Le paysage européen de la Physical AI, cartographié par les données
Une carte de terrain de la Physical AI européenne, classée non par le matériel mais par l’endroit où chaque acteur, de NEURA aux pilotes en usine, obtient réellement ses données d’entraînement.
Demandez quelle entreprise européenne construit le meilleur humanoïde et vous déclencherez une dispute. Demandez laquelle a le meilleur plan pour nourrir un humanoïde, et le champ se resserre vite. C’est la seconde question qui décide des prochaines années, et l’Europe y répond différemment des États-Unis.
Le schéma est facile à manquer si l’on ne regarde que le matériel. Deux bras, deux jambes, une tête stéréo, des mains qui cherchent la dextérité : de part et d’autre de l’Atlantique, les machines convergent vers un même corps. Les modèles de contrôle convergent aussi, pour la plupart des policies vision-langage-action fondées sur des transformers, et beaucoup sont désormais livrées avec des poids ouverts. Ce qui ne converge pas, et ce sur quoi repose vraiment la compétence d’un robot, c’est l’approvisionnement en données de démonstration dont il apprend.
Voici donc une carte de la Physical AI européenne dessinée autour de cet approvisionnement. Non pas selon qui présente la vidéo de lancement la plus tape-à-l’œil, mais selon l’endroit où chaque acteur obtient ses données d’entraînement et les règles qui en autorisent l’usage. Lue ainsi, l’Europe ressemble moins à un outsider du matériel qu’à un pari délibéré sur une autre couche de la pile technologique.
NEURA et le pari des données partagées
Le signal européen le plus fort vient de NEURA Robotics, près de Stuttgart. En 2025, l’entreprise a annoncé une Série C que The Robot Report et d’autres médias ont classée parmi les plus importantes levées de fonds de la robotique européenne, des capitaux directement destinés à faire passer à l’échelle son humanoïde 4NE-1 et le logiciel qui l’anime. L’argent compte moins que la stratégie qu’il finance.
Cette stratégie, ce sont les données. NEURA indique investir €17M dans un centre d’entraînement construit avec l’Université technique de Munich, une salle de sport pour robots qu’elle décrit comme la plus grande installation d’entraînement à la Physical AI d’Europe. Sa plateforme Neuraverse est présentée comme une place de marché partagée où robots et développeurs échangent des compétences et les données de démonstration qui les sous-tendent. Quelle que soit l’exécution, la thèse est explicite : maîtrisez le lieu où les démonstrations sont générées et le corpus qu’elles produisent, et vous détenez quelque chose de plus durable que n’importe quel modèle isolé.
Cette thèse n’a rien de spécifiquement allemand. C’est la logique qui attire la plupart des constructeurs sérieux vers la couche des données, et elle mérite d’être énoncée sans détour.
Le matériel converge et les poids des modèles fuient. Le seul intrant qui ne circule pas gratuitement, c’est un enregistrement vaste, propre et consenti d’humains accomplissant des tâches réelles. Celui qui contrôle cet approvisionnement contrôle la couche sur laquelle reposent les modèles.
Le terrain européen, cartographié par les données
Regroupez les acteurs européens et proches de l’Europe non pas selon leurs robots mais selon l’origine du signal d’entraînement, et le clivage stratégique devient lisible. Certains emploient leurs propres opérateurs et téléopèrent leurs propres flottes. Certains s’appuient sur des clients industriels pour générer des données sur de vraies lignes de production. Certains empruntent les corpus académiques ouverts que tout le monde partage. La colonne de la gouvernance est celle que l’Europe tend à traiter comme une caractéristique plutôt que comme une réflexion après coup.
| Acteur | Base | Source principale de données | Position de gouvernance des données |
|---|---|---|---|
| NEURA Robotics | Allemagne | Flotte d’humanoïdes propre, la salle d’entraînement TUM, la plateforme d’échange Neuraverse | Place de marché partagée, basée dans l’UE |
| Humanoid (soutenue par Schaeffler) | Royaume-Uni | Pilotes industriels avec investisseurs et partenaires | Gouvernance par les partenaires, en usine |
| BMW et autres adoptants OEM | Allemagne | Pilotes d’humanoïdes sur leurs propres lignes de production | Contrôlée par l’entreprise, en interne |
| Corpus ouverts (Ego-Exo4D, DROID) | Universitaire, mondial | Démonstrations humaines et robotiques instrumentées | Licence ouverte, priorité à la recherche |
| Moteurs de données US (Figure, 1X, Tesla, Mecka) | États-Unis | Téléopération interne et déploiements domestiques | Propriétaire, fermée |
Le contraste des deux dernières lignes résume tout l’argument. Les programmes américains traitent les données comme un actif privé à accumuler derrière la clôture : Figure avec ses propres opérateurs, 1X avec des déploiements domestiques, Tesla avec les images d’Optimus tournées dans ses usines, et de purs moteurs de données comme Mecka qui vendent la capture comme un service. L’Europe, corsetée par des capitaux privés plus rares et des règles plus strictes, se voit poussée vers une autre forme : partenariats, corpus partagés, et une provenance que l’on peut prouver.
L’avantage discret de l’Europe, c’est sa base industrielle
L’Europe ne manque pas de robots. Elle manque de licornes de la robotique grand public. Ce qu’elle possède en revanche, c’est l’une des bases d’automatisation industrielle les plus denses au monde, et c’est de cette base que viendront les données les plus intéressantes du continent. La Fédération internationale de robotique rapporte que l’Allemagne affiche l’une des plus fortes densités de robots de toutes les économies manufacturières, et ces usines sont désormais le banc d’essai des humanoïdes.
Les preuves arrivent sous forme de pilotes. BMW, le constructeur automobile allemand, a mené des essais d’humanoïdes sur ses lignes de production, un élément de la vague de pilotes en usine que IEEE Spectrum suit à travers le secteur. Schaeffler, grand équipementier industriel allemand, a soutenu la startup britannique Humanoid, arrimant un nouveau venu de la robotique directement à une demande industrielle réelle. Chaque pilote est aussi un programme de génération de données : chaque poste de travail sur une ligne réelle produit des démonstrations qu’aucun simulateur et aucune vidéo récupérée ne peuvent pleinement remplacer, capturées précisément dans le cadre où le robot finira par travailler.
C’est une position de départ véritablement différente de celle des États-Unis. Les données humanoïdes américaines tendent à naître dans des studios de téléopération sur mesure et, de plus en plus, dans des foyers. Celles de l’Europe tendent à naître sur des lignes de production qu’elle possède déjà, dans le cadre de contrats qu’elle signe déjà. L’étiquette compte moins que la provenance : une donnée née à l’intérieur d’une entreprise réglementée arrive accompagnée d’une trace documentaire.
La réglementation à l’intérieur de laquelle chacun construit
Aucun exposé de la Physical AI européenne n’est honnête sans son arrière-plan réglementaire, car celui-ci façonne chaque décision relative aux données sur le continent. L’EU AI Act impose aux systèmes d’IA à haut risque des obligations de documentation, de gouvernance des données et de traçabilité, et un robot agissant dans un espace partagé avec des humains est précisément le type de système que les régulateurs ont en tête. Ajoutez le régime européen de gouvernance des données et de protection de la vie privée, et vous obtenez une contrainte forte : un constructeur européen ne peut pas simplement aspirer toutes les images qui lui plaisent et régler la question des droits plus tard.
Les équipes américaines y voient souvent un handicap, et pour la pure vitesse c’en est un. Mais elle impose aussi une discipline dont le reste du marché découvre lentement qu’il en a besoin. Lorsque l’équipe de conformité d’un acheteur se met à demander d’où viennent les données d’entraînement et qui y a consenti, un corpus non documenté devient un passif plutôt qu’un actif. La contrainte qui ressemble aujourd’hui à un impôt commence à ressembler à une douve à mesure que la réglementation se diffuse.
Là où l’Europe peut réellement prendre les devants
Au total, la voie crédible de l’Europe n’est pas de surpasser le matériel américain par la force ni de dépenser plus que les laboratoires de modèles américains. C’est de prendre les devants sur la couche dont les deux dépendent et qu’aucun ne maîtrise proprement : un approvisionnement en données de démonstration souverain, consenti et à la provenance propre dès l’instant de la capture. Les modèles convergent et sont portables. Une policy compatible aujourd’hui avec Isaac GR00T de NVIDIA pourra demain être réentraînée sur des données plus propres. Les données, et leurs documents, sont la partie qui ne bouge pas.
Rien de tout cela n’est joué. NEURA doit encore construire la salle d’entraînement et la remplir, les pilotes en usine doivent encore passer des démonstrations aux déploiements, et la réglementation se lit encore au cas par cas. Mais l’axe est clair. Aux États-Unis, la course se joue sur des capitaux privés et des données fermées. En Europe, elle se joue sur des partenariats, un accès industriel et des règles qui rendent la provenance obligatoire. Misez sur la couche des données, et l’Europe n’est pas en retard. Elle joue à un autre jeu, sur un terrain qui se trouve lui appartenir.