Signal fort pour la Physical AI: Figure AI annonce un financement de 675 M$ pour faire passer ses humanoïdes du prototype à l’usage commercial. L’entrée d’investisseurs stratégiques comme NVIDIA et OpenAI confirme que l’IA de pointe migre vers le monde physique, avec l’ambition de sortir des vidéos virales pour livrer de la valeur en atelier et en entrepôt.

Reste l’essentiel: transformer du capital en fiabilité, sécurité et ROI mesurable. Dans une catégorie encore immature, l’exécution comptera plus que les promesses.

Le fait

La startup américaine Figure AI a levé 675 M$ pour accélérer le développement et la commercialisation de ses robots humanoïdes. Le tour de table inclut des investisseurs stratégiques tels que NVIDIA et OpenAI, signe d’un alignement entre compute, modèles d’IA et robotics stack. L’entreprise présente cette levée comme un moyen d’accélérer la R&D et de rapprocher ses robots d’applications concrètes en environnement industriel.

Sources officielles:

  • VentureBeat, Figure AI funding
  • Figure AI, Press release

Pourquoi c’est important

Validation stratégique: compute + embodiment

La présence de NVIDIA et d’OpenAI n’est pas anecdotique. Elle traduit un déplacement du centre de gravité de l’IA: après la vague logicielle (LLM, vision multimodale), la valeur se joue dans l’incarnation, perception-action, manipulation, locomotion, contrôle en boucle fermée. NVIDIA pousse déjà un stack dédié (simulation, apprentissage, compute temps réel) pour la robotique humanoïde via Isaac et des initiatives autour de modèles fondamentaux de contrôle; l’investissement dans Figure aligne matériel, simulation et modèles.

Contexte marché: du PoC à la productivité

Le momentum sur l’humanoïde s’explique par trois forces: pénuries de main-d’œuvre sur des tâches répétitives, besoin de flexibilité au-delà de l’automatisation fixe, et maturation rapide des modèles perceptivo-moteurs. Plusieurs acteurs testent déjà « grandeur nature »: Agility Robotics avec Digit a été évalué par Amazon dans des centres logistiques; d’autres pilotes industriels émergent pour des cas d’usage comme l’alimentation de lignes, le kitting ou la logistique interne.

  • Amazon, Tests de Digit (Agility Robotics)

Figure AI, de son côté, positionne ses humanoïdes comme une main-d’œuvre complémentaire et re-déployable, avec une pile d’IA visant la généralisation de tâches courantes plutôt que des cellules hyper-spécialisées. L’arrivée de capitaux frais crédibilise la trajectoire: passer des démonstrations de manipulation et de locomotion à la valeur opérationnelle (temps de cycle, disponibilité, sécurité, intégration IT/OT).

Effet d’écosystème

Le tour de Figure AI va irriguer l’écosystème: sous-traitants mécaniques (actionneurs, réducteurs, mains), perception (caméras, depth), compute embarqué, simulation et annotation, intégrateurs système, assurance et conformité. Les progrès d’un acteur rejaillissent souvent via les outils communs (simulateurs, toolchains d’IL/IRL/Imitation Learning, diffusion policies) et l’offre des fournisseurs de compute et de capteurs.

Reality check / nuances

De la démo à la disponibilité 24/7

Les vidéos convaincantes ne capturent pas encore la réalité d’une production: variabilité des pièces, tolérances serrées, surfaces glissantes, éclairages changeants, ESD, interaction avec des opérateurs humains. Le « long tail » des cas d’exception impose une stratégie claire: télésupervision, reprise en main, détection d’impasses, et surtout une boucle de données robuste pour améliorer les politiques de contrôle au fil du déploiement.

Dexterité, sécurité, énergie

Les goulots d’étranglement techniques restent connus: préhension robuste d’objets variés, planification et contrôle réactif sous incertitude, latences bout-en-bout, sécurité fonctionnelle (catégories de performance, arrêts contrôlés), et autonomie énergétique. En environnement industriel, l’acceptation dépendra du respect de cadres de sécurité (par ex. ISO 10218, ISO/TS 15066 pour la robotique collaborative) et de l’obtention de garanties assurantielles. Une roadmap crédible doit expliciter comment atteindre des niveaux de disponibilité élevés sans renoncer à la sûreté.

Unit economics avant tout

Au-delà de la R&D, la bataille se joue sur les coûts et l’industrialisation: chaîne d’approvisionnement des actionneurs, fiabilité des transmissions, coût des mains, test en fin de ligne, MRO, et un modèle de service (RaaS) qui mutualise le risque. Les clients attendent un ROI lisible: temps de cycle compétitif vs. alternatives, taux d’arrêt maîtrisé, facilité d’intégration aux MES/WMS/ERP, et contrat de service clair.

Dépendances et verrouillages

Le soutien de fournisseurs-clés (compute, capteurs) est un atout, mais crée aussi des dépendances. Les choix d’architecture (compute embarqué vs. edge, simulateurs, formats de dataset) influenceront la vitesse d’itération et les coûts. La capacité à rester modulaire, pour tirer parti des avancées de l’écosystème, sera déterminante.

Ce qu’il faut surveiller

  • Pilotes payants et extensions de périmètre: passer de démonstrations à des pilotes contractuels avec objectifs chiffrés (cycle, disponibilité, sécurité), puis élargissement à de nouveaux postes sans réingénierie lourde.
  • Généralisation des compétences: fréquence et coût d’« apprentissage » de nouvelles tâches, stratégie de collecte de données (téléopération, imitation, RL, synthèse en simulation), et transfert sim2real documenté.
  • Stack logiciel et compute: intégration entre perception multimodale, planification, contrôle réactif; choix de compute embarqué et contraintes thermiques/énergétiques; utilisation d’outils de simulation/validation (p. ex. Isaac) pour accélérer les itérations.
  • Sécurité et conformité: trajectoire vers des certifications applicables et dispositifs de sécurité éprouvés en co-activité humaine; transparence sur la gestion des incidents et « near-misses ».
  • Industrialisation matérielle: maturité des actionneurs et transmissions, endurance des mains, maintenance prédictive, MTBF/MTTR communiqués aux clients pilotes.
  • Écosystème et intégrateurs: partenariats avec intégrateurs systèmes et équipementiers; articulation avec les systèmes IT/OT existants chez les clients.
  • Paysage concurrentiel: progression des autres humanoïdes en pilotes réels (usines, logistique), et signaux d’adoption chez de grands comptes.

Le financement de 675 M$ donne à Figure AI la piste d’atterrissage pour viser ces jalons. La présence de NVIDIA et d’OpenAI suggère un pari sur l’émergence de modèles et d’outils transverses à l’écosystème humanoïde. Mais la ligne d’arrivée n’est pas la prochaine vidéo virale: ce sera la signature de contrats récurrents avec des KPI opératoires publiés et réplicables.

Pour les décideurs, l’attitude rationnelle consiste à: 1) cadrer des POC à valeur mesurable, 2) exiger des engagements de service et de sécurité concrets, 3) capitaliser sur la simulation et la standardisation des interfaces, et 4) garder une option ouverte sur l’écosystème (éviter les verrouillages coûteux). Le marché n’attend plus un « moment iPhone » de l’humanoïde; il attend des heures productives sans surprise.