Lâessor de lâ« intelligence artificielle physique » en Asie sâappuie sur une force souvent sous-estimĂ©e : la capacitĂ© industrielle de la rĂ©gion. En CorĂ©e du Sud, au Japon, en Chine et Ă TaĂŻwan, la production, lâexport et des chaĂźnes dâapprovisionnement fortement optimisĂ©es ont longtemps structurĂ© lâĂ©conomie. Aujourdâhui, cette logique industrielle influence directement la maniĂšre dont lâIA est dĂ©veloppĂ©e et financĂ©eânotamment dans la robotique, oĂč les donnĂ©es ne se rĂ©sument pas Ă des textes ou des images.
Câest dans ce contexte quâun acteur corĂ©en, Config, a attirĂ© lâattention des capital-risqueurs liĂ©s Ă certains des plus grands industriels du pays. La start-up, basĂ©e Ă SĂ©oul et Ă San Jose, construit une « couche de donnĂ©es » destinĂ©e aux modĂšles de fondation pour la robotique, un segment oĂč lâaccĂšs Ă des donnĂ©es fiables et exploitables conditionne la performance des systĂšmes.
Pourquoi la robotique exige des données différentes
La formation de grands modĂšles de langage repose surtout sur des ressources disponibles Ă grande Ă©chelle : des volumes massifs de texte existent dĂ©jĂ . En revanche, apprendre Ă un robot Ă agir dans le monde rĂ©el reprĂ©sente un dĂ©fi distinct. Chaque sĂ©quence dâentraĂźnement doit ĂȘtre collectĂ©e dans un cadre physique : robot, installations, et opĂ©rateurs nĂ©cessaires pour exĂ©cuter les tĂąches. Dans ce modĂšle, les coĂ»ts de dĂ©veloppement peuvent grimper rapidement lorsque les entreprises cherchent des robots toujours plus capables.
Config part donc dâun principe central : amĂ©liorer la qualitĂ© et lâadaptation des donnĂ©es plutĂŽt que considĂ©rer que le modĂšle « sâajustera » tout seul. Lâentreprise vise Ă fournir ce que les Ă©quipes robotique doivent exploiter pour entraĂźner leurs systĂšmes, en particulier lorsque les robots nâĂ©voluent pas dans le mĂȘme environnement ni selon les mĂȘmes modalitĂ©s que les donnĂ©es brutes utilisĂ©es pour lâapprentissage.
Un modÚle « à la TSMC » pour la robotique
Lâambition de Config sâexprime par une analogie frĂ©quente dans lâindustrie : celle de la fabrication sans concurrence directe. Comme un fondeur de semi-conducteurs produit pour plusieurs clients sans viser Ă remplacer leurs produits finaux, Config cherche Ă jouer un rĂŽle dâinfrastructure pour les intelligences artificielles de robotique.
LâidĂ©e trouve un terrain favorable : de nombreux grands industriels envisagent de dĂ©velopper une partie de leur « robot AI » en interne, afin de rĂ©duire leur dĂ©pendance Ă des fournisseurs externes et de mieux maĂźtriser leurs rĂ©sultats. Dans cette dynamique, la capacitĂ© Ă fournir des donnĂ©es prĂȘtes Ă lâemploi devient un avantage stratĂ©gique.
Un tour de table porté par de grands acteurs
Config a annoncĂ© avoir bouclĂ© un tour de financement de 27 millions de dollars menĂ© par Samsung Venture Investment, pour une valorisation supĂ©rieure Ă 200 millions de dollars. Le tour a Ă©galement Ă©tĂ© soutenu par des entitĂ©s liĂ©es Ă Hyundai Motor, LG, et Ă un acteur tĂ©lĂ©com sud-corĂ©en via sa branche dâinvestissement.
Au-delĂ des investisseurs, lâenjeu est aussi opĂ©rationnel : Config dit dĂ©jĂ produire des donnĂ©es et gĂ©nĂ©rer des revenus. Ses clients actuels incluraient des industriels, des intĂ©grateurs et des acteurs opĂ©rant dans des secteurs tels que lâagriculture ou la dĂ©fenseâdes domaines oĂč la robotique et lâautomatisation peuvent avoir des contraintes fortes en termes de fiabilitĂ© et dâadaptation aux tĂąches rĂ©elles.
La collecte de donnĂ©es et la « conversion » avant lâentraĂźnement
Config collecte des donnĂ©es issues de mouvements humains, dans des environnements contrĂŽlĂ©s (studios) et sur le terrain. Lâentreprise indique disposer dâune force de travail dâenviron 300 personnes rĂ©parties sur plusieurs sites, et accumuler un volume important de donnĂ©es de mouvement. Une donnĂ©e clĂ© est sa façon dâaborder lâĂ©tape dâentraĂźnement : plutĂŽt que de se contenter dâutiliser les donnĂ©es brutes, Config sâattache Ă transformer ces donnĂ©es afin quâelles reflĂštent mieux la maniĂšre dont les robots se dĂ©placent et interagissent avec le monde.
Le principe peut ĂȘtre rĂ©sumĂ© comme une logique de « traduction » : entraĂźner un modĂšle sur un type de donnĂ©es puis lâattendre Ă fonctionner directement dans un autre contexte revient, selon lâentreprise, Ă demander au modĂšle dâacquĂ©rir par lui-mĂȘme une adaptation que les donnĂ©es devraient dĂ©jĂ porter.
Quels objectifs pour les prochains mois ?
Le financement annoncĂ© doit soutenir trois prioritĂ©s. Dâabord, intensifier la collecte de donnĂ©es afin dâatteindre un objectif dâun million dâheures produites. Ensuite, renforcer une offre « entreprise » autour dâune plateforme, avec un objectif de revenus rĂ©currents dâici 2027. Enfin, Config prĂ©voit de lancer un service basĂ© sur le cloud de type « Robot-as-a-Service », permettant Ă des entreprises dâutiliser ses modĂšles sans forcĂ©ment dĂ©ployer toute lâinfrastructure sur site.
Ce que lâon peut retenir pour lâĂ©cosystĂšme robotique
Le pari de Config illustre une tendance plus large : lâIA appliquĂ©e au monde rĂ©el avance souvent par couches dâinfrastructure, lĂ oĂč lâon ne peut pas simplement rĂ©utiliser des modĂšles entraĂźnĂ©s sur des donnĂ©es « faciles ». Pour les grands industriels, investir dans la donnĂ©e rĂ©duit un risque majeur : celui de construire des systĂšmes coĂ»teux sur des corpus insuffisamment adaptĂ©s Ă la rĂ©alitĂ© des robots. Pour les Ă©quipes robotique, disposer dâun pipeline de donnĂ©es mieux structurĂ© peut accĂ©lĂ©rer les itĂ©rations, et potentiellement diminuer une partie des coĂ»ts liĂ©s Ă lâapprentissage.
Dans la pratique, lâĂ©cart de maturitĂ© entre robots et logiciels dâIA « classiques » se joue souvent sur lâaccĂšs Ă la donnĂ©e et sur sa prĂ©paration. Ă ce titre, le positionnement de Config sâinscrit dans une stratĂ©gie oĂč lâavantage compĂ©titif ne rĂ©side pas uniquement dans le modĂšle, mais dans la capacitĂ© Ă livrer des donnĂ©es exploitables.
Deux pistes dâĂ©quipement Ă considĂ©rer
Pour des équipes qui testent des approches IA et robotique, le choix du matériel influence la qualité des mesures et des itérations. Selon les besoins, un kit de capteurs ou un contrÎleur adapté peut faire la différence dans les premiers prototypes, par exemple via un kit de développement pour robotique ou un systÚme de caméra pour robots.