Embodied AI : le pari d’Alex Kendall et Wayve, faire de la voiture autonome le 1er terrain de la physical AI

Avant de raconter des trajectoires individuelles, nous vous proposons d’observer l’innovation comme un mouvement. Derrière chaque transformation technologique ou industrielle se trouvent des profils différents : certains ouvrent des territoires encore incertains, d’autres bâtissent les organisations capables de donner une réalité économique à ces idées, quand certains redessinent les règles d’un marché ou provoquent un basculement qui change durablement la donne.

Notre nouvelle série Architects of the Future, qui donnera lieu à un ouvrage publié en fin d’année, propose d’explorer quatre manières d’exercer le pouvoir d’innover. Chaque portrait ne se limite pas à retracer un parcours : il cherche à mettre en lumière le rôle précis qu’un dirigeant joue dans la dynamique de son époque.

C’est à travers cette grille de lecture que s’ouvre le premier volet, consacré à Alex Kendall, fondateur de Wayve.

Nous l’avions découvert en 2018, après avoir gagné la compétition de pitch lors du WebSummit, c’est 5 ans plus tard que nous retrouvons Alex Kendall dans le grand amphithéâtre du département d’ingénierie de Cambridge. Dans cette institution où se croisent depuis plus d’un siècle et demi l’histoire de l’électricité, de l’aéronautique et des semi-conducteurs, l’ingénieur est revenu évoquer une transformation technologique encore en gestation : l’Embodied AI.

Dix ans plus tôt, il occupait ces mêmes rangs comme doctorant, et aujourd’hui, il dirige Wayve, l’une des entreprises les plus observées dans le domaine de la conduite autonome, et qui vient de boucler un tour de table de 1,2 milliard d’euros, en attendant une potentielle IPO.

Si l’intelligence artificielle a déjà transformé la manière de produire du texte, de rechercher de l’information ou d’automatiser certaines tâches cognitives, pour Alex Kendall, cette première vague n’est qu’un prélude.

La prochaine étape se jouera dans des machines capables de percevoir leur environnement, de comprendre une scène et d’agir dans le réel. Une étape dans laquelle de nombreux scientifiques et entrepreneurs se sont également engagés, à l’instar de Yann LeCun avec AMI Labs, Brett Adcock fondateur de Figure AI, ou encore Pieter Abbeel, fondateur de Covariant.

Une enfance tournée vers l’exploration

Alex Kendall aime parler de « frontières », un mot qui revient souvent lorsqu’il évoque son parcours, qu’il s’agisse de recherche, d’entrepreneuriat ou de son enfance en Nouvelle-Zélande.

Grandir dans ce pays insulaire a été déterminant. La Nouvelle-Zélande l’a plongé au cœur d’un territoire vaste, parfois rude, où l’exploration fait presque partie du quotidien. De ces années, il retient les sports d’équipe, les montagnes, et l’expérience de situations qui exigent persévérance et curiosité. Autant de dispositions qui, explique-t-il, ont façonné sa manière d’aborder les problèmes techniques.

La technologie entre assez tôt dans sa vie, et dès la fin du lycée, Alex Kendall se lance dans la construction d’un drone.

Avec le recul, il considère ce projet comme un moment décisif. Il y découvre que certaines technologies ne peuvent émerger qu’à la frontière de plusieurs disciplines. Pour qu’un système autonome fonctionne, il ne suffit pas de concevoir un bon logiciel ou une bonne machine : il faut faire dialoguer les deux. La robotique et les systèmes autonomes appartiennent précisément à ces territoires hybrides, où l’intelligence artificielle, l’ingénierie électronique et la mécanique avancent de concert.

La découverte de la Silicon Valley

Avant Cambridge, Alex Kendall fait un détour par la Silicon Valley. Il y découvre l’univers des startups et participe au développement d’un drone grand public capable de filmer automatiquement son utilisateur tout en évitant les obstacles. Cette étape lui confirme qu’une technologie n’a de sens que si elle trouve sa place dans un usage concret.

Ce passage en Californie lui donne aussi un premier aperçu de l’entrepreneuriat technologique. La culture de l’expérimentation rapide, l’acceptation de l’échec et l’importance de la mise à l’échelle marqueront durablement sa manière de penser l’innovation.

Mais c’est une bourse académique qui infléchit véritablement sa trajectoire et l’amène à Cambridge, où il découvre un environnement scientifique particulièrement dense.

Cambridge, laboratoire d’une nouvelle vision

Lorsqu’il s’installe en Grande Bretagne, il veut travailler sur les sujets de machine learning. Très vite, il s’oriente vers la vision par ordinateur, un domaine central pour toute machine appelée à évoluer dans le monde physique.

Au cours de son doctorat, il participe au développement de SegNet, un système de deep learning destiné à interpréter les images captées par une caméra. L’objectif consiste à apprendre à une machine à distinguer les éléments qui composent une scène. La route, les voitures, les piétons, les bâtiments ou la végétation sont autant d’objets que l’algorithme doit identifier, pour permettre à la machine de comprendre son environnement et d’agir correctement. Si l’énoncé paraît simple, sa mise en œuvre est d’une complexité considérable.

Mais la recherche ne s’arrête pas à la segmentation, Kendall et son équipe explorent aussi la profondeur, la géométrie de la scène, la prédiction du mouvement et l’estimation de l’incertitude.

Au fil de ces travaux, il acquiert la conviction que les machines peuvent apprendre à comprendre le monde visuel et à en déduire des décisions. Cette intuition rejoint un autre courant de recherche qui le fascine alors, celui des agents apprenant dans des environnements simulés, notamment chez DeepMind.

Pour lui, la convergence entre ces deux approches ouvre une perspective nouvelle, celle des systèmes capables d’apprendre des comportements complexes sans que chaque règle soit programmée à la main.

Le pari de Wayve

En 2017, Alex Kendall soutient sa thèse à Cambridge. Quelques mois plus tard, il fonde Wayve avec Amar Shah.  A l’instar d’autres startups nées dans un garage, les premiers prototypes sont développés dans des conditions modestes, dans une maison transformée en laboratoire improvisé.

Le premier véhicule d’expérimentation est loin des démonstrateurs futuristes que l’on associe aujourd’hui à la conduite autonome. Il s’agit d’une petite Renault Twizy électrique, couverte de caméras. À l’intérieur, les deux entrepreneurs observent les flux d’images et ajustent les algorithmes qui pilotent le système. Dans les rues d’une ville médiévale britannique, la petite voiture commence peu à peu à se déplacer sans intervention humaine. Ce qui est frappant n’est pas qu’elle roule seule, mais qu’elle le fait sans lidar, sans infrastructure lourde, sans dépendance à une cartographie.

L’idée de Wayve est donc d’apprendre à une voiture à conduire grâce aux données, plutôt qu’en codant explicitement toutes les règles.

« Dès le départ, nous avons construit un système de deep learning de bout en bout, un système qui apprend à conduire à partir des données », explique Alex Kendall.

À l’époque, cette approche suscite un scepticisme important, d’autant que la plupart des acteurs du secteur privilégient des architectures modulaires reposant sur des cartes haute définition, des règles programmées et une grande quantité de capteurs spécialisés. La conduite autonome est alors pensée comme un empilement de briques logicielles : perception, localisation, planification, contrôle.

De leur coté, Kendall et Shah cherchent à entraîner un système capable d’observer son environnement, d’en interpréter les signaux et d’en déduire directement une décision de conduite. L’objectif n’est pas seulement de faire rouler un prototype dans un environnement contrôlé, mais de construire un modèle capable d’apprendre de son environnement, et de s’y adapter.

Les premières années sont difficiles, et peu à peu la technologie progresse, avec de premiers prototypes qui apprennent à suivre une voie, puis à circuler dans des environnements de plus en plus complexes. Les essais s’étendent de Cambridge à Londres, un changement déterminant qui a permis de confronter les algorithmes à la densité du trafic urbain, composée de cyclistes, de piétons et surtout d’imprévu.

En 2019, Wayve franchit une étape déterminante avec un véhicule capable de naviguer sur des routes qu’il n’avait jamais empruntées auparavant. La promesse n’est désormais plus seulement technique et devient industrielle avec pour ambition de bâtir un système de conduite suffisamment général pour être déployé à grande échelle. Les premiers tests sur route sont notamment menés avec des flottes partenaires, dont la société de grande distribution Ocado, qui décide d’investir dans l’entreprise.

De la startup de conduite autonome au foundation model

Au fil du temps, Wayve se transforme pour devenir une entreprise technologique structurée autour d’un objectif plus large que la conduite autonome, et l’idée de construire un embodied AI foundation model.

La stratégie consiste désormais à entraîner un modèle capable de piloter différents véhicules et d’apprendre à partir de données issues de multiples flottes et, à terme, de plusieurs constructeurs automobiles. C’est l’un des points clés de sa différence avec Tesla : là où la firme d’Elon Musk améliore son système à partir de son propre parc, Wayve veut vendre son modèle à divers OEM automobiles afin d’agréger des données plus diverses, sur davantage de marchés. L’entreprise travaille aujourd’hui avec différents constructeurs ou acteurs de la mobilité comme Uber, ou Nissan.

De cette vision, la conduite autonome n’est pas le terminus, mais le premier cas d’usage crédible d’une embodied AI. Wayve décrit d’ailleurs sa plateforme comme un produit hardware-agnostic, sans dépendance structurelle à des cartes HD, conçu non seulement pour les constructeurs automobiles, mais aussi, à terme, pour des entreprises de robotique. Ses travaux autour de LINGO et GAIA visent à ajouter des briques multimodales et génératives, avec des interfaces pilotées par le langage, styles de conduite personnalisés, formes de copiloting.

Une montée en puissance financière et industrielle

Après un premier tour d’amorçage, Wayve a levé 20 millions de dollars en 2019 pour lancer une flotte pilote à Londres. Puis 200 millions de dollars en série B en janvier 2022, lors d’un tour mené par Eclipse Ventures.

En 2024, l’entreprise franchit un cap majeur avec une série C de 1,05 milliard de dollars menée par SoftBank, avec la participation de Nvidia et de Microsoft. Cette opération constitue la plus importante levée de fonds IA jamais réalisée au Royaume-Uni, et figure parmi les plus importantes levées mondiales dans le secteur. Yann LeCun figure parmi les premiers investisseurs de la société.

Pour Alex Kendall, ce financement marque surtout la validation de son intuition depuis les premiers essais dans la Twizy, « et nous donne les moyens de transformer cette technologie en produit et de la mettre sur le marché. »

Il y a quelques jours la startup vient de lever 1,2 milliard de dollars, pour une valorisation de 8,6 milliards. Le tour pourrait atteindre 1,5 milliard grâce à un engagement additionnel de 300 millions de dollars d’Uber, conditionné au déploiement de robotaxis, à commencer par Londres. Cette opération place Wayve parmi les entreprises européennes les plus capitalisées dans la mobilité autonome.

Donner un corps à l’IA

Pour Alex Kendall, l’histoire de l’intelligence artificielle ne fait que commencer. La première vague a fait émerger des systèmes capables de produire du texte, de répondre à des questions ou de générer des images. La suivante pourrait franchir une étape décisive : doter ces systèmes d’une capacité d’action dans le monde physique.

Dans cette perspective, la voiture autonome n’est qu’un premier terrain d’expérimentation. Chez Wayve, l’objectif dépasse la seule automatisation de la conduite : il s’agit d’entraîner des machines à percevoir leur environnement, à s’y adapter et à apprendre en continu au contact du réel.

Derrière le volant qui disparaît se dessine ainsi une évolution plus profonde : celle d’une intelligence artificielle incarnée, capable d’opérer dans nos villes, nos infrastructures ou nos chaînes de production.

Autrement dit, le véritable enjeu n’est pas seulement de rendre les machines plus intelligentes, mais de leur donner un corps. Si ce pari se confirme, la conduite autonome apparaîtra rétrospectivement comme l’un des premiers laboratoires d’une transformation plus vaste, avec l’entrée progressive de l’intelligence artificielle dans le monde physique.

• À propos
• Articles récents

Suivez moi

Richard Menneveux

EDITOR IN CHIEF chez DECODE MEDIA / FW.MEDIA

Pour nous contacter, nous vous avons préparé un petit formulaire pour bien gérer votre demande et pouvoir l'adresser en toute confidentialité. Cliquez ici pour y accéder

Vous pouvez me joindre directement à RICHARD@DECODE.MEDIA

Suivez moi

Les derniers articles par Richard Menneveux (tout voir)

• Embodied AI : le pari d’Alex Kendall et Wayve, faire de la voiture autonome le 1er terrain de la physical AI - 17/03/2026
• La guerre des dômes commence en Europe : THALES annonce SkyDefender, son bouclier aérien et antimissile - 11/03/2026
• De San Francisco à Sacramento, GAVIN NEWSOM, le pari américain - 02/03/2026