Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Physical Intelligence : un tour de table de 20 milliards de dollars conclut une semaine de financement des modèles robotiques

Physical Intelligence négocie une levée de fonds sur une valorisation de 20 milliards de dollars, plus de trois fois les 5,6 milliards de novembre 2025, selon Bloomberg relayé par AI Magazine le 3 novembre.

IA & modèlesAnalyseCamille RousseauPublié le: 4 novembre 20265 min de lectureSources 28
Physical Intelligence : un tour de table de 20 milliards de dollars conclut une semaine de financement des modèles robotiques

Les deux tours de table annoncés le 2 novembre financent la même idée : un seul modèle capable de piloter plusieurs types de robots, plutôt qu'un contrôleur sur mesure pour chaque bras. Le pari : c'est le modèle, et non le matériel, qui deviendra l'actif rare.

Physical Intelligence lève des fonds régulièrement depuis sa création en mars 2024. Un tour d'amorçage de 70 millions de dollars a été suivi d'une série A de 400 millions sur une valorisation de 2,4 milliards, puis d'une série B de 600 millions menée par CapitalG, avec Jeff Bezos, Thrive Capital, Lux Capital, Index Ventures et T. Rowe Price également investisseurs. Cette série B, en novembre 2025, a fixé le seuil de 5,6 milliards que les discussions rapportées laisseraient loin derrière. Bloomberg rapporte que les investisseurs existants Avenir et Lux Capital discutent pour mener le nouveau tour, citant des personnes qui ont demandé à ne pas être nommées, et que l'entreprise cherche au moins 1 milliard.

Malgré ces capitaux, l'entreprise reste petite. Physical Intelligence comptait environ 80 salariés en mars 2026.

Le pari technique repose sur un modèle de vision, de langage et d'action entraîné sur de nombreux types de robots, et non sur un contrôleur écrit pour une seule pince. π*0.6, publié en novembre 2025, s'appuie sur l'apprentissage par renforcement pour progresser à partir de l'expérience. Des travaux de mars 2026 y ont ajouté une mémoire à long et à court terme pour des tâches de plus de dix minutes.

Les preuves commerciales sont étroites mais précises. Le modèle π0.6 a préparé des commandes e-commerce pendant un service complet d'entrepôt avec 96,4 % d'autonomie pour le partenaire de déploiement Ultra en février 2026, et Ultra dit monter vers des centaines de déploiements dans des entrepôts américains. L'ajout de données de pliage de linge fournies par le partenaire Weave a réduit de 42 % les prises manquées et de 50 % les interventions humaines, selon l'entreprise. Sergey Levine, cofondateur, a déclaré à TechCrunch : « Pensez à ChatGPT, mais pour les robots ».

Tutor Intelligence soutient que les données doivent venir d'un travail rémunéré. L'entreprise de Watertown, dans le Massachusetts, a annoncé le 2 novembre une série B de 75 millions menée par Andreessen Horowitz, portant le financement total à 117 millions.

Tutor déploie ses robots Sonny et Cassie sur les sites de ses clients. Des opérateurs à distance, appelés tuteurs, les aident à terminer les tâches, et l'expérience ainsi accumulée entraîne le modèle suivant. Raghu Raghuram, associé général chez Andreessen Horowitz et ancien directeur général de VMware, a déclaré que « l'apprentissage continu sur un éventail croissant de déploiements est la voie qui mène des capacités spécialisées à la robotique polyvalente ». Josh Gruenstein, cofondateur et directeur général, estime que l'intelligence ainsi obtenue rend les robots « abordables à un niveau entièrement nouveau » et que « nous n'arrivons presque pas à construire les robots assez vite ». Union Square Ventures et Neo, qui avaient mené les tours précédents, ont aussi participé.

Machenta prend le chemin inverse. L'entreprise londonienne a levé 40 millions de dollars en amorçage, menés par Creandum et Union Square Ventures, et affirme que ses modèles sont pré-entraînés entièrement sur des données simulées.

Imperial College London, où la recherche a démarré il y a environ six ans, qualifie ce tour du plus important tour d'amorçage levé par une startup britannique de robotique. Le professeur Edward Johns et l'étudiant en doctorat Vitalis Vosylius ont fondé l'entreprise au sein du Robot Learning Lab de l'université, et elle a ouvert un bureau et un laboratoire à King's Cross. La promesse est l'apprentissage instantané : un robot qui assimile une nouvelle tâche physique après l'avoir vue une fois, et non après des démonstrations répétées et des mises à jour du modèle. Johns a déclaré dans l'annonce que « l'intelligence ne tient pas tant à ce que l'on sait déjà faire qu'à la vitesse à laquelle on apprend quelque chose de nouveau ».

Les données simulées sont bon marché et privées. Les données de déploiement sont coûteuses et spécifiques. Laquelle produit le meilleur modèle général reste la question ouverte derrière ces trois valorisations.

L'écart entre les montants est large. L'amorçage de 40 millions de Machenta et les 117 millions au total de Tutor paraissent petits face au milliard et plus que Physical Intelligence chercherait à lever, et plus petits encore face à la valorisation en discussion.

Le marché public vote en premier. Les actionnaires de Churchill Capital Corp XI ont approuvé le 2 novembre sa fusion avec Agility Robotics, avec plus de 84 % des voix exprimées en faveur.

L'entreprise combinée doit boucler l'opération le 4 novembre et commencer à coter sur le Nasdaq le 5 novembre sous le symbole AGLT. Elle attend environ 465 millions de dollars de capitaux bruts avant frais, contre plus de 620 millions anticipés lors de l'annonce de la fusion en juin. Cela représente environ 164 millions issus du compte fiduciaire de Churchill, 201 millions d'un PIPE mené par Foxconn et 100 millions de fonds propres levés par Agility après l'annonce. Les robots Digit travaillent déjà dans neuf environnements clients, dont un site de GXO Logistics à Flowery Branch, en Géorgie, avec deux autres installations GXO ajoutées en octobre. Agility affirme disposer de plus de 300 millions de dollars de commandes pluriannuelles fermes pour Digit 5, tout en précisant que ce chiffre ne correspond pas à un revenu actuel.

Son usine RoboFab à Salem, dans l'Oregon, est conçue pour produire jusqu'à 10 000 robots par an.

Digit 5, dévoilé en septembre, doit être accessible à des clients pilotes au premier semestre 2027 et disponible largement à la fin de cette année-là. Le fabricant de matériel agricole AGCO a signé en octobre un accord commercial pour tester Digit sur son site de Hesston, au Kansas, à partir de 2027.

Le choix de matériel reste limité. RoboterAtlas recensait 49 robots humanoïdes de 41 entreprises à la fin octobre 2026, dont 26 de fabricants chinois, dix américains et trois allemands, rapporte heise. Vingt-huit des modèles listés visaient les entreprises, 18 la recherche et l'éducation, et seulement 16 les foyers.

Rien de tout cela ne tranche si les modèles robotiques généraux justifient leurs valorisations. Les partenaires de Physical Intelligence annoncent des pourcentages d'autonomie, Tutor annonce des déploiements, et Agility annonce des commandes assorties d'une réserve. Le prochain chiffre concret tombera le 5 novembre, quand AGLT commencera à coter.

Commentaires 0

Sources

28
  1. 01Physical Intelligence: What are Robot Foundation Models? - AI MagazineEN
  2. 02Machenta Raises $40 Million Seed Round To Build Instant-Learning Robot Foundation ModelsEN
  3. 03Tutor Intelligence Raises $75 Million Series B Led by Andreessen Horowitz to Scale Frontier Robotics Model Training, Manufacturing and DeploymentEN
  4. 04Churchill Capital XI shareholders approve $2.5B Agility Robotics humanoid SPACEN
  5. 05Humanoide Roboter in Deutschland: Modelle, Preise und VerfügbarkeitEN
  6. 06QUAL: Quantile Alignment Improves Zero-Shot Time-Series Foundation ModelsEN
  7. 07Anthropic is working on a system to prove AI models’ identityEN
  8. 08Nvidia is happy to take your money whether you're using open or closed models, says Jensen HuangEN
  9. 09I Checked Out Tesla’s New Model YL, Standard Y, Model 3 In Person — Here’s What Surprised MeEN
  10. 10Training Foundation Models with a Single AlgorithmEN
  11. 11 Google reveals new Gemini 4 Carbon AI model, narrowly beating Claude Opus 5.5 EN
  12. 12Open models can do 90% of agentic work at a twentieth of the cost of a frontier LLM: GartnerEN
  13. 13Tutor Intelligence raises Series B to scale model training, robot deploymentsEN
  14. 14Gentherm designs ThermAffyx to secure, heat patients during robotic surgeriesEN
  15. 15Top 10 robotics developments of October 2026EN
  16. 16Jülich Hosts EVE Language Model for Earth Observation and Earth ScienceEN
  17. 17Google Launches LiteRT Tensor API for Building, Customizing, and Optimizing ML Models for On-DeviceEN
  18. 18Westward Ho! First Trip Cross Country with Our New 2026 Tesla Model Y & Full Self Driving V14EN
  19. 1928 Zero-Day Findings in Less Than Two Days: What AI-Speed Discovery Means for RoboticsEN
  20. 20Solving the Interconnect Challenge in Modern Robotics: How 3M Is Engineering for Motion, Density, and UptimeEN
  21. 21Klobot Wins State Project to Develop Spatial Intelligence Robot ModelEN
  22. 22Unusual robotic animals can prove their utilityEN
  23. 23Was I wrong about open models & cyber risks?EN
  24. 24Beyond Plausible Prediction: Safety Sufficiency in Web World ModelsEN
  25. 25Incongruence-Aware Evaluation of Multimodal Speech Emotion Recognition in Audio Large Language ModelsEN
  26. 26Agentic World Modeling for Agent Test-time Scaling without Environment ReplicaEN
  27. 27The psychophysics of affect in large language modelsEN
  28. 28Calibration of Large Model Quantization based on HiFloat4 FormatEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Camille Rousseau

Camille Rousseau

IA, modèles et technologies

Camille Rousseau suit les technologies, l’IA et les modèles ainsi que les médias et l’internet pour FLASH24, en partant des dépôts de modèles, des publications techniques et des données publiques, sans reprendre les annonces sans vérification. Elle contrôle les chiffres d’entraînement et de coût en remontant aux jeux de données, aux versions de modèles et aux méthodes de mesure. Elle interroge des chercheurs et des équipes produit, compare les résultats entre modèles et attend les mises à jour de calendrier des principaux fournisseurs. Son intérêt pour l’impression 3D, les vieux ordinateurs et la façon dont les modèles apprennent rejoint directement son travail sur l’IA et les technologies. Elle ne publie pas de chiffres sans source ni de comparaison sans protocole reproductible.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.