Physicl lève 10 millions de dollars pour entraîner les robots en 3D

Physicl a levé 10 millions de dollars en amorçage pour fabriquer des mondes virtuels assez réalistes pour entraîner des robots. Le tour est mené par Inovia Capital, avec la participation de US Venture Partners. Fondée par Alex de Vigan, ancien patron de la start-up de visualisation 3D nfinite, l'entreprise recycle des outils conçus pour le e-commerce afin de produire des données d'entraînement synthétiques pour l'« IA physique ».

Entreprise	Secteur	Montant	Tour	Investisseurs principaux	Date
Physicl	Données synthétiques pour la robotique et l'IA physique	10 M$ (environ 9,3 M€)	Amorçage	Inovia Capital (chef de file), US Venture Partners	6 novembre 2026

Les grands modèles de langage ont appris en avalant des milliards de pages de texte. Les robots, eux, n'ont pas d'équivalent : il n'existe pas d'immense réservoir de données montrant comment saisir une tasse, ouvrir un tiroir ou contourner un obstacle dans une cuisine encombrée. Collecter ces données dans le monde réel coûte cher, et les vidéos disponibles en ligne se sont révélées décevantes pour entraîner des machines.

C'est ce goulet d'étranglement que vise Physicl. Sa promesse : générer à la demande des scènes 3D réalistes, étiquetées et adaptées à un problème précis, pour que les développeurs de robots et de « modèles du monde » puissent entraîner leurs systèmes sur les cas difficiles. Le tour de table, annoncé le 6 novembre 2026, est modeste au regard des méga-levées de la robotique, mais il illustre l'émergence d'une couche d'outils qui pourrait devenir indispensable à tout le secteur.

Ce qui a été annoncé

Un tour d'amorçage de 10 millions de dollars

Selon TechCrunch, Physicl a bouclé un tour d'amorçage de 10 millions de dollars mené par le fonds Inovia Capital. Silicon Report précise que US Venture Partners a également participé. La valorisation n'a pas été communiquée, pas plus que la répartition des montants entre investisseurs.

Les fonds doivent aider la société à servir les concepteurs de modèles du monde et les fabricants de robots qui cherchent des simulations plus réalistes pour leurs entraînements, indique TechCrunch.

Studio, un premier produit en accès gratuit

Le premier produit, baptisé Studio, est lancé avec 10 000 environnements 3D et 100 000 objets numériques. L'utilisateur construit une scène pour générer des données d'entraînement ciblées sur un problème : repérer une tasse sur un plan de travail encombré, ou dans l'ombre, par exemple. Selon Silicon Report, les utilisateurs peuvent décrire en langage naturel les scénarios d'échec qu'ils veulent reproduire, puis exporter les données avec leur « vérité terrain » 3D. Studio est accessible gratuitement en version bêta pour les développeurs en robotique, les universités et les laboratoires d'IA.

Runtime Wire détaille la nature des données produites : des scènes synthétiques étiquetées, avec profondeur, segmentation et données de caméra, issues de la chaîne de production 3D héritée de nfinite.

Du e-commerce à la robotique : l'héritage de nfinite

Un fondateur venu de la visualisation 3D

Alex de Vigan a passé une dizaine d'années à construire nfinite, une société qui aidait les marques et les distributeurs à créer des modèles 3D de leurs produits pour les afficher en ligne, rappelle TechCrunch. Avec l'arrivée des modèles d'IA de type transformeur, nfinite s'était progressivement tournée vers l'imagerie générative. Runtime Wire mentionne que l'entreprise avait levé 100 millions de dollars en série B, selon un article de TechCrunch de 2022 auquel il renvoie.

Le fondateur explique à TechCrunch avoir réalisé que ce que son équipe savait faire de façon unique en 3D allait être remplacé par l'IA, mais qu'il manquait encore quelque chose aux modèles : une compréhension fine du monde physique. D'où l'idée de réorienter cette expertise vers la robotique.

Un premier client dans les modèles du monde

Physicl a déjà un client de référence : SpAItial, une start-up qui développe des modèles du monde, fondée par Matthias Niessner, professeur à l'Université technique de Munich. Selon TechCrunch, SpAItial avait besoin de données synthétiques haute fidélité pour améliorer son produit Echo-3. Silicon Report rapporte que la société a réduit de plus de moitié ses erreurs de reconstruction sur des pièces réelles après un entraînement sur les données de Physicl. Ce résultat est communiqué par les entreprises, sans évaluation indépendante publiée.

Chiffres clés

Indicateur	Valeur	Source
Montant levé	10 M$	TechCrunch
Type de tour	Amorçage	TechCrunch, Silicon Report
Chef de file	Inovia Capital	TechCrunch
Autre investisseur	US Venture Partners	Silicon Report
Environnements 3D disponibles	10 000	TechCrunch
Objets numériques disponibles	100 000	TechCrunch
Gain annoncé par SpAItial	Erreurs de reconstruction réduites de plus de 50 %	Silicon Report
Valorisation	Non communiquée	TechCrunch

Pourquoi les données synthétiques attirent les investisseurs

Le problème de fond est bien identifié. D'après TechCrunch, les chercheurs en robotique ont obtenu de mauvais résultats en entraînant l'IA physique sur des vidéos, et la collecte de données par téléopération, où un humain pilote le robot à distance pour lui montrer les gestes, coûte cher. La simulation apparaît comme une voie prometteuse, à condition que les mondes virtuels respectent fidèlement la physique réelle : c'est tout l'enjeu de l'écart « simulation-réalité ».

Comment s'entraîne un robot en simulation

Le principe est simple à énoncer, plus difficile à réaliser. Plutôt que de filmer des milliers de situations réelles, les équipes reproduisent l'environnement dans un moteur 3D : la pièce, les meubles, les objets, la lumière. Chaque image générée est accompagnée d'informations exactes que le monde réel ne fournit pas gratuitement, comme la distance de chaque pixel à la caméra ou le contour précis de chaque objet. Le modèle peut ainsi apprendre sur des millions de variantes, en changeant l'éclairage, la position des objets ou le désordre ambiant.

La difficulté tient au réalisme. Si les textures, les reflets ou les ombres diffèrent trop de la réalité, le robot apprend des habitudes qui ne fonctionnent plus une fois sorti du laboratoire. C'est précisément sur ce point que Physicl met en avant son héritage : des années passées à produire des rendus de produits assez fidèles pour être montrés à des acheteurs en ligne. Le site spécialisé Tech Buzz rapporte d'ailleurs le propos d'un investisseur selon lequel la robotique n'a pas encore connu son « moment ChatGPT », ce basculement qui a rendu l'IA générative grand public.

Physicl arrive sur un terrain déjà occupé par de nombreuses start-up de données et d'outillage. Alex de Vigan le reconnaît lui-même auprès de TechCrunch : « The space is very young and very blurry sometimes », le secteur étant encore jeune et parfois flou. Pour se différencier, l'entreprise veut être un outil de production de données utilisé en continu, plutôt qu'un simple fournisseur de jeux de données vendus une fois.

Le blog suit de près cette vague de la robotique, qu'il s'agisse de l'entrée en Bourse d'Agility Robotics et de son robot humanoïde Digit ou des acteurs qui conçoivent un « cerveau » commun pour les robots comme Skild AI. Tous ont besoin de données d'entraînement en masse.

Ce que cela change pour les entreprises

Pour les industriels et les logisticiens européens, l'essor des données synthétiques a des conséquences concrètes.

• Des robots plus vite opérationnels. Si la simulation permet de couvrir les cas difficiles avant le déploiement, les phases d'essai sur site pourraient être raccourcies.
• Un ticket d'entrée plus bas. Les jeux de données réalistes étaient réservés aux grands groupes capables de financer des campagnes de collecte. Des outils en libre-service, comme la version bêta gratuite de Studio, ouvrent l'accès aux laboratoires et aux plus petits acteurs.
• Des compétences à recycler. Le parcours de nfinite montre que les savoir-faire en 3D développés pour le commerce en ligne peuvent trouver une seconde vie dans l'industrie.

Limites, risques et perspectives

Plusieurs questions restent ouvertes. Les données synthétiques ne remplacent pas entièrement la validation dans le monde réel : un robot entraîné sur des scènes parfaites peut échouer face à l'imprévu. Les résultats annoncés par SpAItial proviennent de l'entreprise et de son fournisseur, sans mesure indépendante. Enfin, la concurrence est vive, et les grands groupes technologiques investissent eux aussi dans la simulation pour la robotique.

Le modèle économique reste par ailleurs à démontrer : passer d'une version bêta gratuite à des contrats payants récurrents est une étape décisive pour une jeune pousse.

Ce qu'il faut surveiller

Les prochains mois diront si Physicl parvient à convertir ses utilisateurs bêta en clients payants, et si d'autres développeurs de modèles du monde ou de robots rejoignent SpAItial. L'enrichissement de la bibliothèque d'environnements et d'objets, ainsi que la publication de résultats comparatifs face aux données réelles, seront des indicateurs clés. Une série A pourrait suivre si la traction se confirme dans les mois à venir.

En bref

• Physicl lève 10 millions de dollars en amorçage, menés par Inovia Capital avec US Venture Partners.
• La société, fondée par Alex de Vigan (ex-nfinite), génère des mondes 3D réalistes pour entraîner robots et modèles du monde.
• Son produit Studio propose 10 000 environnements et 100 000 objets, en bêta gratuite.
• Le client SpAItial annonce une réduction de plus de moitié de ses erreurs de reconstruction.
• Le manque de données d'entraînement est l'un des principaux freins de la robotique, ce qui attire les investisseurs vers les données synthétiques.

Sources

• Physicl raises $10M to make the digital world real enough for robots, TechCrunch, 6 novembre 2026
• Physicl raises $10 million seed round led by Inovia Capital, Silicon Report, novembre 2026
• Physicl raises $10M to turn e-commerce 3D into robot training data, Runtime Wire, 7 novembre 2026
• Physicl Raises $10M to Bridge Sim-to-Real Gap for Robots, Tech Buzz, 6 novembre 2026

Photo d'illustration : This_is_Engineering sur Pixabay.