Startups D’Ia Physique Au Disrupt 2026 Avec Nvidia Et Robots

Et si le prochain basculement de l’intelligence artificielle ne se jouait plus sur un écran, mais dans une usine, un hangar, un champ de bataille ou, plus déroutant encore, dans le génome d’un animal disparu ? Cette question n’a plus rien d’un exercice de science-fiction. Elle circule désormais dans les couloirs des conférences les plus courtisées de la Silicon Valley, et elle occupe une place inédite à TechCrunch Disrupt 2026. Pendant des années, l’IA a vécu dans le nuage, dans le texte, dans l’image générée. Cette fois, le rendez-vous d’octobre à San Francisco assume un autre récit : celui d’une intelligence qui doit tenir debout, bouger, décider sans filet et parfois réparer le vivant.

Le 13, 14 et 15 octobre, au Moscone West, plus de dix mille fondateurs, investisseurs et opérateurs se retrouvent pour trois jours où le mot d’ordre n’est plus seulement de « scaler un SaaS ». Une nouvelle scène, baptisée Real World AI Stage, s’ajoute à la programmation. Elle réunit Nvidia, des acteurs de la robotique, de la défense, de l’espace, de l’industrie et même une entreprise qui promet de faire revenir des espèces éteintes. L’ambition affichée est claire : interroger le point de contact entre le digital et le physique, là où une erreur ne se corrige plus par un simple rollback.

Quand L’Intelligence Artificielle Quitte Enfin Le Nuage

Jusqu’ici, Disrupt avait déjà donné une place centrale à l’IA. Une scène dédiée existait. Des keynotes tournaient autour des modèles, des agents, des copilotages. En 2026, les organisateurs jugent que le sujet a trop gonflé pour tenir dans une seule case. L’AI Stage demeure, avec son cortège de questions sur la sécurité des logiciels et les modèles économiques des éditeurs. À côté, la Real World AI Stage s’attaque à un autre continent : les machines, les capteurs, les véhicules, les drones, les chaînes de production, les missions où la latence tue et où le cloud n’arrive pas.

Ce découpage n’est pas cosmétique. Il dit quelque chose de l’époque. Les grands modèles de langage ont eu Internet comme terrain d’entraînement. Les voitures autonomes ont accumulé des millions d’heures de traces routières. Les robots, eux, avancent encore avec un déficit de données criant. Pas assez de gestes réels. Pas assez de contextes sales. Pas assez d’échecs documentés. Beaucoup d’experts estiment que l’intelligence robotique généraliste reste à plusieurs années, malgré les progrès spectaculaires ailleurs dans l’IA. La nouvelle scène de Disrupt part de ce constat un peu cruel, et elle invite celles et ceux qui tentent de combler le trou.

On y parlera d’usines, de foyers, d’espaces publics, de théâtres d’opérations et, oui, de biologie de pointe. Le mélange peut sembler baroque. Il est cohérent si l’on accepte l’idée suivante : dès que l’algorithme agit sur la matière, les règles du jeu changent. La culture produit, la validation, la régulation, la confiance, le récit même de la startup, tout bascule.

Le Moment Chatgpt Que Les Robots Attendent Encore

Une session porte un titre presque provocateur : les robots attendraient leur instant ChatGPT, et quelque chose les en empêcherait. L’idée n’est pas de comparer un assistant conversationnel à un bras mécanique. Elle est de rappeler qu’une rupture de capacité n’arrive pas par magie. Elle arrive quand les données, les simulateurs, les fondations de modèles et les pipelines s’alignent assez pour que les performances explosent.

Les modèles de langage ont pu avaler le web. Les systèmes de conduite ont pu cartographier la route. Un robot généraliste, lui, doit saisir une tasse, marcher dans une pièce encombrée, réagir à un humain imprévisible, basculer d’une tâche à une autre sans que l’ingénieur ait tout scripté. Chaque geste coûte cher à collecter. Chaque environnement réel résiste à la standardisation. D’où cette course nouvelle : créer les tuyaux de données, les jumeaux numériques, les modèles de fondation pour le monde physique.

Sur scène, Les Karpas, responsable de l’IA physique chez Nvidia, est attendu pour poser la question rude : de quoi un vrai moment ChatGPT de l’IA incarnée a-t-il besoin, et à quelle distance sommes-nous encore ? La présence du fabricant de puces n’est pas un hasard de plateau. Depuis des années, la société pousse une vision où le calcul, la simulation et l’apprentissage se rencontrent dans des usines logicielles destinées aux robots, aux véhicules et aux systèmes industriels. Elle vend une infrastructure. Elle vend aussi un récit : le goulot d’étranglement n’est plus seulement le modèle, c’est le monde.

Derrière la formule marketing se cache un marché en formation. Des jeunes pousses construisent des entrepôts de trajectoires, des environnements de simulation photoréalistes, des outils pour labelliser le mouvement, des modèles capables de transférer un geste appris en labo vers un atelier bruyant. Certaines miseront sur la collecte massive en entrepôt. D’autres sur le synthétique. D’autres encore sur des fondations multimodales qui mélangent vision, force, audio et langage. Disrupt ne tranchera pas le débat. Il le mettra sous lumière, ce qui, pour un écosystème encore fragmenté, a déjà une valeur.

Construire Quand L’Erreur Peut Faire S’Écraser Un Système

Autre conversation, autre température. Quand l’IA reste dans un document, une hallucination est embarrassante. Quand elle pilote un aéronef, un convoi ou une mission critique, l’échec change de nature. La session consacrée aux systèmes où l’erreur n’est pas une option promet d’être moins spectaculaire que les démos de robots, et probablement plus utile aux fondateurs qui veulent durer.

Nate Michael, directeur technique de Shield AI, interviendra sur ce terrain. L’entreprise est connue pour ses travaux en autonomie appliquée à la défense et aux missions où la connectivité se dégrade. Le propos annoncé ne se limite pas à un secteur. Il vise une question que tout fondateur de deeptech finit par rencontrer : comment savoir qu’un système est prêt à être déployé sans mettre des vies, des actifs ou une réputation en danger ?

La réponse n’est jamais un seul chiffre de précision. Elle mélange culture interne, protocoles de test, validation dans des conditions hostiles, dialogue avec les régulateurs, documentation, redondance, et une forme d’humilité opérationnelle. On peut avoir une démo éblouissante et un produit encore immature. On peut aussi avancer trop lentement et se faire dépasser. Entre les deux, les équipes sérieuses inventent des rituels : revues de sécurité, jeux de scénarios noirs, mesures d’incertitude, seuils de bascule vers un mode dégradé.

• Créer une culture où signaler un doute n’est pas un aveu de faiblesse.
• Tester l’IA dans des conditions plus sales que la brochure commerciale.
• Documenter ce que le système ne sait pas faire, pas seulement ce qu’il réussit.
• Anticiper le regard des autorités plutôt que le subir après un incident.
• Construire la confiance comme un actif, pas comme un communiqué.

Ces points paraissent évidents écrits ainsi. Dans une startup pressée par sa piste d’atterrissage, ils deviennent des arbitrages douloureux. Recruter un responsable assurance plutôt qu’un second chercheur. Retarder une démo client. Dire non à un contrat trop tôt. Disrupt a souvent célébré la vitesse. Cette scène-là célèbre autre chose : la maturité quand le monde réel refuse l’approximation.

Faire Revenir Le Vivant Disparu, Promesse Ou Divertissement

Le plateau ne s’arrête pas aux machines. Il invite aussi Ben Lamm, dirigeant de Colossal Biosciences, entreprise devenue l’une des plus controversées de la tech contemporaine. Son pari : sortir la dé-extinction du roman pour en faire une activité capitalisée, outillée, médiatique. L’idée fascine autant qu’elle agace. D’un côté, des outils d’édition du vivant, de génomique comparative, d’IA appliquée à la biologie. De l’autre, le soupçon d’un spectacle qui détournerait l’attention des extinctions en cours, bien réelles, bien documentées, moins photogéniques qu’un mammouth rêvé.

Le format retenu est un échange au coin du feu, plus narratif qu’une table ronde technique. On y attend un passage sur les technologies mobilisées pour tenter de faire réapparaître des traits d’espèces disparues, sur le rôle des modèles dans la biologie moderne, et sur la polémique désormais installée : ingénierie du vivant comme levier de conservation, ou distraction brillante ?

Il faut lire cette présence comme un signal de programmation. L’IA dite « réelle » n’est plus seulement le robot qui marche. C’est aussi le laboratoire qui traite le génome comme une base de données modifiable. Les mêmes questions de validation, d’éthique, de récit public et de responsabilité reviennent, avec une charge symbolique plus lourde. On ne parle plus d’un entrepôt. On parle d’espèces, d’écosystèmes, de ce que l’humanité s’autorise à réécrire.

Les investisseurs aiment les récits vastes. Le public aime les animaux disparus. Les biologistes de terrain rappellent que protéger ce qui existe encore coûte moins cher en romance et plus cher en patience. Le débat ne se tranchera pas en quarante minutes sur une scène de Moscone. Il aura au moins le mérite d’être posé là où le capital-risque écoute, ce qui n’est pas anodin.

Opérer Là Où Le Cloud Ne Passe Plus

Une autre session s’attaque à un sujet moins glamour et décisif : l’IA en bordure de réseau. Les déploiements les plus précieux, disent les organisateurs, fonctionnent là où le nuage n’arrive pas. Latence trop forte. Bande passante trop faible. Ligne coupée. Environnement brouillé. Dans ces conditions, copier l’architecture d’un service web est une recette d’échec.

Trois voix sont annoncées. Ali Agha, fondateur de FieldAI, côté systèmes autonomes pensés pour des terrains difficiles. Michelle Lee, à la tête de Medra. Aidan Madigan-Curtis, associée chez Eclipse Ventures, donc du côté de ceux qui financent ces paris longs. Le trio mélange opérationnel, produit et capital. C’est précieux. Trop de conversations « edge » restent soit purement matérielles, soit purement financières. Ici, l’intention est de parler d’architecture, de compromis, de décisions de conception.

Que met-on dans le capteur ? Que laisse-t-on au calcul embarqué ? Que synchronise-t-on plus tard ? Comment mettre à jour un modèle sans brickler une flotte ? Comment observer un système qui n’envoie presque rien ? Ces questions font moins rêver qu’une vidéo de robot qui plie du linge. Elles séparent pourtant les prototypes de salon des produits qui tiennent six mois dehors.

Ce tableau est volontairement schématique. Il aide pourtant à comprendre pourquoi les mêmes fondateurs brillants sur un logiciel peuvent se casser les dents sur un engin. Le monde physique impose une autre comptabilité du risque. Il impose aussi une autre esthétique du progrès : moins de démos virales, plus de campagnes de validation ennuyeuses et salvatrices.

Du Prototype Qui Impressionne Au Volume Qui Rapporte

La dernière conversation détaillée de la scène revient sur une loi d’airain du hardware : un prototype qui marche n’est pas un produit. Un produit qui part n’est pas encore une affaire qui scale. Entre chaque palier, la plupart des jeunes pousses deeptech s’épuisent. L’équipe est bonne. La techno claque. Puis la chaîne d’approvisionnement, l’usine, la certification, le service après-vente et le prix de revient prennent le pouvoir.

Trois parcours sont convoqués. John Mackey, de MBRYONICS, côté hardware spatial. Boris Sofman, de Bedrock Robotics, côté systèmes autonomes et robotique de terrain. Adrian Macneil, de Foxglove, côté outillage logiciel pour ceux qui construisent des robots et des véhicules. L’association est intelligente. On y trouve la matière, le mouvement et la couche qui permet de voir ce que la matière et le mouvement font vraiment.

Foxglove, en particulier, intéresse ceux qui ont déjà essayé de déboguer une flotte. Sans observabilité, le hardware devient une boîte noire coûteuse. Les fondateurs qui franchissent le cap le disent souvent trop tard : ils auraient dû industrialiser la donnée d’essai aussi tôt que la mécanique. Ils auraient dû parler usine avant d’avoir un client logo. Ils auraient dû chiffrer le service, pas seulement la vente de la première unité.

Le passage à l’échelle dans le réel ressemble rarement à une courbe exponentielle propre. Il ressemble à une suite de goulets : un composant introuvable, un rendement qui s’effondre, un intégrateur qui change ses normes, un assureur qui demande six mois de preuves. Les récits honnêtes de ces traversées valent plus, pour un fondateur, qu’une énième prédiction sur l’arrivée des humanoïdes dans chaque cuisine.

Un Festival De Scènes Autour D’Une Même Obsession

La Real World AI Stage n’arrive pas seule. Disrupt 2026 annonce aussi un Disrupt Stage avec des voix venues de Replit, d’Amazon, de Tether et d’autres encore. L’AI Stage historique continue d’explorer les failles de sécurité et les bascules de modèle d’affaires que l’IA impose aux éditeurs de logiciels. Une Smart Money Stage s’intéresse aux stablecoins, aux paiements instantanés et à la confiance financière à l’heure des agents. Une Smart Systems Stage interroge la fusion, le réseau électrique et la tension énergétique que l’explosion du calcul fait peser sur les grilles. Une Builders Stage reste le lieu tactique : lever, embaucher, scaler.

Cette architecture de plateau raconte un écosystème qui refuse de séparer le bit, l’atome, l’énergie et l’argent. On peut trouver le découpage marketing. On peut aussi y voir une tentative, rare dans les grands-messes tech, de relier des silos qui d’habitude s’ignorent. Le fondateur d’un robot a besoin de comprendre le prix de l’énergie. L’investisseur crypto croise désormais des questions d’infrastructure physique. L’éditeur SaaS découvre que son agent devra un jour commander une machine, pas seulement un tableau.

San Francisco, du 13 au 15 octobre, redevient donc une petite ville-monde pour dix mille personnes. Startup Battlefield, halls d’exposition, files d’attente devant les salles, dîners improvisés, rumeurs de tours. Le rituel est connu. Ce qui change, c’est le centre de gravité du discours. Moins « mon agent écrit des mails ». Plus « mon système tient dehors ».

Pourquoi Cette Vague Arrive Maintenant Et Pas Dans Cinq Ans

On pourrait objecter que la robotique promet le grand soir depuis des décennies. C’est vrai. Des vagues ont déçu. Des humanoïdes ont fait la une puis le silence. Des fonds ont brûlé du capital dans des entrepôts trop tôt automatisés. Alors pourquoi 2026 donnerait-il un autre goût à la même chanson ?

Plusieurs forces se rencontrent. Le coût du calcul a changé la donne de la perception. Les modèles de fondation, même imparfaits dans le physique, offrent des briques de généralisation que les piles historiques n’avaient pas. Les simulateurs se sont enrichis. Les capteurs ont baissé. Les industriels, à court de main-d’œuvre sur certains postes pénibles, écoutent à nouveau. Les États, dans un climat stratégique tendu, financent l’autonomie comme un enjeu de souveraineté autant que de productivité.

Ajoutez-y une génération de fondateurs qui a vu les LLM exploser et qui refuse d’admettre que le monde physique resterait à l’écart. Le risque, bien sûr, est de transposer trop vite les recettes du logiciel. Un modèle peut se déployer à minuit. Un robot se déploie avec une caisse, une formation, une pièce détachée et un technicien. La scène de Disrupt sert précisément à faire entendre cet écart avant que trop de tours ne le découvrent dans la douleur.

Ce Que Les Fondateurs Devraient Écouter Derrière Les Titres

Si l’on retire le vernis de conférence, plusieurs leçons se détachent pour une équipe qui construit dans le réel. D’abord, traiter la donnée physique comme un produit à part entière, pas comme un sous-produit de la démo. Ensuite, embaucher tôt des profils qui ont déjà cassé des machines en conditions opérationnelles. Ensuite encore, parler régulation et assurance avant d’avoir un slide « go-to-market » trop lisse.

Il faudra aussi choisir un terrain étroit. Le robot généraliste fait rêver les keynotes. Les premiers revenus naissent presque toujours d’une tâche bornée, répétée, mesurable : une inspection, une palettisation, une cartographie, une mission de reconnaissance, un geste d’usine. L’élargissement vient après, quand la boucle de données tourne vraiment.

Enfin, raconter juste. Le public, les talents et les comités d’investissement sont saturés de vidéos ralenties. Ce qui persuade désormais, c’est la preuve d’heures, le coût à l’usage, le temps moyen entre deux pannes, la capacité à expliquer un échec. La confiance, dans le monde physique, se gagne comme dans l’aéronautique : par la répétition visible de la prudence.

Investisseurs : Lire Le Cycle Sans Se Laisser Hypnotiser

Du côté des fonds, la tentation sera de mettre toutes ces sociétés dans le même panier « physical AI ». Ce serait une erreur de lecture. Une pile de simulation n’a pas le même profil de marge qu’un constructeur de robots. Une société de défense n’a pas le même cycle de vente qu’un outil pour développeurs de perception. Une biotech de dé-extinction n’a pas le même calendrier qu’une flotte d’entrepôt.

Les questions utiles restent prosaïques. Qui possède la donnée d’entraînement ? Quel est le goulet manufacturier ? Quel client paie assez cher pour justifier un support humain encore dense ? Quelle dépendance à un seul fournisseur de puces, de capteurs, de batteries ? Quelle part du discours repose sur une régulation qui n’existe pas encore ?

Eclipse et d’autres véhicules spécialisés dans le hard tech ont déjà intégré cette grammaire. Les généralistes qui débarquent après le succès des LLM devront l’apprendre vite. Le temps long du hardware punit l’impatience déguisée en conviction.

Éthique, Défense, Vivant : Trois Zones De Turbulence

On ne peut pas parler d’IA dans l’espace public, sur un champ d’opérations ou dans un génome sans ouvrir la fenêtre éthique. Disrupt n’est pas un parlement. Ce n’est pas non plus un laboratoire de philosophie. Reste que mettre Shield AI et Colossal sur le même plateau, à quelques heures d’intervalle, force le regard. L’autonomie militaire soulève des questions de contrôle humain, de prolifération, de responsabilité en cas de tir ou de collision. La dé-extinction soulève des questions de priorité écologique, de bien-être animal, de gouvernance du vivant édité.

Le public français, souvent plus prudent que la côte ouest sur ces sujets, y trouvera matière. Non pas pour boycotter le débat, mais pour exiger qu’il soit tenu avec autre chose que des formules. Qui audite ? Qui publie les limites ? Qui parle aux régulateurs avant les influenceurs ? Une conférence utile est une conférence qui laisse ces questions dans la salle après l’applaudissement.

Il existe aussi un angle moins solennel : le foyer. Les robots domestiques reviendront dans les conversations, tôt ou tard. Entre la promesse d’aide à domicile et le cauchemar de la surveillance permanente, l’écart est mince. L’IA physique dans l’espace privé demandera des normes de consentement aussi soignées que des normes de couple mécanique.

Ce Que La France Et L’Europe Peuvent Retirer De Ce Signal

Observer Disrupt depuis l’Europe n’oblige pas à copier le calendrier californien. Cela oblige à voir où se place le capital d’attention. L’IA physique attire des profils d’ingénieurs que le seul logiciel n’attire plus. Elle reconnecte des filières industrielles, des labos de robotique, des acteurs de la défense, des agritech, des usines en quête de productivité. Des écosystèmes français et européens existent déjà, parfois discrets, parfois excellents, trop souvent sous-financés au palier de l’industrialisation.

Le message de San Francisco, reformulé sans naïveté, serait celui-ci : le logiciel reste nécessaire, mais il ne suffit plus à raconter la prochaine décennie. Les puces, l’énergie, la mécanique, la donnée de terrain et la confiance publique forment un seul système. Les régions qui sauront relier labos, usines et fonds tiendront mieux que celles qui n’auront que des démos.

Cela implique des compétences rares : automaticiens qui parlent modèles, juristes qui comprennent un dossier de certification, opérateurs qui acceptent d’instrumenter leur site, investisseurs patients. Rien de tout cela ne se décrète en une keynote. Tout cela se construit, précisément, dans la zone grise que Disrupt tente enfin de mettre en scène.

Comment Suivre Le Fil Sans Se Noyer Dans Le Spectacle

Pour un lecteur qui n’ira pas à Moscone, le plus utile n’est pas la liste des badges. C’est une grille de lecture. Quand une startup d’IA physique communique, demander la tâche précise, le nombre d’heures hors labo, le coût d’une intervention humaine, la dépendance cloud, le plan usine. Quand une conférence promet le moment ChatGPT des robots, demander quelle donnée manque encore et qui la paiera. Quand une entreprise parle de faire revenir une espèce, demander ce que cela change pour les espèces qui n’ont pas disparu.

Cette hygiène intellectuelle protège contre deux excès opposés : le cynisme paresseux (« cela ne marchera jamais ») et l’enchantement de salon (« c’est déjà là »). La vérité, pour l’instant, habite un entre-deux exigeant. Des briques avancent vite. Des systèmes complets avancent lentement. Des marchés de niche paient. Le grand public attendra.

Disrupt 2026 ne fermera pas le dossier. Il le cadrera pour une saison. D’autres annonces viendront, d’autres démos, d’autres levées. Le fil à retenir tient en une phrase un peu sèche : l’IA qui compte désormais est celle qui accepte de se salir.

Le Programme Comme Carte Plutôt Que Comme Catalogue

Revenons au détail utile. Sur la nouvelle scène, cinq blocs se dessinent. Un bloc fondations et données, incarné par le regard Nvidia sur l’IA physique. Un bloc sûreté et déploiement à haut risque, incarné par Shield AI. Un bloc vivant et controverse, incarné par Colossal. Un bloc architecture déconnectée, incarné par FieldAI, Medra et Eclipse. Un bloc industrialisation, incarné par MBRYONICS, Bedrock Robotics et Foxglove. Autour, le reste du festival continue d’alimenter l’énergie, la finance, le logiciel et le métier de fondateur.

On peut lire cette carte comme un itinéraire. Le matin, comprendre pourquoi les robots manquent encore de corpus. L’après-midi, entendre ce que signifie « prêt à déployer » quand un crash n’est pas une métaphore. Plus tard, sortir du hangar pour entrer dans le débat biologique. Puis revenir à l’électronique embarquée. Finir par la question d’usine. Ce n’est pas un hasard d’agenda. C’est une pédagogie.

Les organisateurs promettent encore d’autres noms. La liste n’est donc pas close. Peu importe. L’ossature suffit à voir la thèse : 2026 serait l’année où l’industrie tech accepte de parler d’atomes avec le même sérieux qu’elle a parlé de tokens.

Une Salle, Dix Mille Ambitions, Une Seule Épreuve

Il restera, après les lumières, l’épreuve simple du lundi matin. Un robot qui doit reprendre le travail. Un modèle embarqué qui doit tenir sans réseau. Une équipe qualité qui doit dire non. Un investisseur qui doit attendre. Un régulateur qui doit lire un dossier épais. C’est là que se joue la différence entre une belle scène et une filière.

San Francisco saura encore produire de l’éclat. Le Moscone West saura encore produire de la foule. Si la Real World AI Stage réussit, ce ne sera pas parce qu’elle aura fait lever une ovation. Ce sera parce que des fondateurs repartiront avec une liste de tests plus durs, des investisseurs avec une grille moins naïve, et un public avec une idée plus nette de ce que « réel » veut dire quand on parle d’intelligence artificielle.

Le nuage n’a pas dit son dernier mot. Les agents logiciels n’ont pas fini de transformer les métiers de bureau. Mais une part du futur se négocie désormais au ras du sol, dans le bruit des moteurs, dans la poussière des chantiers, dans le silence d’un laboratoire de génomique. Disrupt 2026 a choisi de poser des chaises pile à cette intersection. Reste à voir qui, dans la salle, acceptera de quitter la métaphore pour la matière.

Jusqu’au 15 octobre, le récit peut encore s’enrichir. Des speakers s’ajouteront. Des start-up du Battlefield surprendront. Des conversations de couloir déplaceront le centre. L’essentiel, pourtant, est déjà là : l’IA n’est plus seulement un logiciel qui répond. Elle devient une présence qui agit. Et dès qu’elle agit, elle nous demande, à nous, une autre exigence.