Théophile Gervet (Genesis AI) "Il fallait construire notre propre robot et adopter une approche full stack"

Après avoir dévoilé Eno, son premier robot humanoïde, Théophile Gervet, cofondateur et président de la startup franco-américaine Genesis AI, détaille la stratégie de l'entreprise, son approche full stack et les défis qui restent à relever avant un déploiement à grande échelle.

JDN. Vous avez récemment dévoilé votre robot humanoïde Eno. Quels ont été vos principaux choix de conception ?

Théophile Gervet. Le problème le plus difficile en robotique, c'est la manipulation : comment interagir avec son environnement et agir sur le monde physique. Si l'on prend un peu de recul, ce qui permet de construire un modèle réellement généraliste, c'est de l'entraîner sur la source de données la plus vaste et la plus diversifiée possible. Les modèles de langage apprennent sur Internet. L'équivalent d'Internet pour la manipulation, ce sont les données humaines : des centaines de millions d'heures de manipulation réalisées par des humains dans des centaines de milliers d'environnements différents. C'est pour cela qu'il est essentiel que le robot possède des bras et des mains proches de ceux d'un humain. Si nous avions six doigts, nos robots en auraient six eux aussi.

Eno ne cherche pourtant pas à reproduire fidèlement l'apparence d'un humain. Etait-ce un choix assumé ?

Oui. Eno n'avait pas besoin de ressembler complètement à un humain. Par exemple, il n'a pas de cerveau biologique, donc il n'a pas besoin de tête. Nous pensons que les robots humanoïdes seront présents dans de très nombreux environnements beaucoup plus vite que la plupart des gens ne l'imaginent. Il était donc important qu'on se sente bien à leurs côtés. L'un de nos principes de conception était d'en faire une sorte de "force tranquille" : présent lorsqu'on a besoin de lui, mais capable de s'effacer le reste du temps. C'est aussi pour cette raison qu'il est pliable. Lorsqu'il n'est pas utilisé, il peut se mettre en retrait plutôt que de rester constamment présent.

Pourquoi avoir choisi une base roulante plutôt que des jambes ?

Ce choix est venu après de nombreuses discussions avec des industriels. Ils préfèrent un robot sur roues parce que c'est plus sûr : en cas de panne, il ne tombe pas. L'autonomie est également meilleure et cela facilite les interactions avec les humains. Cela dit, nous restons ouverts à d'autres formats à l'avenir.

Genesis AI s'est d'abord fait connaître grâce à ses mains robotiques. Comment les avez-vous conçues pour atteindre un tel niveau de dextérité ?

La plupart des robots utilisent des pinces, ce qui complique considérablement la collecte de données. Nous sommes donc repartis de zéro en concevant à la fois le modèle d'IA et le matériel. Nous avons développé une main robotique qui reproduit la forme et les capacités d'une main humaine. L'intérêt des cinq doigts n'est d'ailleurs pas tant la dextérité, une main à trois doigts pourrait probablement obtenir des résultats comparable, que la possibilité d'exploiter directement les données de manipulation humaine. Cette correspondance naturelle entre les gestes humains et ceux du robot est essentielle pour entraîner un modèle généraliste.

Vous dites entraîner votre IA sur des vidéos de manipulation humaine. Concrètement, quel type de modèle utilisez-vous ? Peut-on parler de VLM ou de World Models ?

Aujourd'hui, il existe deux grands paradigmes : les VLA/VLM d'un côté et les World Models de l'autre. Nous avons adopté une approche hybride qui combine le meilleur des deux.

En robotique, nous avons besoin d'un modèle multimodal capable d'intégrer la vidéo, le langage naturel, la proprioception et les informations tactiles. Notre modèle associe ainsi les capacités de compréhension des VLM à une représentation de la physique inspirée des World Models.

Au-delà des vidéos, produisez-vous également vos propres données ?

Oui. Notre objectif est de faire passer les données de manipulation humaine à une tout autre échelle. Pour cela, nous avons développé un gant de collecte qui enregistre la position des doigts et les informations tactiles lorsqu'un humain réalise une tâche. Le robot est ensuite équipé des mêmes capteurs, ce qui facilite le transfert des données. Nous déployons aujourd'hui ces gants auprès de partenaires industriels afin d'enrichir massivement notre base de données.

Vous avez commencé par développer un modèle IA, puis les mains, avant de présenter un robot complet. Pourquoi avoir finalement choisi une approche full stack ?

Nous nous sommes rendu compte que c'était indispensable. Nos clients recherchent une solution totalement intégrée, qui combine logiciel, intelligence artificielle et matériel. Un modèle seul ne résout pas leur problème et, aujourd'hui, il n'existe pas de plateforme matérielle capable de répondre à leurs besoins. Il fallait donc construire notre propre robot.

Cette approche nous permet aussi d'avancer beaucoup plus vite grâce à une troisième brique technologique essentielle : la simulation. Dès le départ, nous avons développé un simulateur physique qui reproduit les interactions du robot avec son environnement. Nous pouvons ainsi évaluer des centaines de milliers de scénarios en parallèle en quelques heures, là où ces expérimentations prendraient des mois dans le monde réel.

On voit notamment votre robot cuisiner ou utiliser des outils avec beaucoup de précision. Est-ce que vous considérez qu'aujourd'hui vous approchez de la dextérité humaine ?

Nous sommes désormais capables d'effectuer des tâches très précises, comme du picking en laboratoire pharmaceutique avec une précision millimétrique ou encore d'utiliser un couteau pour préparer un smoothie. Le principal défi demeure la généralisation. Nous voulons faire passer nos données de manipulation humaine de quelques centaines de milliers d'heures à plusieurs dizaines de millions d'heures afin d'améliorer cette capacité afin de construire un modèle capable de généraliser beaucoup plus rapidement à de nouveaux cas d'usage.

Avez-vous déjà des clients ? Quels sont les premiers secteurs visés ?

Aujourd'hui, nous sommes très concentrés sur les usages industriels au sens large : les usines, les laboratoires pharmaceutiques ou encore les data centers. La valeur créée par le robot y est plus importante et les environnements sont plus structurés que dans les services ou à la maison. Nous avons annoncé un premier partenariat avec LG, en Corée. Ce qui nous intéresse particulièrement chez eux, c'est la diversité des tâches réalisées par leurs employés. Cela nous permet d'exercer la capacité de généralisation du modèle sur de très nombreux cas d'usage, simplement à l'intérieur d'une même entreprise. Nous annoncerons d'autres partenariats prochainement.

Quels sont vos objectifs de déploiement ?

Nous prévoyons de déployer quelques dizaines de robots cette année, quelques centaines l'année prochaine, puis probablement plusieurs milliers à partir de 2028. Nous n'avons pas encore communiqué leur prix.

Comment fabriquez-vous vos robots ?

Nous développons toute la plateforme en interne. En revanche, nous travaillons avec des partenaires internationaux pour la supply chain et la fabrication. A terme, pour nos clients européens, l'assemblage sera réalisé en Europe. Pour nos clients américains, il sera réalisé aux Etats-Unis. Nous disposerons donc d'un réseau de partenaires industriels répartis selon les marchés que nous adressons.

Est-ce qu'être implanté en Europe constitue un avantage pour une entreprise comme Genesis AI ?

Oui, pour deux raisons principales. D'abord, les talents : Paris, Londres ou Zurich disposent d'ingénieurs de très haut niveau en IA, en robotique et en informatique graphique. Ensuite, le tissu industriel européen. La France, l'Allemagne ou l'Italie comptent de nombreux industriels qui sont des clients potentiels. Je pense qu'il y a une véritable carte à jouer pour déployer des robots en Europe. Et, plus largement, la robotique est probablement le principal levier de la réindustrialisation du continent. Je ne crois pas que les emplois industriels reviendront massivement grâce au travail humain, mais ils peuvent revenir grâce à des usines beaucoup plus automatisées.

Vous êtes également implantés aux Etats-Unis. En quoi les deux écosystèmes sont-ils complémentaires ?

Les Etats-Unis, et plus particulièrement San Francisco, demeurent aujourd'hui le centre mondial de l'intelligence artificielle. C'est également là que se trouvent les investisseurs les plus ambitieux. Les deux écosystèmes sont donc très complémentaires.

Comment jugez-vous aujourd'hui l'écosystème français de la robotique et de l'IA physique ?

La grande force de la France, ce sont ses écoles d'ingénieurs. Elles constituent un vivier exceptionnel de talents capables de rejoindre des entreprises ambitieuses comme Mistral, Wandercraft ou d'autres. C'est vraiment l'un de nos principaux atouts. Ce qui manquait peut-être jusqu'à récemment, c'était l'existence d'entreprises ayant une véritable ambition internationale et capables de repousser l'état de l'art en attirant les meilleurs ingénieurs sur des problèmes extrêmement difficiles. Depuis quelques années, cela change. De nombreuses start-up se lancent avec une ambition mondiale, et c'est très encourageant à voir.