Maison
D'anciens chercheurs de Meta visent à introduire l'intelligence artificielle visuelle dans les ateliers de production

L’intelligence artificielle redessine notre monde, mais elle est restée principalement dans les frontières numériques. À présent, une nouvelle vague de startups apporte ces capacités dans le monde physique.
Perceptron, fondée par deux anciens chercheurs de Meta, mène ce changement. Créée en novembre 2024, l’entreprise développe des modèles de vision avancés qui permettent aux machines d’interagir plus efficacement avec leur environnement physique.
Cette semaine, Perceptron a présenté Isaac 0.5, un modèle conçu pour donner aux machines la capacité de « percevoir, raisonner et agir » au sein d’environnements industriels. Le logiciel permet aux robots guidés par la vision de naviguer dans des espaces complexes tels que les usines et les entrepôts, tout en permettant aux entreprises d’extraire des informations visuelles précieuses à partir des images capturées par ces robots.
Isaac 0.5 est disponible en tant que modèle à poids ouverts, rendant ses paramètres et ses données d’entraînement accessibles à l’examen public.
Co-fondée par Armen Aghajanyan et Akshat Shrivastava, tous deux anciens membres de l’équipe de recherche fondamentale en intelligence artificielle (FAIR) de Meta, Perceptron a récemment levé 21 millions de dollars dans le cadre d’un tour de table mené par Bessemer Venture Partners. Les fondateurs envisagent leur logiciel comme l’étape suivante de l’automatisation industrielle.
« L’IA physique actuelle présente un faux dilemme : des modèles de base généralistes nécessitant plusieurs GPU cloud dédiés par instance, ou des modèles spécialisés qui gèrent soit la perception, soit le contrôle, mais rarement les deux », explique l’entreprise.
Aghajanyan et Shrivastava affirment que leur outil se distingue des solutions existantes par son caractère polyvalent. Au lieu d’être optimisé pour une seule tâche répétitive, le modèle est conçu pour s’adapter de manière flexible à divers environnements et situations.
Lors d’une interview, Shrivastava a suscité une réflexion sur des tâches physiques simples, telles que l’organisation de cartons : « Considérons un robot déployé pour trier des colis. Quelles tâches spécifiques doit-il accomplir ? »
Ce processus apparemment simple implique plusieurs étapes complexes. Le robot doit d’abord lire les étiquettes des colis, effectuer une analyse spatiale pour localiser les cartons, et déterminer quel objet saisir. Lorsqu’il manipule plusieurs cartons, il doit également planifier la séquence et l’ordre des opérations.
Le logiciel de Perceptron assiste les robots dans chacune de ces étapes. Bien que d’autres outils du secteur puissent gérer des tâches individuelles, peu offrent la flexibilité requise pour des applications dynamiques et réelles.
Alors, d’où proviennent les données de cette innovation algorithmique ?
Des modèles comme Isaac 0.5 acquièrent des compétences opérationnelles en traitant d’énormes volumes de données vidéo d’entraînement. Perceptron indique que son nouveau modèle a été entraîné sur un million d’heures de vidéos générales pour reconnaître les décors, les visuels et les scénarios. L’entreprise a également utilisé des vidéos dites « ego » – des images capturées du point de vue de la première personne, souvent via des caméras portables – et des vidéos UMI, qui enregistrent les mouvements humains répétitifs pour enseigner aux systèmes d’IA des actions physiques.
Bien que Perceptron n’ait pas divulgué de sources de données spécifiques, Shrivastava a indiqué que l’entreprise a « construit en interne des ensembles de données à l’échelle du pétaoctet couvrant plusieurs modalités, y compris des images, du texte, des vidéos et des trajectoires robotiques. »
Le potentiel d’un logiciel permettant aux robots de fonctionner efficacement dans les entrepôts est immense. Perceptron estime être bien placée pour impulser cette vague d’automatisation, en proposant son logiciel à divers fournisseurs pour une intégration dans de nombreux secteurs.
Les secteurs cibles incluent la fabrication, la logistique, l’entreposage, la sécurité, la mobilité, ainsi que les médias et le divertissement.
« Rien de tel n’existe actuellement sur le marché », a déclaré Aghajanyan. « Nous sommes vraiment enthousiastes à propos des possibilités. »
Article connexe
Le lancement précoce de Muse de Meta sur mobile dépasse celui de ChatGPT
De nouvelles données suggèrent que la dernière application d’intelligence artificielle de Meta, Muse, pourrait devenir le prochain grand succès du géant des réseaux sociaux. Selon des estimations récentes d’Appfigures, Muse a été téléchargée sur les
ElevenLabs accueille BlackRock, Jamie Foxx et Longoria en tant que nouveaux investisseurs
ElevenLabs, leader de l’IA vocale, a annoncé de nouveaux participants à sa levée de fonds de série D de 500 millions de dollars, initialement révélée en février. Le portefeuille des investisseurs comprend désormais de grandes institutions telles que
AI Live : Déploiement à grande échelle de l'intelligence artificielle dans les secteurs pharmaceutique et de la santé
L'événement phare dédié aux responsables de l'IA (CAIO), « AI LIVE : The London Summit », se tiendra à l'Olympia, à Londres, les 20 et 21 octobre 2026.AI LIVE : The London Summit réunira plus de 2 000
Recommandations de sujets spéciaux liés
commentaires (0)

L’intelligence artificielle redessine notre monde, mais elle est restée principalement dans les frontières numériques. À présent, une nouvelle vague de startups apporte ces capacités dans le monde physique.
Perceptron, fondée par deux anciens chercheurs de Meta, mène ce changement. Créée en novembre 2024, l’entreprise développe des modèles de vision avancés qui permettent aux machines d’interagir plus efficacement avec leur environnement physique.
Cette semaine, Perceptron a présenté Isaac 0.5, un modèle conçu pour donner aux machines la capacité de « percevoir, raisonner et agir » au sein d’environnements industriels. Le logiciel permet aux robots guidés par la vision de naviguer dans des espaces complexes tels que les usines et les entrepôts, tout en permettant aux entreprises d’extraire des informations visuelles précieuses à partir des images capturées par ces robots.
Isaac 0.5 est disponible en tant que modèle à poids ouverts, rendant ses paramètres et ses données d’entraînement accessibles à l’examen public.
Co-fondée par Armen Aghajanyan et Akshat Shrivastava, tous deux anciens membres de l’équipe de recherche fondamentale en intelligence artificielle (FAIR) de Meta, Perceptron a récemment levé 21 millions de dollars dans le cadre d’un tour de table mené par Bessemer Venture Partners. Les fondateurs envisagent leur logiciel comme l’étape suivante de l’automatisation industrielle.
« L’IA physique actuelle présente un faux dilemme : des modèles de base généralistes nécessitant plusieurs GPU cloud dédiés par instance, ou des modèles spécialisés qui gèrent soit la perception, soit le contrôle, mais rarement les deux », explique l’entreprise.
Aghajanyan et Shrivastava affirment que leur outil se distingue des solutions existantes par son caractère polyvalent. Au lieu d’être optimisé pour une seule tâche répétitive, le modèle est conçu pour s’adapter de manière flexible à divers environnements et situations.
Lors d’une interview, Shrivastava a suscité une réflexion sur des tâches physiques simples, telles que l’organisation de cartons : « Considérons un robot déployé pour trier des colis. Quelles tâches spécifiques doit-il accomplir ? »
Ce processus apparemment simple implique plusieurs étapes complexes. Le robot doit d’abord lire les étiquettes des colis, effectuer une analyse spatiale pour localiser les cartons, et déterminer quel objet saisir. Lorsqu’il manipule plusieurs cartons, il doit également planifier la séquence et l’ordre des opérations.
Le logiciel de Perceptron assiste les robots dans chacune de ces étapes. Bien que d’autres outils du secteur puissent gérer des tâches individuelles, peu offrent la flexibilité requise pour des applications dynamiques et réelles.
Alors, d’où proviennent les données de cette innovation algorithmique ?
Des modèles comme Isaac 0.5 acquièrent des compétences opérationnelles en traitant d’énormes volumes de données vidéo d’entraînement. Perceptron indique que son nouveau modèle a été entraîné sur un million d’heures de vidéos générales pour reconnaître les décors, les visuels et les scénarios. L’entreprise a également utilisé des vidéos dites « ego » – des images capturées du point de vue de la première personne, souvent via des caméras portables – et des vidéos UMI, qui enregistrent les mouvements humains répétitifs pour enseigner aux systèmes d’IA des actions physiques.
Bien que Perceptron n’ait pas divulgué de sources de données spécifiques, Shrivastava a indiqué que l’entreprise a « construit en interne des ensembles de données à l’échelle du pétaoctet couvrant plusieurs modalités, y compris des images, du texte, des vidéos et des trajectoires robotiques. »
Le potentiel d’un logiciel permettant aux robots de fonctionner efficacement dans les entrepôts est immense. Perceptron estime être bien placée pour impulser cette vague d’automatisation, en proposant son logiciel à divers fournisseurs pour une intégration dans de nombreux secteurs.
Les secteurs cibles incluent la fabrication, la logistique, l’entreposage, la sécurité, la mobilité, ainsi que les médias et le divertissement.
« Rien de tel n’existe actuellement sur le marché », a déclaré Aghajanyan. « Nous sommes vraiment enthousiastes à propos des possibilités. »
Le lancement précoce de Muse de Meta sur mobile dépasse celui de ChatGPT
De nouvelles données suggèrent que la dernière application d’intelligence artificielle de Meta, Muse, pourrait devenir le prochain grand succès du géant des réseaux sociaux. Selon des estimations récentes d’Appfigures, Muse a été téléchargée sur les
ElevenLabs accueille BlackRock, Jamie Foxx et Longoria en tant que nouveaux investisseurs
ElevenLabs, leader de l’IA vocale, a annoncé de nouveaux participants à sa levée de fonds de série D de 500 millions de dollars, initialement révélée en février. Le portefeuille des investisseurs comprend désormais de grandes institutions telles que
AI Live : Déploiement à grande échelle de l'intelligence artificielle dans les secteurs pharmaceutique et de la santé
L'événement phare dédié aux responsables de l'IA (CAIO), « AI LIVE : The London Summit », se tiendra à l'Olympia, à Londres, les 20 et 21 octobre 2026.AI LIVE : The London Summit réunira plus de 2 000











