XDOF lève 1,2 Md$ : la nouvelle infrastructure de données qui transforme la robotique

Introduction : Moins de trois mois après sa sortie de la phase de stealth, la startup californienne XDOF, spécialisée dans la collecte de données de téléopération pour les robots, serait en négociation avancée pour une série B évaluée à 1,2 milliard de dollars. Portée par le fonds 8VC, cette levée intervient alors que la société enregistre un chiffre d’affaires annualisé proche de 50 millions de dollars et travaille déjà avec une vingtaine de clients, dont des laboratoires d’IA de pointe. XDOF ambitionne de devenir le « Scale AI » de la robotique physique, en créant une chaîne d’approvisionnement de données qui pourrait accélérer le développement de robots généralistes.

Un modèle de collecte de données inédit pour la robotique

Contrairement aux grands modèles de langage qui s’entraînent sur l’ensemble du Web, les robots n’ont pas accès à un corpus de données du monde réel suffisamment vaste et diversifié. Cette lacune constitue le principal goulot d’étranglement pour les systèmes capables d’apprendre de façon autonome à manipuler des objets, à se déplacer ou à interagir avec les humains. XDOF répond à ce besoin en développant une infrastructure complète : matériel de téléopération à bas coût, plateforme logicielle de gestion de flux, et outils d’annotation automatisés.

Le cœur du système repose sur le projet GELLO, une solution de téléopération qui permet à un opérateur humain de contrôler à distance un bras robotique. Chaque manipulation générée est enregistrée, annotée et enrichie de données provenant de capteurs portés par les opérateurs (vidéo égo‑centrée, IMU, force). Cette approche hybride combine deux types de collecte :

• Teleoperators : des spécialistes qui pilotent des robots situés dans des laboratoires ou des usines, produisant des séquences d’actions précises et répétables.
• Egocentric collectors : des travailleurs équipés de capteurs qui exécutent des tâches quotidiennes – plier du linge, emballer des cartons – afin de capturer des mouvements humains naturels.

Les données ainsi agrégées sont stockées dans le référentiel « ABC » (Artificial‑Body Corpus), que XDOF prévoit de publier en partenariat avec le laboratoire d’intelligence artificielle de l’Université de Californie Berkeley. Selon les fondateurs, il s’agira de la plus grande collection de données robotiques de haute qualité jamais assemblée, couvrant plusieurs milliers d’heures d’interaction et des dizaines de scénarios d’usage.

Financement, valorisation et positionnement stratégique

Après une levée de série A de 70 millions de dollars en juin, soutenue par des investisseurs de renom tels que Thrive Capital, Andreessen Horowitz, Lux et Spark Capital, XDOF a rapidement atteint un niveau de revenus qui justifie une nouvelle injection de capital. Le fonds 8VC, connu pour ses paris sur les technologies de rupture (notamment dans le cloud, la biotech et la robotique), mène la ronde de série B. Bien que le montant exact de la levée n’ait pas été confirmé, les rumeurs indiquent que le financement pourrait dépasser les 300 millions de dollars, portant la valorisation post‑money à environ 1,2 milliard de dollars.

Cette valorisation place XDOF aux côtés de Scale AI et Mercor, deux entreprises qui ont construit des marchés autour de la data‑labeling pour l’IA. La différence réside toutefois dans le domaine d’application : alors que Scale AI se concentre sur les données textuelles et visuelles, XDOF cible la dimension physique. En créant une « data‑supply chain » pour la robotique, la startup rend possible la formation de modèles capables de généraliser à partir d’expériences réelles, un prérequis essentiel pour les robots de service, les véhicules autonomes et les systèmes de manipulation industrielle.

Le portefeuille de clients de XDOF inclut déjà plusieurs laboratoires de recherche en IA de pointe qui cherchent à accélérer leurs programmes de robotique. Parmi les concurrents, on retrouve Mecka AI, ainsi que des plateformes de données humaines comme Scale AI et Micro1 qui commencent à explorer le créneau robotique. Cependant, la combinaison unique de téléopération à distance, de collecte de données égo‑centrées et d’annotation automatisée donne à XDOF un avantage compétitif difficile à reproduire rapidement.

Implications pour l’avenir de l’IA et de la robotique

Le succès de XDOF pourrait remodeler plusieurs aspects de l’écosystème IA :

• Accélération du développement robotique : avec un accès à des jeux de données massifs et diversifiés, les chercheurs pourront entraîner des modèles de contrôle plus robustes, réduisant le besoin de cycles de test coûteux en laboratoire.
• Démocratisation de la robotique : en externalisant la collecte et l’annotation des données, même les petites entreprises ou les start‑ups pourront bénéficier de jeux de données de qualité, favorisant l’émergence de nouvelles applications (logistique, santé à domicile, agriculture).
• Nouvelle dynamique de financement : la forte valorisation montre que les investisseurs perçoivent la donnée physique comme une ressource stratégique, au même titre que les données textuelles ou visuelles pour les LLM. Cette perception devrait encourager d’autres levées dans le secteur de la robotique de données.
• Enjeux éthiques et de confidentialité : la collecte de données humaines (vidéo, capteurs de mouvement) soulève des questions de protection de la vie privée. XDOF devra mettre en place des cadres de consentement, d’anonymisation et de gouvernance des données pour répondre aux exigences réglementaires croissantes.

En résumé, XDOF se positionne comme le pilier manquant d’une infrastructure de données robotique capable de soutenir la prochaine génération d’intelligences artificielles physiques. Sa levée de fonds prévue, son partenariat avec Berkeley et son portefeuille de clients témoignent d’une dynamique qui pourrait transformer la façon dont les robots apprennent et interagissent avec le monde réel. Le suivi de cette évolution sera crucial pour les acteurs de l’IA, les investisseurs et les décideurs politiques qui cherchent à comprendre les nouvelles frontières de l’innovation technologique.