Usines de robots humanoïdes : les données, pas les articulations, sont le verrou

Le dernier équipement en date d'une usine de robots n'est pas une ligne de production. C'est une scène de capture. Le 30 septembre, l'entreprise d'ingénierie de données Innodata a ouvert un laboratoire de recherche et développement qui enregistre le mouvement 3D directement sur des corps humains ou mécaniques, au lieu de le déduire d'une vidéo 2D, rapporte The Robot Report.

« L'IA physique croît plus vite que tout autre segment de l'IA, mais chaque équipe de robotique se heurte au même mur : il n'y a pas assez de données d'interaction réelles, et ce qui existe est cher et lent à produire », a déclaré Rahul Singhal, PDG d'Innodata, dans un communiqué repris par le média. L'installation validera aussi les données de performance que les robots génèrent en interne.

Pourquoi une usine a encore besoin d'un humain dans la boucle

Franklin Tanner, vice-président robotique et IA physique d'Innodata, a expliqué à The Robot Report que l'IA physique « doit gagner ses tokens une interaction à la fois, et elles doivent être délibérées ». Il a donné l'exemple d'un robot qui ramasse une tasse : saisir l'anse est généralement correct, mais soulever une tasse pleine de liquide chaud par la base peut brûler l'utilisateur. Ce contexte, selon lui, manque souvent même dans les jeux de données existants. Innodata affirme que ses capteurs enregistrent le mouvement de chaque articulation. L'entreprise collecte des données sur des humanoïdes, du matériel téléopéré, des systèmes portables, des bancs de capteurs et des pinces Universal Manipulator Interface.

La latence est l'autre moitié du problème. Le 30 septembre également, MindOn a publié Mind-1, un modèle d'IA physique qui, selon l'entreprise, amène l'exécution des tâches robotiques à la vitesse humaine et réduit la latence d'inférence de 82 ms à 32 ms. L'entreprise soutient qu'à une vitesse d'effecteur terminal de 3 m/s, 10 ms de retard équivalent à environ 3 cm de déplacement, assez pour gâcher une saisie ou une insertion précises. Elle pointe aussi les données d'entraînement elles-mêmes : une grande partie des données de manipulation actuelles provient de la téléopération, plus lente que le mouvement humain naturel. Les modèles apprennent donc un tempo lent en même temps que la tâche.

Une évaluation indépendante suggère que l'écart ne se comble pas de façon uniforme. Un rapport technique publié le 30 septembre par Fig Inc. a évalué des modèles de pointe, dont Astra et Opus 5.5, sur l'automatisation web et quatre domaines physiques. Conclusion : dans chaque paire de modèles testée, le modèle le moins bien noté résolvait au moins une tâche que le mieux noté échouait. Les auteurs qualifient ce profil de performance de « dentelé » et ont publié les résultats au niveau des items sous le nom RIDGE.

« Il n'existe tout simplement pas de substitut à la capture directe de mouvement 3D », a déclaré Tanner. « Quand un modèle de vision par ordinateur tente d'interpréter une grille 2D de pixels, des erreurs s'y glissent inévitablement. »

L'argent continue d'affluer vers l'atelier

L'investissement suit la même thèse. Le 30 septembre, la société parisienne Inbolt a annoncé avoir levé 11 millions d'euros, menés par Shift4Good avec Bridges Climate Transition Partners et les investisseurs existants BNP Paribas Développement et Ora Global, portant son total à 30 millions d'euros, selon Tech.eu. Inbolt combine vision 3D et couche d'IA agnostique au matériel qui permet aux robots d'ajuster les boucles de contrôle en temps réel. L'entreprise affirme que son logiciel tourne sur plus de 200 robots dans plus de 100 usines sur trois continents, avec des clients dont Bosch, Beko, Flex, Ford, Stellantis et Toyota.

Toutes les annonces du secteur ne sont pas d'ingénierie. Electrek a rapporté le 30 septembre que KIDZ AI, société cotée au Nasdaq anciennement connue sous le nom de Classover Holdings, a envoyé à Tesla une « demande d'achat » pour 500 Robotaxis. L'entreprise a déclaré un chiffre d'affaires de services de 0,48 million de dollars au deuxième trimestre 2026, en baisse de 34 % sur un an, et une perte trimestrielle de 2,5 millions de dollars. Son propre communiqué précise que la demande n'est pas une commande ferme. Electrek note que 500 Cybercabs, même à l'objectif « moins de 30 000 dollars » d'Elon Musk, coûteraient environ 15 millions de dollars, soit environ six fois la valeur boursière de l'entreprise.

La chaîne d'approvisionnement du matériel a ses propres litiges. Electrek a aussi rapporté le 30 septembre que Linton Crystal Technologies a poursuivi Zhejiang Jingsheng le 22 septembre devant un tribunal fédéral du Texas au sujet de deux brevets américains couvrant un système de levage et de rotation de germe pour la croissance cristalline. Des rapports de l'industrie chinoise indiquent que Jingsheng a remporté plus tôt cette année une commande Tesla d'environ 3 milliards de yuans (environ 420 millions de dollars) pour des tireurs de cristal. Tesla n'est pas partie au litige et ni Tesla ni Jingsheng n'ont confirmé la commande. Jingsheng a déclaré aux investisseurs le 24 septembre que ses produits utilisent des « solutions techniques entièrement différentes » de celles des brevets.

Pour les fabricants hors du marché industriel, la contrainte est plus prosaïque. Sur Hackster.io, le fondateur de Petoi, Rongzhong Li, a écrit le 30 septembre que l'entreprise a expédié plus de 30 000 robots quadrupèdes depuis sa campagne Nybble de 2018. Il y décrit la dérivation d'une formule qui trace la faisabilité d'un produit en fonction de ses degrés de liberté actifs. Son produit actuel, Quaddle, démarre à 99 dollars sur Kickstarter.

Arrowfly, la société mère de The Robot Report, a profité du même jour pour lancer AI for Engineers, une plateforme éditoriale et événementielle soutenue par plus de 20 marques d'ingénierie. Sa conférence phare est prévue du 20 au 22 septembre 2027 à Henderson, dans le Nevada, avec 700 participants attendus.