisseur, déjà très excitée, mais chez le consommateur. Un exemple concret : une autonomie « yeux détournés » dans une voiture pour moins de 1 000 dollars de hardware. Ce n’est pas un hasard si Wayve license ses modèles aux constructeurs. Le dirigeant y voit une opportunité de plusieurs milliards, et un tremplin vers un modèle incarné plus général.

Gervet fixe un autre seuil, plus tactile. Le moment où l’IA physique devient réelle, selon lui, c’est une manipulation qui fonctionne « hors de la boîte ». Parler au robot en langage naturel. Lui demander de pousser, tirer, fermer un ordinateur portable, débarrasser une table. Obtenir une fiabilité d’au moins 80 % sans réglages d’ingénieur. C’est, dans son analogie, l’expérience ChatGPT : imparfaite, mais immédiatement utile, suffisamment robuste pour que l’utilisateur revienne.

La manipulation qui marche tout de suite. On parle au robot en langage naturel et il exécute des gestes basiques avec une fiabilité d’environ 80 % ou plus. Voilà, à peu près, l’expérience ChatGPT.

– Théophile Gervet, CEO de Genesis AI

Adrian Macneil, CEO de Foxglove, refuse carrément l’idée d’un « moment ChatGPT » robotique. Ce qui a fait l’événement ChatGPT, dit-il, c’est la distribution : passer de zéro à un million d’utilisateurs actifs en une semaine. Dans le monde physique, la distribution est incomparablement plus dure. Il préfère rêver d’un moment Apple II ou IBM PC : le jour où l’on pourra acheter un robot domestique qui commence à faire des choses utiles et amusantes, sans promettre la science-fiction complète.

Il n’y aura pas de moment ChatGPT pour la robotique. Ce qui a fait ce moment, c’était la distribution. Dans le monde réel, la distribution est bien plus difficile. Je serais très excité par un moment Apple II ou IBM PC : un robot à la maison qui commence à rendre service et à divertir.

– Adrian Macneil, CEO de Foxglove

Ce Que Cela Change Pour Les Startups, Les Marques Et Les Investisseurs

Si vous construisez une startup autour de l’IA, trois leçons se dégagent. Premièrement, ne confondez pas heat map média et traction. Un humanoïde qui sert un café en salon tech reste un contenu. Un contrat de maintenance sur douze mois dans une usine est un business. Deuxièmement, la donnée de terrain est un actif stratégique, presque autant que le modèle. Les verticalistes qui acceptent un marché étroit achètent en réalité une longueur d’avance informationnelle. Troisièmement, l’outillage est souvent plus défendable à court terme que la promesse d’un agent universel.

Pour les marques et les directions communication, le risque réputationnel est réel. Afficher un robot « autonome » qui doit être téléopéré en coulisse détruit la confiance plus vite qu’une roadmap honnête. Mieux vaut raconter un périmètre : telle tâche, tel taux, telles conditions. Le public B2B est las des démos trop lisses. Il veut savoir ce qui se passe quand le carton est déformé, le sol mouillé, la lumière mauvaise, l’opérateur absent.

Pour le capital-risque, la correction d’Unitree n’invalide pas la thèse de long terme. Elle rappelle qu’une bulle de hardware charismatique peut précéder la maturité logicielle. Les tickets les plus intéressants pourraient se situer dans les tuyaux : simulation, recherche dans les logs multimodaux, génération de données synthétiques, évaluation, sûreté, interopérabilité. Moins Instagrammable. Plus proche de la manière dont l’industrie logicielle a réellement créé de la valeur pendant la première vague LLM : par l’infrastructure, puis par les applications étroites, puis seulement ensuite par les agents plus larges.

Une Grille Simple Pour Lire Les Annonces Des Prochains Mois

Le flux d’annonces va continuer. Labs automobiles. Levées seed à neuf chiffres. Partenariats Nvidia. Robots de compagnie. Démonstrations ménagères. Pour éviter de se noyer, une grille en cinq questions suffit.

• Le robot crée-t-il déjà de la valeur mesurable chez un client qui paie, ou seulement de l’attention ?
• La donnée collectée est-elle assez diverse pour généraliser, ou trop spécifique pour quitter le silo ?
• L’équipe a-t-elle choisi clairement entre plateforme cerveau et co-design, avec les compromis assumés ?
• L’outillage d’évaluation permet-il d’itérer en jours, pas en trimestres ?
• Le récit commercial promet-il 80 % de succès « en général », ou 95 % sur une tâche que quelqu’un veut acheter ?

Ces questions protègent autant un journaliste qu’un acheteur ou un fondateur. Elles évitent de traiter chaque avancée de locomotion comme une révolution d’usage. Marcher mieux n’est pas travailler mieux. Voir mieux n’est pas décider mieux. Parler mieux n’est pas manipuler mieux. L’IA physique avancera quand ces couches cesseront d’être démontrées séparément et commenceront à tenir ensemble, dans la durée, hors caméra.

Du Laboratoire Au Marché : La Distribution Comme Vrai Boss Final

On sous-estime encore la logistique de l’incarnation. Un modèle de langage se met à jour en silence. Un robot se met à jour dans un entrepôt qui ne peut pas s’arrêter, avec des pièces détachées, des versions de firmware, des protocoles de sécurité, des formations opérateurs. C’est pourquoi Macneil évoque Apple II plutôt que ChatGPT. L’ordinateur personnel n’a pas seulement été une rupture technique. Il a été un objet que l’on pouvait acheter, installer, apprendre, améliorer. La robotique grand public n’a presque aucun équivalent aujourd’hui, hors niches domestiques déjà anciennes.

Les acteurs automobiles misent sur une autre porte d’entrée : le véhicule comme premier robot massivement déployé, déjà financé par un marché existant, déjà régulé, déjà réparé par des réseaux. Si l’autonomie à bas coût de capteurs arrive, elle financera le reste. Si elle n’arrive pas, les humanoïdes continueront de dépendre de levées extraordinaires et de récits de long terme. Les deux trajectoires peuvent coexister. Elles n’offriront pas les mêmes multiples, ni les mêmes calendriers de communication.

Il faut aussi parler d’emploi et d’acceptabilité, non comme un couplet moral obligatoire, mais comme une contrainte go-to-market. Un robot de chantier qui « comprend la manipulation dans la nature » devra convaincre des assureurs, des collectivités, des équipes terrain. Un humanoïde d’accueil devra convaincre des clients fatigués des gadgets. La communication digitale de ces entreprises ne peut plus se limiter à une vidéo au ralenti. Elle devra documenter la fiabilité, la supervision humaine, la remontée d’erreur, le coût total de possession.

Ce Que L’Histoire Des LLM Devrait Nous Apprendre, Sans La Copier Bêtement

Les LLM ont enseigné que l’échelle change la nature d’un système, pas seulement sa précision. Ils ont aussi enseigné que les applications étroites paient les factures pendant que les laboratoires poursuivent le général. Copier uniquement le premier enseignement conduirait à brûler du compute dans des simulations sans débouché. Copier uniquement le second conduirait à empiler des robots spécialisés incompatibles, incapables de transférer le moindre savoir. La voie praticable ressemble à celle de Bedrock : un premier geste assez dur pour enseigner, une couche d’intelligence conçue dès le départ pour s’étendre à d’autres machines.

Autre leçon : l’interface compte autant que le modèle. ChatGPT n’était pas seulement plus fort. Il était abordable en une phrase. Gervet le sait, qui place le langage naturel au centre de son seuil d’utilité. Mais une interface vocale sans robustesse de geste produit l’effet inverse : l’utilisateur croit commander un assistant, il obtient un stagiaire maladroit. D’où l’importance de ne pas sur-promettre le « parle-lui comme à un humain » tant que le corps n’exécute pas.

Enfin, les LLM ont montré que les plateformes d’évaluation et de monitoring deviennent des produits à part entière. Dans l’IA physique, Foxglove et ses pairs occupent déjà cet espace. C’est là que beaucoup de valeur se capturera avant que le grand public n’achète un compagnon domestique. Les équipes growth qui ignorent cette couche passeront à côté du vrai marché intermédiaire, celui des ingénieurs qui doivent livrer vendredi.

Une Lecture lucide Pour La Suite De La Vague

L’IA physique n’est pas une mode isolée. Elle est la tentative de faire descendre l’apprentissage profond dans la matière, après l’avoir fait triompher dans le texte et l’image. Les milliards levés, la valorisation initiale d’Unitree, la croissance d’Actuate, les labs d’Uber et de Wayve, la seed hors norme de Genesis AI : tout cela décrit une industrie qui se sait stratégique. La chute de valorisation, la crise de la donnée, l’absence de généraliste commercialement utile : tout cela décrit une industrie qui n’a pas encore trouvé son produit incontournable.

Entre les deux, le travail utile continue. Il est moins spectaculaire. Il consiste à rendre une pelleteuse plus sûre, un site solaire plus rapide à monter, un entrepôt moins dépendant de gestes répétitifs mal conçus. Il consiste aussi à construire les rails invisibles : simulation, recherche sémantique dans les logs, world models, boucles d’évaluation. C’est dans ces rails que se prépare, peut-être, le jour où un robot comprendra « range cette table » sans qu’une équipe entière retienne son souffle.

Jusque-là, méfiez-vous des analogie trop confortables. GPT-2 a précédé GPT-3 puis un produit grand public. Rien n’oblige la robotique à suivre la même courbe au même rythme. Le monde réel facture chaque erreur. La distribution pèse des tonnes. Les clients n’achètent pas une intelligence. Ils achètent un résultat. Ceux qui l’auront compris écriront la suite de cette industrie mieux que ceux qui n’auront financé que des corps impressionnants. Pour suivre le détail de cette bascule industrielle et les arbitrages des fondateurs, le reportage source de TechCrunch reste un point d’entrée précieux, à condition de le lire comme un état des lieux, pas comme une prophétie.

Le plus intéressant, pour qui observe le marketing de l’innovation, n’est donc pas de savoir quel humanoïde gagnera la course à la une. C’est de voir quelles entreprises oseront vendre un périmètre étroit tout en construisant, en silence, la couche qui pourra s’élargir. C’est aussi de voir quelles marques tiendront un discours adulte sur la fiabilité. Dans un secteur où tout le monde parle déjà de cerveau, la rareté sera ailleurs : des preuves, des données, des déploiements, et quelques machines qui, enfin, font le travail pour lequel on les a payées.