- L’industrie de la robotique se situe actuellement à un stade de niveau GPT-2.5, où les foundation models montrent des capacités réelles, mais où l’écart entre les performances en laboratoire et les déploiements sur le terrain reste important
- Même la projection de 38 milliards de dollars de marché en 2035, relevée par Goldman Sachs d’un facteur 6 en un an, est jugée conservatrice par Bessemer, qui estime que le seul coût des données robotiques dépassera 3 milliards de dollars pour l’ensemble du secteur sur les deux prochaines années
- Parmi les fondateurs d’entreprises américaines de robotique, 48 % sont issus de quatre institutions : Stanford, MIT, Berkeley et CMU, ce qui devrait accélérer une dynamique de concentration des talents favorable aux gagnants
- La médiane des Series A des entreprises de robotique de défense atteint 105 millions de dollars, soit le double de celles hors défense, et avec la valorisation de 60 milliards de dollars d’Anduril, Bessemer prévoit que le premier IPO à plus de 50 milliards de dollars émergera de ce secteur
- Sur les cinq dernières années, seules 42 entreprises de robotique ont levé plus de 30 millions de dollars, soit 18 fois moins que dans le logiciel, ce qui indique non pas une bulle, mais un sous-investissement structurel
Demande structurelle et perspectives de marché de la robotique
- La demande de remplacement de la main-d’œuvre pour les tâches physiques répétitives ou les environnements de travail dangereux continue d’augmenter sous l’effet des changements démographiques aux États-Unis, en Europe, au Japon et en Chine
- Certains analystes prévoient que le marché de la robotique atteindra 38 milliards de dollars d’ici 2035, et Goldman Sachs a relevé cette estimation d’un facteur 6 en un an
- Bessemer estime que cette projection reste conservatrice, tant en vitesse qu’en ampleur
- Jeremy Levine, partner chez Bessemer, déclare : « D’ici 10 à 20 ans, il y aura sur Terre 100 000 fois plus de robots qu’aujourd’hui »
- Bessemer cherche à capter les opportunités d’investissement à un moment où mobilité des talents, percées technologiques et vents porteurs structurels s’accélèrent simultanément, avec dans son portefeuille Waymo, Mind Robotics, Foxglove, Breaker, Noda, Voxel51, DroneDeploy, Auterion, Perceptron, ANYbotics, entre autres
Prévision 1 : le moment ChatGPT de la robotique approche, mais n’est pas encore là
- L’industrie de la robotique se trouve dans un moment GPT-2.5 : les foundation models montrent des capacités concrètes et les lois d’échelle commencent à apparaître, mais l’écart entre les démonstrations en laboratoire et les déploiements en production reste important
- Le modèle π0 de Physical Intelligence a réussi à plier du linge avec une dextérité de niveau humain
- L’article EgoScale, publié en février 2026, démontre que la performance des politiques s’améliore de façon prévisible en fonction de la taille des données de pré-entraînement, fournissant la première preuve forte que les foundation models robotiques suivent la même courbe d’amélioration fondée sur les données que les LLM
- Deux questions clés restent sans réponse
- De quelle quantité de données faut-il disposer pour combler l’écart entre les performances de laboratoire et les 99,9 % de fiabilité exigés en production
- À quoi ressemblera le moment ChatGPT de la robotique lorsqu’il arrivera
- Contrairement aux chatbots, on ne peut pas démontrer ces capacités avec une simple zone de texte : la preuve sera un robot capable d’exécuter des tâches complexes dans un environnement inconnu sans intervention humaine
- Domaines déjà commercialisés : automatisation d’entrepôt, assistance chirurgicale, livraison du dernier kilomètre, inspection industrielle — des systèmes spécialisés pour environnements contraints génèrent déjà du chiffre d’affaires
- Armen Aghajanyan, CEO de Perceptron : « Le cœur de la robotique dans le monde réel n’est pas un meilleur algorithme de contrôle, mais un foundation model qui comprend le monde physique ; le contrôle du robot n’est qu’une fine couche au-dessus »
Prévision 2 : l’apparition des lois d’échelle — les données sont chères, le capital est un moat, et les world models pourraient être un raccourci
- Les LLM ont pu exploiter des centaines de milliers de milliards de tokens issus d’Internet, mais la robotique ne dispose pas d’un corpus équivalent
- Le volume mondial de données de manipulation robotique est estimé à environ 300 000 heures, ce qui crée un écart structurel face à environ 1 milliard d’heures de vidéo Internet et 300 000 milliards de tokens de texte
- Bessemer estime que le coût total des données robotiques pour l’ensemble du secteur dépassera 3 milliards de dollars au cours des deux prochaines années
- Cela inclut la téléopération, la vidéo égocentrée, la simulation et la collecte de démonstrations physiques
- Les données robotiques ne peuvent ni être scrapées ni achetées ; elles doivent être générées directement par tâche et par environnement
- Ian Glow, CEO de Zeromatter : « La téléopération seule ne peut pas constituer une stratégie de données gagnante ; il faut aller chercher des données via l’apprentissage par renforcement sur Internet ou dans les simulateurs pour obtenir l’échelle et la diversité nécessaires »
- World models : des réseaux neuronaux qui apprennent les lois de la physique à partir de vidéos à l’échelle d’Internet
- Le V-JEPA 2 de Meta, entraîné sur plus d’un million d’heures de vidéo, a atteint 80 % de réussite zero-shot en pick-and-place sur un vrai bras robotique avec seulement 62 heures de données robotiques supplémentaires
- En revanche, le Cosmos de NVIDIA a mobilisé 10 000 GPU H100 pendant trois mois pour l’entraînement, ce qui fait aussi des world models une approche intensive en capital
- Simulation et apprentissage par renforcement : le passage sim-to-real fonctionne bien pour la locomotion, mais pour la manipulation, les problèmes de fidélité sur les objets souples, les textiles ou les liquides restent un chantier de recherche non résolu
- Brian Moore, CEO de Voxel51 : « Ce qui distingue les leaders du simple battage dans l’IA physique, c’est une obsession de la qualité des données ; de mauvaises données ne sont pas une inefficacité, c’est un risque »
Prévision 3 : la concentration des talents désignera vite les gagnants — ce n’est pas un marché où 50 entreprises réussiront
- Parmi les entreprises américaines de robotique fondées ces cinq dernières années et ayant levé plus de 30 millions de dollars, 43 % des fondateurs sont titulaires d’un doctorat
- Parmi eux, 48 % sont issus de Stanford, du MIT, de Berkeley ou de CMU
- 56 % ont au moins un cofondateur titulaire d’un doctorat, et 43 % ont un fondateur venant directement du monde académique
- Le moat lié aux talents produit un effet cumulatif dans la séquence talents → capital → partenariats de données → relations clients → datasets propriétaires, ce qui accélère la formation d’une structure winner-takes-most plus vite que beaucoup ne l’imaginent
- Dans les LLM, l’open source (Llama, Mistral) a démocratisé l’accès aux capacités, mais en robotique, même si des projets open source comme LeRobot, Genesis, Isaac Lab progressent, il subsiste cette friction physique : il faut toujours des robots
- Les équipes disposant de l’expertise la plus poussée en sim-to-real, manipulation, locomotion, fusion de capteurs construisent des avantages difficiles à reproduire via une simple publication open source
Prévision 4 : les entreprises full-stack capteront la valeur à court terme — il faudra attendre pour les acteurs purement foundation models
- Dans les LLM, un endpoint API unique comme GPT-4 permettait à une équipe de deux personnes de construire immédiatement un produit d’IA de pointe ; en robotique, il faut collecte de données par domaine, fine-tuning adapté à l’environnement, intégration matérielle et infrastructure opérationnelle
- Aujourd’hui, les moats se trouvent moins dans l’architecture des modèles que dans les pipelines de données propriétaires, l’expertise métier, l’infrastructure de déploiement et les relations clients qui génèrent des boucles de feedback
- La baisse du coût du hardware accélère cette dynamique
- Mike Winn, CEO de DroneDeploy : « Dans la construction, les robots terrestres sont passés de 100 000 dollars à moins de 15 000 dollars l’unité, et les drones avec station d’accueil de 200 000 dollars à moins de 20 000 dollars, ce qui nous fait franchir le seuil critique pour étendre les déploiements »
- La stack se divise en trois couches
- Couche infrastructure : foundation models, world models
- Couche application : entreprises full-stack avec hardware sur mesure (humanoïdes, systèmes industriels) + entreprises full-stack qui appliquent l’IA à des plateformes commerciales standard
- Si la valeur se concentre sur la couche application, c’est parce que la couche infrastructure n’est pas encore assez généraliste pour prendre en charge de manière autonome des déploiements end-to-end
- À mesure que les foundation models progresseront et que le sim-to-real gagnera en maturité, le moment API de la robotique arrivera, mais cela relève de l’après-2028 ; dans la fenêtre actuelle, c’est l’intégration verticale qui crée une valeur durable
- Adrian Macneil, CEO de Foxglove : « L’avantage décisif dans l’IA physique ne vient pas de la nouveauté du modèle, mais de la qualité de l’infrastructure de données ; à mesure que les modèles convergent, les entreprises dotées du data flywheel le plus puissant l’emporteront »
Prévision 5 : la robotique de défense mènera le premier IPO à plus de 50 milliards de dollars de la catégorie
- En 2025, la médiane des Series A des entreprises de robotique de défense atteint 105 millions de dollars, soit plus du double des 50 millions de dollars des entreprises hors défense, et cet écart s’élargit chaque année depuis 2021
- Anduril a bouclé en mars 2026 une opération sur la base d’une valorisation de 60 milliards de dollars, et Saronic a levé le même mois une Series D de 1,75 milliard de dollars pour la construction navale autonome
- Les cycles d’achat dans la défense sont longs mais prévisibles, avec de gros contrats, des taux de renouvellement élevés et des coûts de changement importants
- Contrairement à la robotique commerciale, les acheteurs de la défense raisonnent non pas en ROI, mais en risque pour la sécurité nationale
- La géopolitique renforce encore cette dynamique : environ 90 % des robots humanoïdes vendus dans le monde en 2025 sont fabriqués en Chine
- Les modèles d’IA chinois accusent en moyenne environ sept mois de retard sur les modèles américains, mais cet écart se réduit constamment, et le gouvernement américain commence à traiter la robotique comme un enjeu essentiel de sécurité nationale
- Sur le plan dual-use, les entreprises les plus défensives construisent non pas des systèmes d’armes à usage unique, mais des plateformes autonomes, systèmes de perception et infrastructures décisionnelles applicables aussi au commerce
- Matthew Buffa, cofondateur de Breaker : « Les entreprises les plus intéressantes ne choisissent pas entre défense et commercial ; elles construisent des systèmes assez performants pour répondre aux exigences de la défense tout en restant innovants commercialement »
Prévision 6 : il n’y a pas de bulle robotique — au contraire, les capitaux restent insuffisants
- Sur les cinq dernières années, 745 entreprises logicielles ont levé plus de 30 millions de dollars, contre seulement 42 dans la robotique, soit 18 fois moins
- Pourtant, le marché sous-jacent de la robotique est 30 fois plus grand que la dépense mondiale en logiciels
- Même en tenant compte du caractère capitalistique du hardware, le secteur reste en sous-investissement structurel au regard de l’opportunité
- La plupart des analystes prévoient une croissance de l’industrie par 50 sur les dix prochaines années, mais Bessemer estime que cela reste limité à l’automatisation des workflows existants et ne reflète pas les nouvelles catégories d’activité économique que créeront les robots généralistes
- Toutes les entreprises financées ne réussiront pas ; certaines valorisations sont surévaluées et le capital se concentrera sur un petit nombre de leaders
- Mais sélectivité et rareté sont deux choses différentes : le niveau global d’investissement en robotique reste très insuffisant au regard de la taille de l’opportunité et de la vitesse de progression des capacités
- C’est maintenant la fenêtre pour investir dans les entreprises clés, avant l’arrivée du moment ChatGPT et avant que la consolidation des talents ne soit achevée ; attendre la preuve du point d’inflexion, c’est manquer l’opportunité
- Nikita Rudin, CEO de Flexion : « Dans cinq ans, la majorité des robots déployés dans le monde seront fabriqués non pas par les startups connues aujourd’hui, mais par des entreprises qui n’ont pas encore commencé à fabriquer des robots, mais savent produire à grande échelle »
Défis non résolus et débats ouverts
- Écart de fiabilité : passer d’un taux de réussite de 80 % à 99,9 % n’est pas un problème linéaire
- Cela nécessite des approches fondamentalement différentes, notamment en détection tactile, retour de force, et passage sim-to-real pour la manipulation
- Lisa Yan, CEO d’Argus Systems : « D’après mon expérience chez Waymo, le déploiement réel devient plus difficile avec le temps et révèle des problèmes de curation de données de plus en plus spécialisés ; combler l’écart entre 99 % et 99,9 % prend plus de temps que la plupart ne l’imaginent »
- Problème du coût d’inférence : les world models et les grands modèles vision-langage-action ont un coût élevé en exécution temps réel
- Les modèles de texte peuvent traiter par lots des milliers d’utilisateurs simultanés sur une infrastructure partagée, mais les modèles robotiques doivent générer l’état de l’environnement toutes les quelques millisecondes pour chaque robot, ce qui exige en pratique des pipelines GPU dédiés
- Le coût d’inférence des LLM a chuté d’environ 1 000 fois en trois ans ; le fait que la robotique suive ou non une courbe similaire déterminera la viabilité commerciale des approches fondées sur les foundation models
- L’interprétabilité (Interpretability) émerge comme la prochaine couche d’infrastructure
- Rien qu’au premier trimestre 2026, environ 6 milliards de dollars ont afflué vers 6 à 7 entreprises de world models
- Mahesh Krishnamurthi, cofondateur de Vayu Robotics : « À mesure que l’industrie mûrit, l’interprétabilité devient un élément non négociable ; aujourd’hui, ces modèles restent des boîtes noires, et nous prévoyons une vague de startups qui construiront des outils pour les ouvrir »
- Open source vs fermé : dans les LLM, l’open source a spectaculairement accéléré le développement de l’écosystème, mais on ignore si la même dynamique s’appliquera à la robotique, où les données physiques et l’infrastructure de déploiement comptent autant que l’architecture des modèles
- L’open source commoditisera probablement l’architecture des modèles plus vite que prévu, mais les couches données et déploiement pourraient rester propriétaires pendant encore longtemps
- Les entreprises qui comprendront quelle partie de la stack ouvrir et quelle partie protéger obtiendront un avantage stratégique
La coexistence de deux vérités
- Brad Porter, CEO de Cobot : « Le moment ChatGPT de la robotique arrive plus vite que la plupart ne le pensent, et lorsqu’il arrivera, le goulot d’étranglement sera le temps de production (vrais robots, vraies tâches, vrais environnements) ; les entreprises qui optimisent pour le déploiement plutôt que pour la démo se démarqueront de façon décisive »
- Philipp Wu, cofondateur d’une entreprise de robotique en stealth : « Le calendrier sera bien plus long que la plupart ne l’imaginent, et la robotique généraliste est encore à plus de cinq ans »
- Ces deux points de vue ne sont pas contradictoires ; ils décrivent des dimensions différentes : Porter parle de la trajectoire jusqu’au point d’inflexion, Wu de la distance réelle qui nous en sépare
- Implication pour les fondateurs : déployer de façon décisive dès maintenant, tout en construisant avec le moment généraliste en ligne de mire
- Le point d’inflexion approche : les talents se déplacent, le hardware se commoditise, l’infrastructure de données se construit, et les entreprises qui définiront l’IA physique des dix prochaines années sont en train d’être créées et financées dès maintenant
1 commentaires
Je me demande quelles entreprises vont émerger.