Perceptron : deux anciens chercheurs de Meta veulent donner des yeux intelligents aux usines

L’intelligence artificielle a transformé nos écrans, mais elle commence seulement à investir le monde physique. C’est précisément le pari de Perceptron, une jeune pousse fondée par deux anciens chercheurs de la division FAIR de Meta, qui lance cette semaine Isaac 0.5, un modèle de vision conçu pour permettre aux machines de percevoir, raisonner et agir dans des environnements industriels. Et contrairement à la tendance du moment, le modèle est publié en poids ouverts, inspectable par tous.

De Meta aux ateliers de production

Les cofondateurs, Armen Aghajanyan et Akshat Shrivastava, ne sont pas des inconnus : tous deux ont fait leurs armes au sein de Fundamental AI Research, le laboratoire d’IA de Meta, avant de fonder Perceptron en novembre 2024. Leur constat de départ est simple : l’IA physique impose aujourd’hui un faux choix entre des modèles généralistes gourmands, qui exigent plusieurs GPU cloud dédiés par instance, et des modèles étroits qui gèrent la perception ou le contrôle, mais jamais les deux.

Isaac 0.5 entend réconcilier les deux approches. Le logiciel aide les robots à guidage visuel à naviguer dans des environnements complexes comme les entrepôts ou les lignes de production, et permet aux entreprises d’extraire de l’intelligence visuelle des vidéos enregistrées par ces machines. De quoi, par exemple, détecter des anomalies de process, optimiser les trajectoires ou documenter des incidents sans intervention humaine.

Le pari de l’ouverture

Le choix de publier Isaac 0.5 en poids ouverts tranche avec la stratégie des grands laboratoires, qui verrouillent leurs modèles derrière des API. Pour Perceptron, c’est un argument de confiance décisif dans l’industrie : un directeur d’usine peut inspecter les paramètres, auditer le comportement du modèle et l’adapter à ses contraintes sans dépendre d’un fournisseur externe. Une philosophie qui rappelle les débats actuels sur la transparence des systèmes, au cœur de l’AI Act européen entré en application complète.

Cette approche s’inscrit dans un mouvement plus large d’IA incarnée, qui voit les modèles sortir des centres de données pour investir les robots, les véhicules et les machines-outils. Les investisseurs ne s’y trompent pas : la start-up a bouclé une levée de 21 millions de dollars menée par Bessemer Venture Partners, l’un des fonds historiques de la tech américaine.

Un marché encore à structurer

La concurrence ne manque pas dans ce domaine en ébullition, entre les divisions robotiques des géants de la tech et une myriade de start-up spécialisées. Mais le positionnement de Perceptron, à la croisée de la vision, du raisonnement et de l’action, combiné à l’ouverture de ses modèles, lui donne une carte à jouer auprès des industriels réticents à confier leurs lignes de production à des boîtes noires. L’adoption se mesurera sur le terrain, dans ces environnements où la moindre erreur de perception coûte cher.

Retrouvez la rubrique Intelligence artificielle pour suivre l’essor de l’IA physique.

L’approche de Perceptron se distingue aussi par son rapport à l’infrastructure. Là où les modèles généralistes exigent des ressources cloud considérables pour chaque instance, la start-up travaille à des modèles suffisamment efficaces pour tourner au plus près des machines, sur site. Pour les industriels, cette proximité n’est pas qu’une question de coût : elle répond à des exigences de latence, de confidentialité des données de production et de continuité de service même en cas de coupure réseau.

Le potentiel d’extraction d’intelligence à partir des vidéos industrielles ouvre un second front prometteur. Les usines modernes regorgent de caméras, mais leurs images sont rarement exploitées au-delà de la surveillance. Un modèle capable de comprendre ce qui se passe sur une ligne de production peut détecter les dérives qualité en amont, identifier les goulots d’étranglement et capitaliser les savoir-faire des opérateurs expérimentés, autant de gisements de productivité jusqu’ici hors de portée.

La publication en poids ouverts pourrait également accélérer l’écosystème : intégrateurs, fabricants de robots et bureaux d’études pourront adapter Isaac 0.5 à leurs cas d’usage spécifiques, créant de fait un standard autour duquel la communauté se rassemblera. C’est le pari inverse de celui des plateformes fermées, et l’histoire des logiciels d’infrastructure montre que l’ouverture est souvent la voie la plus rapide vers l’adoption massive.

Le défi commercial reste entier : convaincre des directions industrielles prudentes, dont les cycles de décision se comptent en années, exige des références solides et un accompagnement de longue haleine. Les premiers déploiements pilotes, attendus dans les prochains mois, seront scrutés de près par tout le secteur.

Le moment choisi n’est pas anodin : après une décennie dominée par les modèles de langage et d’images, l’IA physique est la nouvelle frontière revendiquée par tout le secteur, des humanoïdes aux véhicules autonomes. Les usines offrent un terrain d’application idéal, car les environnements y sont contrôlés, les tâches mesurables et les retours sur investissement quantifiables. C’est là que les modèles de vision-action peuvent prouver leur valeur avant de viser des espaces plus imprévisibles.

Le recrutement de talents issus des grands laboratoires vers ce type de start-up confirme en outre une migration durable des compétences : les chercheurs quittent les modèles généralistes pour des applications incarnées, convaincus que la prochaine décennie de l’IA se jouera au contact du réel. Perceptron, avec son socle ouvert et son équipe aguerrie, est bien placée pour capter cette vague.

La France dispose d’un tissu industriel et robotique qui pourrait bénéficier directement de ces avancées : équipementiers automobiles, logisticiens et agroindustriels cherchent tous à automatiser des tâches de manipulation et de contrôle qualité restées jusqu’ici trop variables pour les robots classiques. Des modèles de vision-action ouverts, adaptables sans investissement cloud pharaonique, pourraient précisément débloquer ces cas d’usage dans les PME, et pas seulement chez les grands groupes.

Source : TechCrunch

L’IA dans les usines, progrès ou menace pour l’emploi ? Partagez votre point de vue via notre page contact.