La prochaine frontière de l’intelligence artificielle physique se joue autour d’une partie de Jenga, dans un entrepôt de San Leandro, en Californie. Un opérateur y retire des blocs de bois d’une tour vacillante, coiffé d’un casque équipé d’une caméra qui suit son regard. Rien d’inhabituel pour collecter des données d’entraînement de robots, sauf que ce casque mesure aussi ses ondes cérébrales pendant qu’il démonte la tour.
L’entrepôt appartient à Encord, une société qui bâtit des outils de traitement de données pour entraîner des modèles d’IA. L’opérateur, qu’Encord baptise un pilote, sert d’entraîneur humain à la machine. Le pari de l’entreprise est simple à formuler et redoutable à tenir : le prochain goulot d’étranglement de la robotique humanoïde et logistique ne sera pas l’architecture des modèles, mais la rareté criante de données physiques issues du monde réel. Encord ne se contente plus d’aider les roboticiens à gérer leurs données. Elle en fabrique celles qui manquent.
Le casque à ondes cérébrales a été conçu par Zander Labs, une jeune pousse allemande de neurosciences. Son idée : mesurer l’activité du cerveau pour en déduire des états mentaux comme l’erreur, l’intention ou la surprise, et en tirer un jeu de données plus utile pour entraîner les modèles. Restons lucides sur le stade réel de la chose. Il s’agit d’un essai. Encord dit vouloir constituer un premier jeu de données étiqueté par ondes cérébrales, le passer dans les modèles robotiques de ses clients, puis évaluer si les performances s’améliorent vraiment avant de décider de passer à l’échelle. Autrement dit, on ne sait pas encore si ça marche.
Ce que le cerveau dit à la machine
Lucas Gehrke, neuroscientifique de Zander qui supervise les travaux, avance une piste concrète. La quantité d’activité cérébrale mobilisée à un instant donné pendant une tâche donnerait aux concepteurs de modèles un indice pour savoir quand déployer leurs modèles les plus gourmands en calcul. En clair : le cerveau signalerait les moments difficiles, ceux qui exigent la puissance maximale.
Vineeth Velmurugan, responsable de l’apprentissage robotique chez Encord, parle de la frontière la plus avancée de l’effort pour résoudre le problème de données de la robotique. Passé par le laboratoire robotique d’OpenAI et par Berkshire Grey, spécialiste de l’automatisation d’entrepôts, il a rejoint Encord pour monter l’équipe interne de création de données. Ses clients ? Selon lui, plusieurs grands noms de la robotique, qu’il n’est pas autorisé à citer.
Un corpus cinq fois plus gros que YouTube
Le problème, c’est que le pari selon lequel l’IA générative fera pour les robots ce qu’elle a fait pour les agents conversationnels se cogne toujours au même mur. Les constructeurs de voitures autonomes collectent eux-mêmes leurs données du monde physique, mais cela passe mal à l’échelle. L’entraînement par vidéo fonctionne, mais il manque de la fidélité du réel. Velmurugan chiffre l’obstacle : il faudrait un jeu de données environ cinq fois plus volumineux que l’ensemble des vidéos de YouTube pour franchir le cap. Un ordre de grandeur qui explique pourquoi la génération de données est devenue un métier, et plus seulement une question de recherche.
Les entreprises qui construisent des cerveaux de robots puisent aujourd’hui à deux sources. D’abord la vidéo dite égocentrique, filmée par des ouvriers portant des caméras, souvent enrichie d’angles supplémentaires et de mesures annexes. Ensuite les données issues de robots pilotés à distance. Encord fait les deux : elle collecte de la vidéo égocentrique dans plusieurs usines à travers le monde, et se sert de son site de San Leandro pour expérimenter de nouvelles modalités, les ondes cérébrales par exemple, ou pour bâtir des jeux de données ciblés sur des compétences précises. Sur place, les pilotes utilisent des dispositifs maître-esclave, des bras robotiques appariés dont l’un est commandé par l’humain.
Le vrai verrou est ailleurs
Un mot sur la formule marketing. Les ondes cérébrales sont présentées comme le prochain déblocage de l’IA physique. Les travaux les plus sérieux sur le sujet racontent une autre histoire. Ce qui fait avancer l’IA physique, ce sont les modèles de fondation et l’intégration matérielle pour des tâches réelles, pas un capteur exotique posé sur un front humain. Nvidia, présent au sommet AI Impact 2026, résume le mouvement en trois vagues, perception puis génératif puis agentique, et pointe le vrai déclic à venir : passer d’un modèle généraliste à des spécialistes nourris par les données d’un domaine précis[1]. Le cabinet Capgemini, dans son étude de 2026, note que 60 % des dirigeants interrogés estiment que l’IA physique ouvrira la robotique à des usages jusqu’ici impossibles ou impraticables[2].
Reste que le récit d’Encord touche un point qui devrait intéresser au-delà de la Californie. La bataille de la robotique se déplace vers la donnée physique : qui la collecte, qui la possède, qui la revend. La Chine avance vite sur ce terrain, avec des acteurs comme Matrix Robotics qui exhibaient au salon WAIC 2026 des humanoïdes pilotés par un modèle de fondation maison[3]. Quand la donnée devient la matière première stratégique de la robotique, la question de sa souveraineté n’est pas un détail. La France et l’Europe ont des chercheurs et des industriels dans la boucle. Encore faudrait-il qu’ils ne se contentent pas d’alimenter, comme fournisseurs de données ou de talents, les entrepôts californiens et les modèles chinois.
Sources
3 sources · 3 faits vérifiés
