Publié le

Le modèle n’est pas le fossé défensif

Auteurs

Listen in English · Le modèle n’est pas le fossé défensif

0:00 / 0:00

Watch in English · Le modèle n’est pas le fossé défensif

L’argument tient en une phrase, et Eliot Horowitz le formule lui-même ainsi : la valeur dans la robotique n’appartiendra pas à celui qui possède le plus grand modèle fermé. Le modèle n’est pas la douve. Vos données et votre savoir-faire le sont.

C’est une chose étrange à entendre de la part de quelqu’un qui vend des logiciels, et c’est pourquoi le reste de son article mérite d’être lu comme de l’économie plutôt que comme de l’enthousiasme.

1bn
les déploiements d’IA physique qu’il souhaite d’ici dix ans
10,000
les startups dont il affirme que la transition a besoin
2
les jeux de données publics de robotique sur lesquels tout le monde s’entraîne

Ce qui reste vôtre, et ce qui ne le reste pas

Il fixe la limite de manière restrictive. Trois éléments constituent le fossé concurrentiel et doivent rester exclusifs : les données que vos machines collectent, le savoir-faire de votre processus et le déploiement que vous exploitez réellement. Tout le reste — les modèles, les poids, le système de codage — devrait être ouvert.

  1. Vos données

    collectées sur vos propres machines

  2. Votre savoir-faire

    le processus, et non le modèle

  3. Votre déploiement

    où il s’exécute et à quoi il touche

  4. Tout le reste

    modèles, poids, outillage — ouverts

Trois choses à garder, une à céder, selon son cadrage.

La raison n’est pas le sentiment. Les données publiques de robotique sur lesquelles tout le monde s’entraîne sont limitées et partagées, si bien que les modèles entraînés dessus convergent — et la différence vient alors de ce que voient vos propres machines. Ces données sont réparties sur des millions de déploiements dans des usines, des exploitations agricoles et des entrepôts que nulle entreprise de modèles ne peut atteindre. Ce qui, selon lui, plaide en faveur d’une infrastructure détenue par les personnes qui détiennent les données, et non par les quelques-uns qui le souhaiteraient.

Réponse à deux objections

  1. La mise à l’échelle l’emporte

    les données sont dispersées, pas concentrées

  2. Les poids ouverts existent

    sans outils ni déploiement, les poids servent à peu de chose

Les deux objections, et la réponse en une phrase à chacune.

Il s’attaque aux deux qui se présentent en premier. Si l’échelle l’emporte, celui qui dispose du plus de données entraîne le meilleur modèle — sauf que les données qui comptent ne sont concentrées nulle part et ne peuvent pas être achetées pour être réunies en un seul endroit. Et si des poids ouverts existent déjà, ce n’est qu’un début plutôt qu’une réponse : les outils, les pipelines de données et la couche de déploiement doivent eux aussi être ouverts, sinon les poids n’apportent que très peu à la personne qui en a besoin.

Un environnement d’exécution ouvert, dessiné pour ABN Asia

D’où viennent réellement les données d’entraînement

La vidéo, surtout. Il existe une quantité énorme de séquences montrant des gens en train de faire des choses, et un grand nombre de séquences réalisées spécifiquement pour enseigner une tâche, ainsi qu’un corpus croissant de recherches sur leur transformation en données d’entraînement pour robots. Les premiers résultats sont suffisamment prometteurs pour que des groupes de recherche entraînent déjà des politiques de robots sur des vidéos de travail humain quotidien. C’est la partie la moins certaine de l’argument, et il la traite comme celle qui offre le plus de marge de progression.

La divulgation, qu’il fait lui-même

Il n’est pas neutre, et ne prétend pas l’être. Il a investi son propre argent dans une entreprise de robotique dont l’environnement d’exécution est open source, dont il publie les modules, et qui facture des services cloud — la même configuration que l’entreprise de bases de données qu’il a bâtie auparavant. Les affaires et l’open source ne s’opposent pas, dit-il ; c’est le modèle, pas un compromis.

Ce à quoi il s’oppose, c’est une issue précise : des millions de développeurs travaillant pour les dix entreprises qui ont enfermé la valeur derrière un mur payant. L’alternative qu’il veut est plus terne et plus vaste — une IA physique ouverte dans chaque entreprise, du petit atelier d’usinage à la compagnie maritime en passant par la blanchisserie industrielle.

Ce que cela change pour le reste d’entre nous

Un environnement d’exécution ouvert déplace le risque plutôt que de le supprimer. Si le modèle est un produit banalisé et que l’environnement d’exécution est du code public, alors le facteur de différenciation et l’exposition migrent tous deux vers le déploiement : ce que vous exécutez, ce à quoi il peut accéder, et qui peut le corriger lorsqu’une faille survient. C’est un problème de sécurité avant d’être une question de licence, et c’est la partie de l’argumentaire en faveur de la robotique ouverte qui tend à rester tacite.

Vous n’obtenez pas seulement un logiciel : vous obtenez un logiciel sécurisé. Si vous mettez une machine sur un réseau avec un environnement d’exécution ouvert en dessous, contactez-nous : [email protected].

Eliot Horowitz, « C’est par l’ouverture que la robotique gagne », 18 novembre 2026. Les positions exprimées sont celles de l’auteur ; la divulgation de son investissement lui est propre.

Veuillez noter que la version française est assistée par Ai, des erreurs mineures peuvent donc exister.

Auteur

Ai-Banking-NetworkSecurity (ABN), ABN ASIA a été fondée par des personnes ayant des racines profondes dans le milieu académique, avec une expérience professionnelle aux États-Unis, aux Pays-Bas, en Hongrie, au Japon, en Corée du Sud, à Singapour et au Vietnam. ABN ASIA est l'endroit où l'académie et la technologie rencontrent l'opportunité. Avec nos solutions de pointe et nos services de développement logiciel compétents, nous aidons les entreprises à se développer et à s'imposer sur la scène mondiale. Notre engagement : Plus vite. Mieux. Plus fiable. Dans la plupart des cas : moins cher également.

N'hésitez pas à nous contacter chaque fois que vous avez besoin de services informatiques, de conseils en matière de numérique, de solutions logicielles prêtes à l'emploi, ou si vous souhaitez nous envoyer des demandes de propositions (RFP). Vous pouvez nous contacter à l'adresse [email protected]. Nous sommes prêts à vous aider avec tous vos besoins technologiques.

ABNAsia.org

© ABN ASIA