Le mois à 19 milliards de dollars : l’IA physique et les systèmes autonomes atteignent la vitesse de libération

La frénésie de financement de février

Février 2026 restera dans les mémoires comme le mois où l’IA physique est devenue impossible à ignorer. En l’espace de quelques semaines, des entreprises développant des systèmes autonomes opérant dans le monde physique ont levé un total combiné de plus de 19 milliards de dollars — un chiffre qui aurait constitué une année solide pour l’ensemble du secteur des véhicules autonomes il y a seulement trois ans.

Le montant phare revient à Waymo, qui a obtenu environ 16 milliards de dollars dans l’une des plus grandes levées de fonds privées de l’histoire technologique. Mais c’est l’ampleur de cette vague de financement qui distingue ce moment. Wayve a levé 1,2 milliard de dollars pour son approche de conduite apprise de bout en bout. Waabi a bouclé 1 milliard de dollars avec Uber s’engageant à déployer 25 000 de ses camions autonomes. Bedrock Robotics a récolté 270 millions de dollars pour l’automatisation de la construction. Skyryse a sécurisé 300 millions de dollars pour des systèmes de vol autonome. Physical Intelligence a levé 600 millions de dollars pour des modèles de fondation robotiques universels.

Chaque entreprise cible un domaine différent — véhicules de tourisme, transport routier, construction, aviation, robotique polyvalente — mais elles partagent une thèse commune : la combinaison de modèles d’IA basés sur les transformers, de capteurs améliorés et de données d’entraînement abondantes a poussé l’autonomie dans le monde physique au-delà d’un seuil de capacité critique. La technologie n’est plus un projet de recherche. C’est un défi d’ingénierie et de mise à l’échelle — le type de défi pour lequel le capital-risque a été conçu.

La déclaration de 16 milliards de dollars de Waymo

La levée de fonds de Waymo est remarquable non seulement par sa taille mais par ce qu’elle représente en termes d’engagement d’Alphabet envers la conduite autonome, après des années de scepticisme de la part de Wall Street. L’entreprise exploite des services commerciaux de robotaxi à Phoenix, San Francisco et Los Angeles, et a franchi le seuil de centaines de milliers de courses payantes par semaine.

L’injection de 16 milliards de dollars — combinant le propre capital d’Alphabet avec des investisseurs externes — est destinée à financer l’expansion vers de nouvelles villes, la croissance de la flotte et le développement du système de conduite autonome de sixième génération. L’avantage de Waymo est la donnée : avec des milliards de kilomètres d’expérience de conduite réelle, l’entreprise possède un jeu de données d’entraînement qu’aucun concurrent ne peut répliquer rapidement.

La dynamique concurrentielle a radicalement changé par rapport au cycle de hype des véhicules autonomes de 2018-2020. Cruise, autrefois le principal rival de Waymo, a suspendu ses opérations fin 2023 après un incident impliquant le traînage d’un piéton à San Francisco et a finalement été démantelé par General Motors. Aurora Innovation a pivoté vers le transport routier. Argo AI a fermé complètement. Le secteur s’est consolidé autour de Waymo pour les véhicules de tourisme et d’une poignée de startups de transport routier.

Cette consolidation renforce la position de Waymo mais ne la rend pas inattaquable. Tesla continue d’étendre son système Full Self-Driving, qui adopte une approche fondamentalement différente — caméras uniquement, véhicules appartenant aux consommateurs, autonomie supervisée transitant progressivement vers l’autonomie complète. La concurrence Waymo-Tesla pourrait définir le marché des véhicules autonomes pour la prochaine décennie : robotaxis construits sur mesure contre véhicules personnels dotés d’autonomie.

Le pari du transport routier : Waabi et l’alliance Uber

La levée de 1 milliard de dollars de Waabi a attiré l’attention principalement pour l’engagement d’Uber à déployer 25 000 camions autonomes utilisant la technologie de Waabi. Il ne s’agit pas d’une lettre d’intention ni d’un protocole d’accord — c’est un engagement contractuel de la plus grande entreprise de VTC au monde pour intégrer le transport routier autonome à grande échelle.

L’approche de Waabi repose sur ce que sa fondatrice Raquel Urtasun appelle l’autonomie « AI-first ». Plutôt que de s’appuyer sur des règles codées manuellement et des cartes haute définition — l’approche traditionnelle que Waymo a été le premier à développer — Waabi utilise la simulation à grande échelle et l’IA générative pour entraîner son système de conduite. L’entreprise affirme que cette approche nécessite beaucoup moins de données de test en conditions réelles, réduisant considérablement le coût et le temps de déploiement dans de nouvelles zones géographiques.

Le partenariat avec Uber est stratégiquement logique pour les deux parties. Uber Freight a construit l’une des plus grandes plateformes de courtage numérique de fret en Amérique du Nord, connectant expéditeurs et transporteurs à travers un réseau qui gère des milliards de dollars de fret annuellement. Des camions autonomes capables d’opérer sur des routes autoroutières prévisibles — le cas d’usage le plus simple pour la technologie de conduite autonome — réduiraient considérablement les coûts d’Uber Freight tout en répondant à la pénurie chronique de chauffeurs routiers qui contraint l’industrie.

L’engagement de 25 000 véhicules est suffisamment ambitieux pour être transformateur s’il est exécuté. Pour contexte, il y a environ 3,5 millions de chauffeurs routiers aux États-Unis. Remplacer même une fraction des trajets longue distance par des camions autonomes représenterait une restructuration fondamentale de l’industrie logistique, avec des implications pour l’emploi, les infrastructures et l’économie du transport de marchandises.

Au-delà des véhicules : construction, aviation et robotique générale

La vague de financement de février s’est étendue bien au-delà des véhicules autonomes, signalant que l’investissement dans l’IA physique s’élargit pour englober tout domaine où des machines opèrent dans le monde physique.

La levée de 270 millions de dollars de Bedrock Robotics cible la construction, une industrie où les pénuries de main-d’œuvre et les risques en matière de sécurité créent une forte demande d’automatisation, mais où l’environnement non structuré a historiquement défié les solutions robotiques. L’approche de Bedrock utilise des modèles de fondation entraînés sur des données de chantiers pour permettre à des robots de naviguer sur des terrains imprévisibles, de manipuler des matériaux divers et de se coordonner avec des travailleurs humains en temps réel. L’entreprise cible le terrassement, le nivellement et les travaux de fondation — des tâches répétitives et physiquement exigeantes où l’automatisation peut améliorer à la fois la productivité et la sécurité.

Les 300 millions de dollars de Skyryse financent le développement de systèmes de vol autonome pour hélicoptères et aéronefs à décollage vertical. Le système d’exploitation SkyOS de l’entreprise vise à rendre tout aéronef compatible avec l’autonomie grâce à une approche de rétrofit — ajoutant capteurs, ordinateurs et logiciels aux structures existantes plutôt que de nécessiter des aéronefs entièrement nouveaux. Cette stratégie répond à un goulot d’étranglement critique : le marché des petits aéronefs et hélicoptères ne peut pas justifier le coût de développement d’aéronefs autonomes construits sur mesure, mais l’autonomie par rétrofit pourrait rendre la flotte existante de plus de 500 000 aéronefs considérablement plus sûre et, à terme, pilotable en option.

La levée de 600 millions de dollars de Physical Intelligence, couverte en détail dans un article complémentaire sur les modèles de fondation robotiques, représente peut-être le pari le plus ambitieux. L’entreprise développe des modèles de fondation robotiques universels — des systèmes d’IA capables de contrôler n’importe quel corps robotique pour effectuer n’importe quelle tâche physique, de la même manière que GPT-4 peut traiter n’importe quel prompt textuel. En cas de succès, cette approche découplerait l’intelligence robotique du matériel robotique, permettant un déploiement rapide dans les applications d’entreposage, de fabrication et de logistique.

Pourquoi maintenant : la convergence

La concentration de financements en IA physique reflète la convergence de quatre facteurs qui se sont développés indépendamment pendant des années et se renforcent désormais mutuellement.

Premièrement, les modèles d’IA basés sur les transformers ont prouvé leur capacité à gérer la prise de décision multimodale et en temps réel que l’autonomie dans le monde physique exige. Les mêmes innovations architecturales qui ont permis ChatGPT et GPT-4 — mécanismes d’attention, lois d’échelle, apprentissage en contexte — s’appliquent au traitement des données de capteurs provenant de caméras, du lidar et du radar. Des entreprises comme Wayve et Waabi ont démontré que des systèmes de conduite appris de bout en bout, entraînés sur des données de conduite comme les modèles de langage sont entraînés sur du texte, peuvent égaler ou dépasser les performances des systèmes basés sur des règles conçues manuellement.

Deuxièmement, les coûts des capteurs se sont effondrés. Les unités lidar qui coûtaient 75 000 $ en 2018 coûtent désormais moins de 500 $. Les caméras, radars et matériels informatiques ont suivi des trajectoires similaires. La nomenclature des composants d’une suite de capteurs pour véhicule autonome a chuté de 90 % en cinq ans, rendant les systèmes autonomes économiquement viables pour des applications — comme le transport routier et la construction — où la proposition de valeur par unité doit être convaincante.

Troisièmement, l’écosystème de données d’entraînement a mûri. Des environnements de simulation comme Waabi World et NVIDIA Omniverse peuvent générer des milliards de scénarios de conduite réalistes, complétant la collecte de données en conditions réelles. L’apprentissage fédéré permet aux entreprises d’améliorer leurs modèles à partir des données de flotte sans centraliser les informations de conduite sensibles. La boucle vertueuse de données qui était théorique en 2020 est opérationnelle en 2026.

Quatrièmement, et c’est peut-être le plus important, les déploiements en conditions réelles ont validé la technologie. Le service de robotaxi de Waymo dans plusieurs villes a accumulé un bilan de sécurité extraordinaire par rapport aux conducteurs humains. Les pilotes de transport routier autonome sur les autoroutes interétatiques ont démontré leur fiabilité dans des opérations de fret commercial. Ce ne sont plus des démonstrations — ce sont des entreprises générant des revenus et prouvant que les systèmes autonomes peuvent fonctionner en toute sécurité à grande échelle.

La question du capital

Dix-neuf milliards de dollars en un seul mois soulève une question inévitable : s’agit-il d’une allocation rationnelle du capital ou d’une bulle alimentée par la peur de manquer le train et la disponibilité d’argent bon marché ?

L’argument haussier est simple. Le marché total adressable de l’autonomie dans le monde physique — englobant les véhicules de tourisme, le transport routier, la logistique, la construction, l’agriculture, l’exploitation minière et l’aviation — dépasse 10 000 milliards de dollars annuellement. Même une automatisation modeste de ces secteurs générerait des rendements justifiant les niveaux d’investissement actuels. La technologie a franchi des seuils de capacité critiques, les déploiements réels valident l’approche, et le paysage concurrentiel s’est consolidé autour d’un nombre gérable d’acteurs sérieux.

L’argument baissier se concentre sur le risque d’exécution et l’incertitude des délais. Les entreprises de véhicules autonomes promettent un déploiement imminent depuis 2016, et l’autonomie complète reste limitée à des zones géographiques et des conditions spécifiques. Les cadres réglementaires évoluent mais restent incomplets. La question de la responsabilité — qui est responsable lorsqu’un système autonome cause un dommage — reste juridiquement non résolue. Et la transition des programmes pilotes au déploiement de masse nécessitera des changements en matière d’infrastructures, d’assurance, de réglementation et d’acceptation sociale que la technologie seule ne peut pas accélérer.

La réalité probable se situe entre ces deux extrêmes. L’IA physique sera déployée à une échelle significative dans des domaines spécifiques à haute valeur — transport routier autoroutier, services de robotaxi géo-clôturés, environnements d’entreposage structurés — dans un délai de 2 à 3 ans. Un déploiement plus large dans des environnements non structurés prendra plus de temps. Les entreprises qui survivront seront celles capables de générer des revenus à partir d’applications à court terme tout en investissant dans la vision à long terme. Les 19 milliards de dollars levés en février 2026 offrent une marge de manœuvre substantielle pour exactement ce type de déploiement patient et progressif.

Sources et lectures complémentaires

• Waymo Secures $16 Billion in Record Autonomous Vehicle Funding Round — Financial Times
• Waabi Closes $1B as Uber Commits 25,000 Autonomous Trucks — TechCrunch
• Physical Intelligence Raises $600M for Robot Foundation Models — The Information
• Bedrock Robotics Raises $270M to Automate Construction — Bloomberg
• The State of Autonomous Vehicle Technology in 2026 — MIT Technology Review