Robotique : ENACT lève près de 27 millions d’euros pour développer le sens du toucher

La startup zurichoise réunit près de 27 millions d’euros en préamorçage pour développer des robots capables de mieux percevoir les forces et d’ajuster leurs mouvements au contact des objets. Son pari consiste à concevoir ensemble la mécanique, les données et les modèles d’intelligence artificielle nécessaires à la manipulation. En France, Yann LeCun et Arthur Mensch participent au financement.

Manipuler un câble, utiliser un outil, effectuer un assemblage : ces gestes figurent dans le programme de collecte de données d’Enact Intelligence. Ils ont en commun de demander au robot d’interagir avec la matière, d’accompagner un mouvement et de s’adapter à ce qui se passe pendant l’action. Pour l’entreprise suisse, une partie de la réponse se trouve dans les informations que la machine peut recueillir sur ses propres mouvements et sur les forces qu’elle rencontre.

Enact Intelligence entend ainsi développer une robotique capable d’apprendre la manipulation fine en associant modèles d’IA, capteurs et actionneurs, les composants qui produisent le mouvement. La question porte autant sur la conception du robot que sur celle de son apprentissage : quelles informations faut-il lui donner pour qu’il ajuste correctement son geste ?

Apprendre ce qui se passe au contact

La startup décrit son approche comme un système proprioceptif associé à des modèles capables d’exploiter les informations de force. La proprioception renseigne le robot sur son propre état mécanique ; la perception des efforts doit l’aider à adapter son comportement pendant une manipulation.

Le « sens du toucher » recouvre ici cette capacité à tenir compte de l’interaction physique. Enact insiste sur les forces et la proprioception, sans détailler l’ensemble de son architecture de capteurs, il serait donc prématuré d’imaginer une peau artificielle reproduisant toutes les sensations d’une main humaine.

L’objectif  est de permettre l’apprentissage de compétences de manipulation utilisables sur différentes tâches et dans différents environnements. Une ambition que nous avons découvert dans l’analyse des recrutements de la startup : les futurs scientifiques doivent travailler sur des modèles sensibles aux forces, organiser les données d’entraînement et évaluer les comportements sur des robots réels. Leur programme comprend notamment l’efficacité de l’apprentissage et la robustesse lors du passage aux conditions réelles.

La mécanique entre dans la boucle d’apprentissage

Manuel Galliker, CEO et fondateur de la société, a notamment travaillé dans la commande robotique chez 1X. Il veut repenser la boucle de données et la manière dont le corps du robot, par ses actionneurs et ses capteurs, peut fournir des informations supplémentaires pour apprendre la manipulation fine.

Enact recherche des compétences en conception mécanique, électronique programmable, commande temps réel et intégration des systèmes. L’entreprise veut également développer les infrastructures nécessaires à l’entraînement et à l’évaluation de ses modèles.

Cette intégration peut permettre de faire évoluer conjointement le matériel et les méthodes d’apprentissage. Elle engage aussi l’entreprise sur plusieurs fronts : un meilleur modèle devra fonctionner avec des composants fiables, et les modifications mécaniques devront rester compatibles avec les données et les logiciels utilisés.

La largeur du programme explique les chantiers auxquels le financement devra répondre, ainsi la startup devra financer des expériences d’IA, fabriquer et tester du matériel, puis réunir les compétences capables de faire fonctionner l’ensemble.

Avant l’autonomie, des gestes humains à enregistrer

L’un des postes les plus révélateurs parmi ceux à pourvoir est celui d’opérateur de robots. Sa mission consiste à guider les machines et à les téléopérer au moyen de systèmes de capture de mouvements. Ces démonstrations doivent alimenter directement l’entraînement des réseaux neuronaux.

Le travail comprend le contrôle de la qualité des données, l’annotation des trajectoires et le signalement des comportements inhabituels. Le programme d’Enact prévoit donc une activité structurée de production d’exemples physiques.

Cette organisation place l’efficacité de la collecte au centre du projet. Combien de démonstrations faut-il pour apprendre une opération ? Quelle part de cet apprentissage peut servir ailleurs ? À quelle fréquence un opérateur doit-il reprendre la main ? des réponses qui détermineront une partie du coût d’adaptation du système aux besoins d’un industriel.

À Zurich, plusieurs approches de la dextérité se confrontent

Enact rejoint un terrain déjà occupé par mimic Robotics. L’autre société zurichoise développe une approche intégrée associant main robotique, modèles d’apprentissage et dispositifs de collecte de démonstrations humaines.

D’autres entreprises abordent le problème par des modèles capables de commander différents robots. Physical Intelligence a présenté un modèle généraliste entraîné à partir de plusieurs plateformes, tandis que Flexion développe une couche d’autonomie destinée à différents matériels. Ces approches posent une question commune : quelle part de l’intelligence peut être transférée entre machines, et quelle part dépend de leur conception physique ?

Le choix d’un industriel se fera aussi face à ses solutions existantes : automatisation spécialisée, intégration sur mesure ou travail manuel.

Le prochain cap se mesure dans la durée

Enact prépare également des critères d’acceptation et des essais automatisés pour accompagner le passage des prototypes à une production répétable.

Pour un client, l’intérêt se mesurera à la cadence, au taux de réussite, à la disponibilité et aux interventions nécessaires.

Les investisseurs réunis croisent plusieurs de ces domaines. redalpine se positionne à l’intersection du logiciel et de la science ; firstminute capital suit notamment l’IA incarnée et les technologies industrielles. Notion Capital inclut dans sa thèse les logiciels qui interagissent avec leur environnement physique. Leur présence donne des moyens au projet ; le prochain résultat observable sera une opération réalisée durablement chez un client, avec un coût d’exploitation mesuré. Enact Intelligence boucle un tour de financement de 26,7 millions d’euros en préamorçage

Selon Sifted, Yann LeCun et Arthur Mensch participeraient également à l’opération.