IA physique : données, automobile et seuils décisifs

Le cœur du dossier n’est pas un prototype spectaculaire mais les seuils et les outils qui rendront la robotique utile à grande échelle. Dirigeants et ingénieurs divergent sur ce qui fera date, de l’autonomie à 1000 dollars aux manipulations fiables à 80 %. En parallèle, la filière s’équipe pour surmonter un goulet de données, tandis que la Bourse rappelle la part d’incertitude.

Trois définitions du tournant : consommateur, fiabilité et distribution

Sam Altman situe un possible équivalent de ChatGPT pour l’IA incarnée à quelques années. Pour Alex Kendall (Wayve), le déclencheur sera grand public : les plus gros déploiements robotiques actuels sont les aspirateurs domestiques, et un véritable cap serait franchi par une conduite mains libres pour moins de 1000 dollars de matériel dans une voiture. Wayve accorde déjà des licences de modèles à des constructeurs pour viser cet objectif, que Kendall décrit comme une opportunité de plusieurs milliards de dollars et comme un tremplin vers un modèle d’IA incarnée général. Théophile Gervet (Genesis AI) place le seuil ailleurs : une manipulation qui fonctionne dès la sortie de la boîte, commandée en langage naturel, pour des gestes de base comme pousser, tirer, fermer un ordinateur portable ou nettoyer une table, avec 80 % de fiabilité ou plus. Adrian Macneil (Foxglove) écarte l’idée d’un « moment ChatGPT » unique en robotique, rappelant que ChatGPT doit son pic au canal de distribution (zéro à un million d’utilisateurs actifs en une semaine), beaucoup plus simple que la distribution dans le monde réel. Il dit attendre plutôt un moment « Apple II » ou « IBM PC » : pouvoir acheter un robot domestique qui commence à accomplir des tâches utiles et ludiques.

Données et outils : un goulet identifié et un nouveau produit

La gestion des flux visuels et lidar, très denses, complique l’itération. Cette semaine, Foxglove a annoncé un produit construit sur le modèle de monde à poids ouverts Nvidia Cosmos : il permet des requêtes en langage naturel pour explorer les données et bâtir évaluations et simulations, avec pour objectif déclaré d’accélérer triage et débogage. Le secteur décrit une « crise des données » due au manque de jeux d’entraînement de haute qualité : les robots généralistes restent éloignés, et les approches de bout en bout n’ont pas encore produit des performances commerciales fiables. En réponse, des équipes cherchent à diversifier ou générer leurs données, testent des régimes d’entraînement alternatifs et affinent l’apprentissage par renforcement. Harry Mellsop (Antioch) situe l’IA physique à une étape « GPT-2 » qui exigera plus de données et de calcul, y compris des GPU optimisés pour le ray tracing afin de produire des simulations fidèles. Sur les stands, Avala revendique aussi s’attaquer à cette crise comme fournisseur d’infrastructure.

L’automobile comme tête de pont et réservoir d’outils

Les véhicules autonomes apparaissent en pointe, aidés par la collecte de données en conduite humaine et par une tâche centrale d’évitement du contact plutôt que de manipulation. Beaucoup de briques logicielles proviennent d’ailleurs de ce domaine : Foxglove a été fondée par d’anciens de Cruise, l’initiative de conduite autonome de General Motors. Des groupes automobiles parient que ces investissements ML leur permettront de rivaliser avec des fabricants humanoïdes dédiés : Tesla tente déjà l’exercice avec Optimus, tandis que Wayve et Uber ont lancé des laboratoires humanoïdes. Pour Alex Kendall, il faut partir des véhicules : l’infrastructure de données, la simulation et les opérations ML devraient être mutualisées, même si le modèle du monde divergera après entraînement selon l’incarnation. Il juge prématuré de figer une plateforme matérielle alors que capteurs et composants évoluent vite, et défend un modèle plus agnostique.

Cibler des verticaux : où les robots livrent et à quelles conditions

Sur des cas d’usage précis, des robots opèrent déjà sur le terrain : Gritt construit des fermes solaires, Agility intervient en milieux industriels et Bedrock pilote des excavatrices en autonomie. Chez Bedrock, Kevin Peterson dit partir de l’excavation pour cerner la « manipulation dans le monde réel », avec l’ambition de bâtir une couche d’intelligence couvrant plusieurs machines de chantier. Ce recentrage vertical séduit pour ses revenus et ses données de déploiement, même si ces données peuvent manquer de diversité pour faire avancer des modèles généralistes, tout en restant clés pour créer de la valeur. Théophile Gervet souligne qu’un robot généraliste à 80 % de réussite n’intéresse aucun client, et que l’absence de focalisation sectorielle détruit la valeur ; il avertit aussi qu’un acteur spécialisé bâti sur une base « GPT-2 » risque d’être dépassé par un concurrent sur une base « GPT-4 ».

Signaux de marché et communauté : IPO chahutée, conférence en essor

Le contraste est fort entre enthousiasme et réalité boursière. Unitree, présenté comme premier fabricant chinois de robots, a vu sa valorisation culminer à 66 milliards de dollars après une importante IPO, avant de perdre près de la moitié de sa valeur cette semaine, des analystes pointant un déficit de savoir-faire productif malgré des progrès physiques. En capital-risque, l’IA physique attire des tours s’élevant à des milliards pour transposer les recettes des grands modèles de langage à la robotique. Côté écosystème, la conférence Actuate a triplé de taille depuis 2023 et revendique 1500 participants, organisée par Foxglove, qui se positionne comme outilleur pour la gestion et la visualisation de données des équipes IA incarnée.