Subscribe

Latest Blog Post

Qui fera de l'argent avec l'IA physique?

Samuel Bouchard
by Samuel Bouchard. Last updated on nov. 19, 2026
Posted on nov. 19, 2026 in IA physique
16 min read time

Des milliards de dollars affluent vers des entreprises qui cherchent à bâtir une intelligence polyvalente pour les robots.

Prenons seulement cinq entreprises qui ont annoncé d'importants financements axés sur les modèles en 2026 :

  • Skild AI : 1,4 milliard de dollars.
  • Rhoda AI : 450 millions de dollars.
  • Generalist : 400 millions de dollars.
  • General Intuition : 320 millions de dollars.
  • Enigma : 71 millions de dollars.

C'est plus de 2,6 milliards de dollars investis cette année dans seulement cinq entreprises qui développent différentes versions d'intelligence pour le monde physique.

Et ce n'est pas fini.

FieldAI, qui décrit sa technologie comme un cerveau polyvalent capable de fonctionner sur différents robots et dans différents environnements, aurait récemment signé une feuille de modalités (term sheet) pour un financement de 700 millions de dollars à une valorisation de 10 milliards de dollars. Ce financement n'étant pas officiellement conclu, je ne l'inclus pas dans les 2,6 milliards.

De toute évidence, les investisseurs croient que l'IA physique peut devenir un très grand marché.

Et je pense qu'ils ont peut-être raison.

Mais un point important se cache derrière ces valorisations :

le calcul ne tient pas encore avec le marché actuel de la robotique.

Pour que ces investissements génèrent des rendements intéressants, l'IA physique ne peut pas se contenter de gagner des parts dans l'industrie robotique actuelle.

Elle doit contribuer à faire croître cette industrie de façon spectaculaire.

C'est là que l'histoire devient intéressante.

Commençons par les robots qui arrivent sur le marché aujourd'hui

Selon la Fédération internationale de robotique (IFR), les États-Unis ont installé près de 38 500 robots industriels en 2025. À titre de comparaison, la Chine en a installé environ 354 000, et l'Europe, environ 85 000 au cours de la même période. Chaque région a son propre écosystème robotique; pour la suite de cette analyse, je me concentre donc sur les États-Unis.

Le parc installé n'est pas le bon dénominateur pour cet exercice. La plupart des robots déjà en usine n'ont jamais été conçus en fonction des modèles de fondation actuels et ne deviendront peut-être jamais des clients de ces modèles.

Regardons donc uniquement les nouveaux déploiements.

Supposons qu'une entreprise qui développe un modèle d'IA physique puisse facturer 3 000 $ par robot par année pour son intelligence.

Faisons maintenant une hypothèse extrêmement favorable : chaque nouveau robot industriel installé aux États-Unis utilise le même modèle.

38 500 × 3 000 $ = 115,5 millions de dollars de nouveaux revenus annuels récurrents (ARR).

C'est la totalité du marché annuel américain des robots industriels.

Accordez à cette entreprise dix années consécutives de la totalité du marché au rythme d'installation actuel, avec chaque robot qui paie toujours, et vous obtenez environ 385 000 robots qui génèrent 1,15 milliard de dollars d'ARR.

Pour un seul fournisseur. Avec 100 % de part de marché.

Le marché actuel des robots industriels n'est pas encore assez grand pour soutenir l'ampleur de la valeur sur laquelle misent les investisseurs.

Cela ne veut pas dire que ces investissements sont une erreur.

Cela veut dire que les investisseurs misent implicitement sur un marché futur très différent.

Et si la robotique était multipliée par 100 ?

Faisons passer les installations américaines d'environ 38 500 robots par année à 3,85 millions.

Au même tarif de 3 000 $ par robot par année, les nouveaux déploiements d'une seule année généreraient :

11,55 milliards de dollars de nouveaux ARR pour les modèles.

L'équation économique devient alors complètement différente.

Il y a de la place pour plusieurs grands fournisseurs d'intelligence, plateformes robotiques, entreprises d'applications et couches d'infrastructure.

Derrière les milliards investis dans l'IA physique se cache donc une hypothèse dont on ne parle pas assez, à mon avis :

la technologie doit faire croître le marché de la robotique de façon spectaculaire.

Peut-être 10×.

Peut-être 30×.

Potentiellement 100×.

La question n'est pas de savoir si la technologie a déjà provoqué une telle expansion de marché.

C'est déjà arrivé.

La question la plus intéressante est plutôt : qu'est-ce qui doit changer en robotique pour que cette expansion se produise ?

Les marchés explosent quand la technologie lève une contrainte

Les plus grandes expansions de marché portées par la technologie se sont rarement produites parce que quelqu'un avait conçu un produit 20 % meilleur.

Elles se sont produites lorsqu'un nouveau paradigme a levé une contrainte fondamentale qui freinait la demande.

Prenons l'infonuagique.

Avant le nuage, obtenir plus de puissance de calcul voulait dire acheter des serveurs, installer de l'infrastructure et prévoir la capacité future. L'infonuagique n'a pas simplement pris des parts de marché aux fabricants de serveurs. Elle a supprimé l'obligation de posséder l'infrastructure avant de consommer de la puissance de calcul. La demande a explosé.

Prenons la photographie numérique.

L'argentique créait de la friction autour de chaque photo : la pellicule, le développement, l'entreposage et un appareil dédié. Le numérique, puis les téléphones intelligents, ont levé la plupart de ces contraintes. Le résultat intéressant n'a pas été que les consommateurs achètent plus d'appareils photo traditionnels. L'activité elle-même, prendre des photos, est devenue omniprésente.

Ou prenons le téléphone intelligent lui-même.

Son importance ne tient pas seulement au fait qu'il a créé un meilleur marché de la téléphonie mobile. Il a rendu l'informatique, la photo, la navigation, les paiements, le divertissement et la communication accessibles en permanence à des milliards de personnes. Des industries entières sont nées de ce changement.

Ce schéma commun est important :

la technologie crée une expansion massive du marché lorsqu'elle change ce qui est économiquement possible et qu'elle élimine les frictions à l'adoption.

Ce qui nous ramène à la robotique.

Qu'est-ce qui freine l'adoption des robots aujourd'hui ?

Ce n'est certainement pas le travail physique qui manque.

Parcourez presque n'importe quelle usine, entrepôt, chantier, laboratoire, restaurant ou hôpital, et vous verrez des gens effectuer des tâches physiques.

Pourtant, relativement peu de ces tâches sont automatisées.

Pourquoi ?

L'une des principales raisons est que l'automatisation traditionnelle exige de l'ingénierie.

Il faut comprendre l'application.

Il faut concevoir la cellule.

Il faut programmer le robot.

Il faut limiter la variabilité.

Il faut prévoir les cas particuliers.

L'intégration doit offrir un rendement du capital investi acceptable.

Ce modèle fonctionne assez bien quand la tâche est suffisamment répétitive et que les volumes sont suffisamment élevés.

Mais il laisse de côté une énorme « longue traîne » de travail physique qui reste non rentable à automatiser et freinée par de fortes frictions à l'adoption.

C'est l'une des contraintes auxquelles l'IA physique commence à s'attaquer.

Un cerveau polyvalent lève une contrainte majeure

Imaginez qu'au lieu de programmer chaque comportement, un robot puisse comprendre un objectif, percevoir son environnement, apprendre par démonstration et s'adapter quand les conditions changent.

L'économie de l'automatisation change fondamentalement à mesure que la friction liée à la programmation disparaît.

Des tâches qui n'auraient jamais justifié des semaines d'ingénierie pourraient justifier quelques heures de déploiement.

Une seule plateforme robotique pourrait couvrir des dizaines d'applications plutôt qu'une seule.

Cela peut élargir énormément le marché.

Et cela explique pourquoi les investisseurs sont prêts à faire des paris aussi importants sur les modèles de fondation pour robots.

Mais l'équation comporte une deuxième partie importante :

un cerveau polyvalent ne crée pas automatiquement un robot polyvalent.

L'intelligence ne peut pas changer la charge utile d'un bras.

Elle ne peut pas en augmenter la portée.

Elle ne peut pas rendre fiable un système mécanique qui ne l'est pas.

Elle ne peut pas éliminer les exigences de sécurité.

Elle ne peut pas éliminer l'entretien.

Et elle ne peut pas rendre une forme physique conçue pour un environnement économiquement optimale dans tous les autres.

L'IA physique peut lever la contrainte de la programmation. Elle ne lève pas les contraintes liées à la forme physique du robot ni à l'intégration des systèmes.

Cette distinction est capitale pour savoir où la valeur va se créer.

L'intelligence générale pourrait d'abord habiter des corps spécialisés

À terme, les humanoïdes pourraient offrir une forme physique polyvalente et économique.

S'ils deviennent suffisamment performants, fiables et abordables, la combinaison d'un cerveau polyvalent et d'un corps polyvalent pourrait ouvrir la porte à un nombre extraordinaire d'applications.

Mais ce problème n'est pas encore résolu.

En attendant, on commence à voir autre chose :

des poches de généralisation.

Un bras industriel plus intelligent peut couvrir une famille beaucoup plus large de tâches de manipulation.

Un manipulateur mobile peut prendre en charge de nombreux flux de travail connexes en entrepôt.

Un système à deux bras peut gérer des opérations d'assemblage et de manutention de plus en plus variées.

Un robot de construction peut généraliser dans de nombreuses situations tout en restant optimisé pour la construction.

Un robot de laboratoire peut devenir très adaptable sans avoir besoin de jambes.

L'intelligence devient de plus en plus générale.

Les formes physiques restent optimisées en fonction de l'économie et des applications.

Cela crée plusieurs endroits possibles où capter de la valeur.

Alors, qui gagne vraiment de l'argent ?

Pour les investisseurs mentionnés en introduction, une réponse évidente est : l'entreprise qui a le meilleur modèle de fondation.

Cela pourrait s'avérer juste.

Si un modèle fonctionne sur de nombreuses formes physiques, s'améliore rapidement avec l'échelle et devient difficile à remplacer, l'économie pourrait être spectaculaire.

Mais ce n'est pas la seule possibilité. Débloquer une application ne veut pas automatiquement dire capter la valeur créée.

La valeur pourrait s'accumuler dans la couche d'infrastructure qui soutient les modèles de fondation : le calcul, la simulation, les pipelines de données et les outils de déploiement qui rendent l'IA physique utilisable à grande échelle.

Elle pourrait s'accumuler dans la plateforme robotique, si une forme physique particulière devient la façon standard de déployer l'IA physique (c'est le pari au cœur de nombreux investissements dans les humanoïdes).

Elle pourrait s'accumuler dans la couche sensorimotrice, parce que l'intelligence ne crée de la valeur que si une machine peut percevoir, réagir et interagir de façon fiable avec le monde physique en temps réel.

Elle pourrait revenir à celui qui possède le plus puissant volant d'inertie de données réelles, où chaque système déployé améliore le déploiement suivant.

Elle pourrait s'accumuler dans la couche des applications et du déploiement, là où la technologie se transforme finalement en rendement du capital investi pour le client.

Et certaines entreprises tenteront délibérément de posséder toutes ces couches à la fois.

Cette stratégie intégrée (full stack), qui s'appuie sur des composants matériels et logiciels standards, pourrait être particulièrement puissante à court terme.

Lorsque les interfaces entre les couches sont encore immatures, que les normes sont en train de se former et que les clients veulent des résultats concrets plutôt que des composants technologiques, regrouper le cerveau, la forme physique, l'application, le déploiement et la collecte de données peut grandement faciliter la création de valeur.

Cela permet aussi à une entreprise de capter une plus grande part de la valeur économique de chaque déploiement.

C'est l'une des raisons pour lesquelles certaines des entreprises d'IA physique les plus ambitieuses d'aujourd'hui ne cherchent pas à être uniquement un fournisseur de modèles ou uniquement un fabricant de robots.

Elles cherchent à transformer en produit l'ensemble du parcours, de l'intelligence jusqu'au travail productif, le plus rapidement possible, en se servant de leurs déploiements pour accélérer leur volant d'inertie de données réelles. Plusieurs d'entre elles s'appuient sur les composants Robotiq pour aller plus vite tout en conservant une fiabilité de niveau industriel.

Suivre la contrainte

Si l'IA physique ne fait que rendre un peu plus intelligentes les quelques dizaines de milliers d'installations annuelles de robots industriels aux États-Unis, les niveaux d'investissement actuels seront difficiles à justifier.

Si elle fait passer les déploiements à des centaines de milliers, l'économie change.

Si elle porte le marché à des millions de nouvelles machines intelligentes par année, on ne parle plus d'un marché de robots industriels.

On parle d'une nouvelle plateforme informatique pour le travail physique. Une plateforme sur laquelle tout un écosystème de matériel, de logiciels, d'applications et de services peut prospérer.

Je crois que nous sommes déjà sur cette voie. Nous en voyons des signes clairs dans la façon dont nos clients déploient l'IA physique et la font passer à l'échelle.

Un cerveau polyvalent pourrait lever l'une des plus grandes contraintes qui freinent la robotique aujourd'hui.

Il ne lèvera simplement pas toutes les contraintes d'un coup.

Alors, en plus de se demander :

Qui a le meilleur cerveau robotique ?

Je pense que les investisseurs devraient se poser deux autres questions :

Quelle contrainte l'IA physique lève-t-elle en ce moment ?

Puis :

Une fois cette contrainte levée, quel sera le prochain goulot d'étranglement qui empêchera de multiplier encore l'adoption par 10 ?

Parfois, l'entreprise qui réglera ce prochain goulot d'étranglement sera un spécialiste.

Parfois, ce sera la même entreprise, en mode full stack.

Dans les deux cas, suivez la contrainte.

Parce qu'il y a de bonnes chances que ce soit là que se créera le prochain grand bassin de valeur de l'IA physique.

Notes sur les données : les installations de robots industriels aux États-Unis en 2025 proviennent de la Fédération internationale de robotique. Les montants de financement sont basés sur les annonces des entreprises et la couverture médiatique concernant Skild AI, Rhoda AI, Generalist, General Intuition et Enigma. Le financement de FieldAI est rapporté à partir d'une feuille de modalités signée et n'est pas inclus comme financement conclu.

Leave a comment

Related posts