Physicl lève 10 millions de dollars pour améliorer l'entraînement de l'IA physique grâce aux données synthétiques
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
La startup parisienne Physicl a levé 10 millions de dollars en tour d'amorçage, mené par Inovia Capital avec la participation d'US Venture Partners. Les fonds serviront à étoffer l'équipe et à poursuivre le développement de sa plateforme de génération de données synthétiques destinée aux chercheurs en robotique et en IA physique. En parallèle, l'entreprise lance Studio, une application permettant de construire des environnements 3D sur mesure et de produire des données d'entraînement ciblant les situations où un modèle échoue. L'outil donne accès à 10 000 environnements 3D à vérité terrain, plus de 100 000 actifs numériques et des milliards de variations de scènes possibles. Le chercheur peut choisir un environnement ou décrire un cas problématique, puis ajuster l'éclairage, les angles de caméra ou le placement des objets, avant de réentraîner et de vérifier si la version suivante du modèle progresse. Physicl affirme travailler avec Meta, World Labs, Epic Games et SpAItial.
L'enjeu touche à l'un des points faibles les plus documentés de l'IA physique : l'écart entre démonstrations contrôlées et comportement en conditions réelles. Les modèles tolèrent mal un éclairage inhabituel, un objet inconnu ou un agencement inattendu, et ces cas limites sont par nature difficiles à couvrir par la collecte de données réelles, coûteuse et lente. La proposition de Physicl consiste à boucler le cycle diagnostic, génération ciblée, réévaluation, plutôt que d'accumuler du volume. Le cas cité est celui de SpAItial, qui développe des modèles du monde générant des environnements 3D explorables : selon les deux sociétés, l'ajout de données Physicl aurait divisé par plus de deux le taux d'erreur de reconstruction de pièces réelles. Ce chiffre vient toutefois des entreprises elles-mêmes, sans protocole ni jeu de test publiés, et il concerne la reconstruction 3D, pas la manipulation robotique. Il ne démontre donc pas encore que le sim-to-real est résolu pour des politiques de contrôle ou des modèles vision-langage-action. Pour les intégrateurs et les équipes R&D, l'intérêt est surtout de disposer d'un outillage reproductible pour traiter les échecs identifiés, et non d'une garantie de transfert vers le terrain.
Physicl s'inscrit dans un mouvement plus large où la donnée synthétique devient une brique centrale de l'IA physique, face à la pénurie de données de téléopération et de démonstrations réelles. Elle se positionne en amont des fabricants de robots, comme fournisseur d'infrastructure pour laboratoires et développeurs de modèles, plutôt qu'en concurrent des plateformes de simulation intégrées des grands acteurs. Fondée à Paris par Alex de Vigan, la société renforce la présence européenne dans ce segment, et le professeur Matthias Niessner, CEO de SpAItial et enseignant à l'Université technique de Munich, en est un utilisateur déclaré. Aucun calendrier précis ni client industriel en robotique n'a été annoncé : l'entreprise indique seulement vouloir élargir sa plateforme et rendre les données d'entraînement ciblées plus accessibles. La suite dépendra de résultats publiés montrant un gain mesurable sur des tâches robotiques réelles, et pas seulement sur des benchmarks de reconstruction.
La startup parisienne Physicl, fondée à Paris, renforce la présence française et européenne dans l'infrastructure de données synthétiques pour l'IA physique avec une levée de 10 M$.
Dans nos dossiers




