Le volant d’inertie des données en robotique : pourquoi la boucle est cumulative

Demandez à un grand modèle de langage de résumer un mémoire juridique et il puise dans un corpus que l’humanité a mis des siècles à écrire. Demandez à un humanoïde de plier une chemise et il n’existe aucune archive comparable sur laquelle s’appuyer. Internet ne contient presque aucun exemple d’une pince de robot se refermant sur un objet déformable et ajustant sa force à mesure que le tissu glisse. Ces données n’existent pas tant que quelqu’un ne construit pas une machine pour les produire.

C’est la vérité gênante qui se cache sous chaque présentation d’investisseurs consacrée aux humanoïdes : les modèles ne sont pas la ressource rare. Les policies Transformer, les têtes d’action par diffusion et les architectures dorsales vision-language-action sont de plus en plus partagées, publiées et reproduites. Ce qui sépare une démo d’un produit, c’est la boucle de données qui l’alimente, et cette boucle doit être fabriquée à dessein. Déployer un robot, collecter ce qu’il voit et fait, réentraîner sur les parties difficiles, redéployer. Chaque tour est censé rendre le suivant moins coûteux.

L’idée est empruntée à la conduite autonome, où une flotte déployée enregistre discrètement les kilomètres qui améliorent le modèle suivant. En robotique, la même boucle est réelle, mais elle ne tourne pas gratuitement, et elle ne tourne pas de façon uniforme. Savoir où elle devient cumulative, et où elle se grippe, fait la différence entre une flotte qui s’autofinance et une flotte qui ne fait que brûler du capital en enregistrant mille fois le même succès facile.

La robotique est partie d’un corpus vide

Les modèles de langage et de vision disposaient d’une longueur d’avance qu’on oublie facilement. Le texte, les images et la vidéo traînaient déjà à l’échelle du web avant que quiconque n’entraîne un modèle de fondation dessus. Les données d’action des robots ne disposent d’aucun stock équivalent. Une trajectoire, c’est-à-dire la série temporelle de ce qu’un robot a vu, de l’état de ses articulations et des actions qu’il a prises, doit être enregistrée par un système physique se déplaçant dans le monde physique.

La réponse du domaine a consisté à mettre en commun le peu qui existe. Open X-Embodiment a assemblé environ un million de trajectoires provenant de 22 corps de robots différents répartis dans plus de 20 laboratoires, puis a montré qu’une policy unique entraînée sur l’ensemble se transfère mieux qu’une policy entraînée sur un seul robot. DROID y a ajouté 76 000 trajectoires téléopérées capturées dans des centaines de scènes réelles. Ce sont des travaux marquants, et ils restent minuscules face aux milliards de tokens qu’un modèle de langage consomme. Cet écart est tout le problème.

Anatomie de la boucle

Retirez le marketing et le volant d’inertie compte quatre pièces mobiles.

• Déployer. Mettre une policy sur du matériel réel, qu’elle soit téléopérée, autonome, ou un mélange supervisé des deux.
• Collecter. Enregistrer des flux synchronisés : images des caméras, proprioception, forces de contact, et les actions prises, succès comme échecs.
• Trier. Décider de ce qui vaut la peine d’être conservé. C’est l’étape que presque tout le monde sous-estime.
• Réentraîner. Intégrer les nouvelles données au checkpoint suivant, l’évaluer, puis redéployer.

Les sources qui alimentent l’étape de collecte ne sont pas interchangeables, et leurs différences déterminent la vitesse à laquelle la roue tourne.

Ce qui est réellement cumulatif

Voici la partie inconfortable. Les heures brutes ne produisent aucun effet cumulatif. Un robot qui réussit une tâche facile et enregistre ce succès dix mille fois a produit un vaste jeu de données presque sans valeur, parce que la policy savait déjà le faire. Les trajectoires qui font bouger la perte sont les plus rares : la prise qui a glissé, l’objet posé là où le modèle ne l’attendait pas, le rattrapage après un quasi-échec.

Une flotte qui n’enregistre que ses succès est un volant d’inertie dont on a retiré les roulements. Il tourne, et rien ne bouge.

C’est pourquoi l’étape de tri compte plus que l’étape de collecte. Les équipes qui prennent de l’avance sont celles qui exploitent leurs déploiements pour en extraire les cas limites, puis dépensent une téléopération coûteuse ou une collecte ciblée précisément sur ces lacunes, plutôt que de payer pour enregistrer davantage de ce qui fonctionne déjà. Physical Intelligence et Toyota Research Institute ont tous deux affirmé sans détour que c’est le tri et la qualité des données, et non le volume brut, qui ont porté leurs modèles de comportement les plus performants. Le déploiement a de la valeur moins parce qu’il produit des données que parce qu’il produit une carte de là où le modèle actuel échoue.

Qui fait tourner la roue

Différentes entreprises abordent le démarrage à froid différemment. 1X installe des humanoïdes dans des foyers, en partie pour recueillir la longue traîne des tâches domestiques qu’aucun laboratoire ne peut scénariser à l’avance. Agility Robotics fait fonctionner Digit dans de vrais entrepôts, où la distribution des tâches est étroite mais où la collecte est continue et financée par le travail lui-même. Figure, Boston Dynamics et d’autres suivent des variantes de la même méthode : déployer d’abord dans un environnement contraint, puis élargir la distribution à mesure que la policy gagne la confiance.

Du côté des modèles, Isaac GR00T de NVIDIA s’appuie fortement sur la simulation et des trajectoires synthétiques pour étoffer les données réelles, tandis que Gemini Robotics hérite d’un ancrage sémantique à l’échelle du web d’un modèle vision-language généraliste, puis l’affine vers l’action. Les deux sont des réponses à la même pénurie. La vidéo égocentrique humaine, issue de jeux de données comme Ego4D et Ego-Exo4D, est le troisième pari : des heures de personnes accomplissant des tâches à la première personne, riches en intention et en contexte, à qui il ne manque que les annotations d’action du robot lui-même.

La friction que personne ne met sur une diapositive

La boucle subit une réelle traînée. Réentraîner une grande policy et la valider sur le matériel est lent et coûteux, si bien que la latence de la boucle, c’est-à-dire le temps entre un échec enregistré et un correctif déployé, peut se compter en semaines. La collecte autonome est biaisée en faveur des succès que la policy peut déjà atteindre, de sorte qu’elle sous-échantillonne précisément les cas limites qui comptent. Et les données elles-mêmes sont désormais un actif réglementé. Là où un robot opère dans l’UE, l’AI Act et le Data Act imposent des obligations sur la manière dont les données opérationnelles et personnelles capturées sur le terrain sont documentées, partagées et réutilisées, ce qui redéfinit ce qu’une flotte de déploiement peut légalement recycler dans l’entraînement.

La métaphore du volant d’inertie promet quelque chose de presque gratuit : déployez assez de robots et les données, les modèles et la douve s’accumulent d’eux-mêmes. La réalité est plus exigeante. La roue ne produit d’effets cumulatifs que lorsque chaque tour vise ce que le modèle actuel ne sait pas encore faire, et seulement lorsque les données qui l’alimentent sont assez propres pour être fiables et assez documentées pour être conservées. Les entreprises qui intègrent cela ne collectent pas plus de données. Elles collectent de meilleurs échecs.