ENACT lève près de 27 millions d’euros pour développer le sens du toucher

Apprendre ce qui se passe au contact

Manipuler un câble, utiliser un outil ou effectuer un assemblage exige que le robot interagisse avec la matière, accompagne un mouvement et s’adapte à ce qui se produit pendant l’action. Pour la société, une partie de la réponse tient aux informations que la machine peut recueillir sur ses propres mouvements et sur les forces qu’elle rencontre. Elle décrit son approche comme un système proprioceptif associé à des modèles capables d’exploiter ces informations de force. La proprioception renseigne le robot sur son état mécanique, tandis que la perception des efforts doit l’aider à adapter son comportement pendant une manipulation.

Enact insiste sur les forces et la proprioception sans détailler l’ensemble de son architecture de capteurs. L’objectif affiché est de permettre l’apprentissage de compétences de manipulation utilisables sur différentes tâches et dans différents environnements. Les profils recherchés donnent une idée du chantier : les futurs scientifiques devront travailler sur des modèles sensibles aux forces, organiser les données d’entraînement et évaluer les comportements sur des robots réels.

Quatre maillons à faire évoluer ensemble

Le projet repose sur quatre éléments. Les capteurs recueillent les informations nécessaires pour estimer l’état du robot et ses interactions. Les actionneurs produisent les mouvements dont le système doit maîtriser les effets. Les démonstrations humaines fournissent des exemples de gestes à apprendre, et les modèles d’IA, entraînés et évalués, transforment ces informations en comportements robotiques. Enact cherche à développer ces maillons conjointement, sans que le gain obtenu sur une tâche industrielle soit encore établi par des résultats mesurés.

Manuel Galliker, CEO et fondateur de la société, a notamment travaillé dans la commande robotique chez 1X. Il veut repenser la boucle de données et la manière dont le corps du robot, par ses actionneurs et ses capteurs, peut fournir des informations supplémentaires pour apprendre la manipulation fine. Cette approche engage l’entreprise sur plusieurs fronts : un meilleur modèle devra fonctionner avec des composants fiables, et les modifications mécaniques devront rester compatibles avec les données et les logiciels utilisés.

Des démonstrations humaines avant l’autonomie

Parmi les postes à pourvoir, celui d’opérateur de robots occupe une place particulière. Sa mission consiste à guider les machines et à les téléopérer au moyen de systèmes de capture de mouvements. Ces démonstrations doivent alimenter directement l’entraînement des réseaux neuronaux. Le travail comprend aussi le contrôle de la qualité des données, l’annotation des trajectoires et le signalement des comportements inhabituels.

Cette organisation place l’efficacité de la collecte au centre du projet. Combien de démonstrations faut-il pour apprendre une opération ? Quelle part de cet apprentissage peut servir ailleurs ? Les réponses détermineront une partie du coût d’adaptation du système aux besoins d’un industriel.

Un terrain déjà disputé à Zurich

Enact rejoint un domaine déjà occupé par mimic Robotics, l’autre société zurichoise, qui développe une approche intégrée associant main robotique, modèles d’apprentissage et dispositifs de collecte de démonstrations humaines. D’autres acteurs abordent le problème par des modèles capables de commander différents robots. Physical Intelligence a présenté un modèle généraliste entraîné à partir de plusieurs plateformes, tandis que Flexion développe une couche d’autonomie destinée à différents matériels.

Ces approches posent une question commune : quelle part de l’intelligence peut être transférée entre machines, et quelle part dépend de leur conception physique ? Pour un client, l’intérêt se mesurera à la cadence, au taux de réussite, à la disponibilité et aux interventions nécessaires. Enact est enregistrée sous le nom d’Eta Robotics AG, inscrite au registre du commerce en mars 2026.