- Introduction — le goulot d'étranglement des données physiques
- Encord et les ondes cérébrales — quand le cerveau humain devient dataset
- La data physique coûte cher — pourquoi c'est un problème majeur
- Ce que ça change pour les TPE basques
- Conclusion — l'IA physique commence aujourd'hui
Introduction — le goulot d'étranglement des données physiques
L'intelligence artificielle a connu une révolution grâce aux grands modèles de langage (LLM). ChatGPT, Claude, Gemini — tous ont été entraînés sur des milliards de pages web, forums, livres et articles scientifiques. Mais il y a un domaine où cette recette miracle ne fonctionne pas : le monde physique.
Pour qu'un robot humanoïde sache verser un café, empiler des blocs de Jenga ou brancher un câble USB, il a besoin de données d'entraînement qui n'existent tout simplement pas à grande échelle. Comme le résume Vineeth Velmurugan, chief revenue officer d'Encord : "The data simply does not exist." Les données physiques ne se collectent pas sur Internet — elles se fabriquent, une action à la fois. Et c'est là que les ondes cérébrales entrent en jeu.
Un article récent de TechCrunch (26 juillet 2026) dévoile une approche aussi fascinante qu'inattendue : des casques EEG pour capturer l'activité cérébrale de pilotes robotiques, afin de créer les futurs datasets d'entraînement de l'IA physique. Une innovation qui, au-delà de la Silicon Valley, a des implications concrètes pour les territoires comme le Pays Basque, où l'automatisation des entrepôts et de la logistique est déjà une réalité.
Encord et les ondes cérébrales — quand le cerveau humain devient dataset
Basée à San Leandro, en Californie, la société Encord — connue pour sa plateforme d'annotation de données — a franchi un cap technologique inédit. En partenariat avec Zander Labs, spécialiste des interfaces cerveau-machine, elle équipe des opérateurs de casques EEG pendant qu'ils pilotent des robots à distance.
L'idée est simple en théorie, complexe en pratique : pendant qu'un humain téléopère un bras robotique pour déplacer une tasse de café, le casque mesure en continu son activité cérébrale. Les capteurs détectent les états mentaux — erreur, intention, surprise — qui précèdent ou accompagnent chaque mouvement. Ces signaux, couplés à des capteurs électromyographiques placés sur l'avant-bras qui mesurent l'activité musculaire, créent une strate de données d'une richesse inégalée.
Zander Labs ne se contente pas d'enregistrer : il interprète. L'activité cérébrale permet de déduire quand l'opérateur anticipe une erreur, quand il hésite, quand il modifie son intention en cours d'action. Ces informations sont invisibles dans une simple vidéo, mais cruciales pour apprendre à un robot à réagir comme un humain.
L'approche combine trois sources de données :
- La vidéo égocentrique — des caméras portées par les travailleurs qui filment chaque geste de leur point de vue.
- La téléopération — des robots pilotés à distance dont on enregistre chaque commande et chaque mouvement.
- Les signaux physiologiques — EEG (cerveau) et EMG (muscles) pour capturer l'intention et l'état mental.
Selon Encord, une annotation dense — c'est-à-dire une description physique détaillée de chaque action — vaut 100 fois plus que ce qu'ils appellent de la "junky ego data" (des vidéos brutes non annotées). La qualité des labels, pas la quantité brute, fera la différence.
La data physique coûte cher — pourquoi c'est un problème majeur
Pour mesurer l'ampleur du défi, un chiffre : le dataset nécessaire pour former une IA physique généraliste serait 5 fois la taille du corpus vidéo YouTube. Cinq fois des centaines de millions d'heures de vidéo. Un volume qui dépasse tout ce que l'industrie a produit jusqu'ici.
Pourquoi un tel volume ? Parce que le monde physique est infiniment plus complexe que le monde textuel. Une phrase comme "verser le café dans la tasse" implique des centaines de sous-actions : saisir la tasse, évaluer son poids, ajuster l'angle, contrôler le débit, s'arrêter au bon niveau, reposer la cafetière sans renverser. Chaque étape doit être apprise, chaque variation (tasse pleine, tasse vide, surface glissante, poignée chaude) doit être couverte.
Les LLMs ont bénéficié de tout l'internet comme dataset gratuit. Les modèles physiques, eux, doivent fabriquer leur matière première. Et la fabrication est lente : chaque heure de données utiles nécessite des heures de téléopération humaine, d'annotation minutieuse et — désormais — de sessions EEG.
Cette rareté a une conséquence directe : le coût des solutions robotiques de demain dépendra du coût des données aujourd'hui. Plus la data physique sera chère à produire, plus les robots humanoïdes et l'automatisation warehouse seront chers à l'achat.
Ce que ça change pour les TPE basques
À première vue, on pourrait penser que cette actualité ne concerne que les géants de la Silicon Valley et les laboratoires de robotique avancée. Détrompez-vous. Le Pays Basque est directement concerné par cette révolution silencieuse de la donnée physique.
La logistique basque, terrain d'automatisation
La région dispose d'une plateforme logistique de premier plan : la zone Euralogistic à Bayonne, l'aéroport de Biarritz, la zone d'activité de Jatxou, le port de Bayonne. Des centaines de PME locales travaillent dans la logistique, le e-commerce et la distribution. Pour elles, l'automatisation des entrepôts n'est pas une promesse futuriste — c'est déjà une réalité concurrentielle.
Un petit e-commerçant d'Anglet qui expédie 200 colis par jour regarde avec intérêt les solutions de préparation de commandes automatisée. Un transporteur de Mouguerre évalue les bras robotiques pour la palettisation. Une conserverie de Bayonne teste des lignes de conditionnement robotisées. Tous ces cas d'usage reposent sur la même ressource : les données physiques.
Vignobles, artisanat, conserveries — l'automatisation progressive
Au-delà de la logistique, le tissu économique basque est riche d'activités où la robotique fait son chemin : les vignobles d'Irouléguy (tri optique, machines de vendange), les conserveries de Bayonne et Saint-Jean-de-Luz (conditionnement automatisé), l'artisanat (découpe, assemblage). Chaque pas vers l'automatisation augmente la demande de données physiques d'entraînement.
Le problème est le même pour un vigneron d'Irissarry que pour un ingénieur d'Encord : les données nécessaires pour automatiser un geste n'existent pas encore. Mais l'entrepreneur basque ne peut pas — et n'a pas besoin — de construire son propre dataset EEG. Il doit simplement anticiper que le coût de ces données déterminera le prix auquel il pourra acheter des solutions robotiques dans les 3 à 5 prochaines années.
La leçon à retenir
Le goulot d'étranglement des données physiques va inévitablement ralentir l'automatisation industrielle "abordable". Les grandes entreprises pourront payer le prix fort pour des datasets propriétaires. Les PME et TPE, elles, devront attendre que des datasets mutualisés ou open-source émergent — ou investir dès maintenant dans la captation de leurs propres données physiques. Filmer les gestes de leurs opérateurs, annoter les processus, structurer leurs savoir-faire : ce sont les briques de l'automatisation de demain.
Conclusion — l'IA physique commence aujourd'hui
L'initiative d'Encord et Zander Labs marque un tournant. En branchant des électrodes sur le crâne d'opérateurs robotiques, ils ne font pas seulement avancer la recherche — ils jettent les bases de la prochaine révolution industrielle. Une révolution qui ne se jouera pas dans les data centers avec du texte, mais dans les entrepôts, les ateliers et les vignobles, avec des mouvements, des intentions et des erreurs.
Pour les TPE du Pays Basque, le message est clair : l'automatisation arrive, mais son rythme dépendra de la disponibilité des données physiques. Ceux qui anticipent aujourd'hui — en structurant leurs processus, en captant leurs données opérationnelles, en se formant à ces nouveaux outils — seront les mieux placés pour tirer parti de la vague robotique qui s'annonce.
Vous êtes une TPE basque et vous vous demandez comment préparer votre activité à l'automatisation ? Chez Mister Anderson, nous accompagnons les entreprises locales dans leur transformation numérique. Le premier pas, c'est de comprendre où se situent vos données physiques. Contactez-nous pour en discuter.