Dans la plupart des usines, l'automatisation est fixe : les robots et les machines sont programmés pour une tâche et un produit spécifiques. Modifier une ligne signifie reprogrammer et reconvertir physiquement les équipements, ou remplacer les machines, ce qui peut prendre des semaines ou des mois. Industrial Next, basée à San Francisco, Industrial Next déclare changer cela.
La startup, qui s'est présentée aujourd'hui sur la scène du Startup Battlefield à TechCrunch Disrupt 2026, construit des stations robotiques autonomes pilotées par l'IA, alimentées par des modèles de fondation propriétaires qui relient la vision, le contexte de la tâche et le mouvement. L'entreprise affirme que cela permet de reconvertir une ligne de production en minutes plutôt qu'en semaines, sans programmation traditionnelle. L'objectif est de permettre aux fabricants d'automatiser des tâches complexes et délicates qui nécessitent traditionnellement une main-d'œuvre humaine.
L'entreprise a annoncé sur scène qu'elle s'associait au BMW Group Technology Office pour évaluer la manipulation dextère alimentée par l'IA d'Industrial Next pour la fabrication.
Industrial Next a été fondée en 2021 par Lukas Pankau et Allen Pan, qui ont tous deux précédemment travaillé chez Tesla. Pankau a été architecte électricien principal chez Tesla avant de partir chez Waymo. Pan a dirigé les efforts de Tesla en matière d'usines autonomes et est ensuite devenu architecte en chef chez Neolix, une entreprise de conduite autonome.
Le duo a eu l'idée d'Industrial Next alors qu'il travaillait ensemble chez Tesla. La première rencontre de Pankau avec Pan a littéralement consisté à trébucher sur lui, alors que Pan dormait sur une passerelle d'usine après avoir travaillé toute la nuit. Bien que les deux ne se soient pas entendus au début, ils ont rapidement réalisé qu'ils partageaient une obsession pour mener les choses à bien et avaient des compétences complémentaires.
Après avoir vu pendant des années la technologie de pointe des véhicules et de la conduite autonome être freinée par des équipements d'usine vieux de plusieurs décennies, les fondateurs ont réalisé que la fabrication devait être reconstruite.
« Nous avions toutes ces choses sophistiquées que nous pouvions faire sur les voitures. Je pouvais exécuter des algorithmes de machine learning pour concevoir une voiture pour moi. Mais je n'arrivais pas à comprendre comment programmer un robot, et c'était assez courant pour les ingénieurs chez Tesla », a déclaré Pankau. « Il y avait ce fossé énorme, n'est-ce pas ? Vous aviez des gens qui étaient vraiment bons dans ce qu'ils faisaient – concevoir des voitures et concevoir des systèmes de conduite autonome – et puis vous les voyiez effectivement dépassés à l'usine devant cet équipement des années 1980. Et donc nous avons commencé à repenser à quoi cela devrait ressembler en utilisant la technologie dont nous disposons aujourd'hui et tout ce que nous savons aujourd'hui. »
Les deux ont continué à penser à leurs frustrations avec les équipements industriels même après avoir passé à leurs emplois suivants. Ils sont restés en contact, évoquant souvent avec nostalgie les machines qui ne fonctionnaient jamais comme ils le voulaient, et ont finalement décidé qu'ils pouvaient faire mieux.
« J'étais chez Waymo à l'époque, en quelque sorte mort d'ennui parce que le rythme de Tesla me manquait », a déclaré Pankau. Pan, a-t-il ajouté, était dans une situation similaire chez Momenta, un développeur de systèmes de conduite autonome en Chine. Pan se souvient de leur conclusion : « On s'est dit, on ne rajeunit pas, et on est évidemment toujours passionnés par ça. On continue à se plaindre de la technologie industrielle. Voilà, c'est trois ans plus tard, on devrait lancer l'entreprise. »
Pankau note que les robots industriels traditionnels sont généralement programmés pour effectuer des tâches très spécifiques et répétables. Par conséquent, même un petit changement dans le processus ou le produit peut provoquer la défaillance du robot ou entraîner des temps d'arrêt coûteux, ce qui force les fabricants à simplifier leurs produits pour la répétabilité.
Rendre les robots véritablement flexibles présente un défi différent. Ils ont besoin d'énormes quantités de données d'entraînement et, contrairement aux modèles d'IA entraînés sur internet, la robotique manque des vastes jeux de données nécessaires pour apprendre aux machines à effectuer des tâches physiques complexes.
« Nous pouvons faire faire aux robots toutes ces choses cool comme danser, parce qu'il y a des données pour ça, mais nous ne pouvons pas les faire assembler des objets de haute précision », a expliqué Pankau. « C'est là que nous avons fait beaucoup de progrès en utilisant des environnements simulés pour effectuer ces tâches de haute précision et haute dextérité. L'ingrédient secret des robots que nous avons, c'est que nous leur avons donné une compréhension du processus en général, mais nous construisons cette compréhension en utilisant un moteur de simulation d'une fidélité extrêmement élevée, proche de la dynamique réelle, de sorte que nous pouvons laisser le robot effectuer ce genre de tâches de haute précision presque sans voir les pièces du tout. »
En d'autres termes, les robots s'entraînent dans un monde virtuel très détaillé qui imite fidèlement la physique du monde réel. Les stations robotiques d'Industrial Next peuvent être reconfigurées, combinées et redéployées sur différentes lignes de produits. Les nouvelles tâches sont enseignées par simulation et démonstration, plutôt que par des scripts codés en dur.
Pankau a expliqué que certains des postes de travail de la startup sont déjà utilisés dans la fabrication de l'un des smartphones les plus populaires au monde. Ils effectuent des tâches que les fabricants avaient essayé et échoué à automatiser pendant des années, comme faire passer un délicat câble souple et enclencher en place un minuscule capuchon de connecteur. (Il n'était pas libre de divulguer le nom du client.) Il a également décrit une station de « pelage de film », où leurs robots alimentés par l'IA retirent le film protecteur des modules caméra et des boutons à une vitesse égale ou supérieure à celle de l'humain avec une précision de 100 %, même lorsqu'ils sont déplacés vers un nouveau modèle de téléphone et une ligne de production qu'ils n'ont jamais vus.
« Nous avons créé cette entreprise parce que c’est le type de performance que nous aurions aimé avoir chez Tesla, où nous contournions des postes de robots parce que nous ne pouvions pas les programmer de manière suffisamment efficace avec les technologies traditionnelles », a déclaré Pankau. « Maintenant, nous voulons appliquer cela à des tâches plus compliquées que la simple fabrication d’un téléphone. À terme, nous voulons l’appliquer à la construction d’une voiture complète de bout en bout sans qu’aucun humain n’y touche jamais. »
Pour découvrir davantage le Startup Battlefield — ainsi qu’une série de fondateurs établis et de capital-risqueurs dont les points de vue sur le secteur ne sont pas à manquer —, rejoignez-nous à Disrupt, qui se déroule cette semaine dans le centre de San Francisco.