Machenta lève 40 M$ en amorçage pour un modèle robotique qui apprend une tâche en une seule démonstration
Machenta, issue de l'Imperial College London, boucle un amorçage de 40 M$ mené par Creandum et Union Square Ventures, entraîné uniquement en simulation.
Machenta, société londonienne de robotique issue de l'Imperial College London, a annoncé le 27 octobre 2026 un tour d'amorçage de 40 millions de dollars. Creandum et Union Square Ventures l'ont mené. Tech.eu et l'Imperial College présentent tous deux ce tour comme le plus important amorçage jamais réalisé par une start-up britannique de robotique.
L'entreprise construit un modèle de base pour robots, entraîné une fois puis appliqué à de nombreuses tâches. L'originalité tient aux données d'entraînement : le modèle est préentraîné exclusivement sur des données simulées, sans images du monde réel ni démonstrations humaines, ce qui, selon la société, contourne les problèmes de confidentialité et d'accès aux données qui freinent ses concurrents. Machenta affirme qu'un robot peut exécuter une tâche aussitôt après l'avoir vue démontrée une fois, et qu'une à deux démonstrations réelles suffisent par nouvelle tâche. L'équipe a montré un modèle unique exécutant des travaux courants comme l'emballage, l'assemblage et le rangement sur plusieurs corps robotiques différents, dont des humanoïdes. Les gestes précis et les mouvements complexes restent difficiles.
Les fondateurs sont le professeur Edward Johns, cofondateur et directeur général, professeur d'apprentissage robotique au département d'informatique de l'Imperial College, et Vitalis Vosylius, doctorant au même établissement. L'Imperial College indique que d'autres collègues de son laboratoire d'apprentissage robotique figurent parmi les cofondateurs. Les fonds serviront à faire monter le modèle en échelle, à acquérir davantage de puissance de calcul, à produire plus de données simulées et à installer un nouveau bureau doté d'un laboratoire à King's Cross, à Londres. Fait notable, Machenta se présente encore comme une société de recherche, sans projet de commercialisation à court terme.
Le tour arrive dans un segment bien doté du deeptech. Tech Funding News, citant Crunchbase, dénombre 47,4 milliards de dollars de capital-risque investis dans l'IA physique au niveau mondial sur 521 opérations au premier semestre 2026. « L'intelligence tient moins à ce que l'on sait déjà faire qu'à la vitesse à laquelle on apprend quelque chose de nouveau », a déclaré Edward Johns. Kathi Wilhelm, associée chez Creandum, a souligné que les robots deviennent bien plus utiles dès qu'ils peuvent saisir une nouvelle tâche et se mettre au travail immédiatement, ajoutant que très peu d'équipes en robotique peuvent se prévaloir de travaux comparables. Rebecca Kaden, associée gérante d'Union Square Ventures, a résumé le besoin par une IA polyvalente capable de s'adapter aussi vite qu'un humain. La professeure Mary Ryan, vice-rectrice à la recherche et à la valorisation de l'Imperial College, estime que ce succès précoce ouvre au Royaume-Uni une occasion de figurer au premier rang de la robotique pilotée par l'IA.
Pourquoi cela compte pour les fondateurs AgTech : la robotique agricole bute moins sur le matériel que sur le coût d'apprentissage de chaque nouvelle tâche. Chaque culture, chaque variété, chaque palissage et chaque dessin de parcelle constitue en pratique une tâche inédite, et la fenêtre pour collecter des exemples réels s'ouvre une fois par an, quelques semaines, par une météo que personne ne maîtrise. C'est précisément cette contrainte que ce tour finance de contourner. Trois conséquences. D'abord, si le préentraînement par simulation tient hors du laboratoire, la barrière à l'entrée en robotique agricole cesse d'être le jeu de données de terrain exclusif que la plupart des présentations mettent encore en avant, et devient le simulateur et la bibliothèque de tâches. Ensuite, vérifiez honnêtement si votre feuille de route suppose des milliers de démonstrations réelles par culture, car cette hypothèse est désormais un risque et non une protection. Enfin, regardez où va l'argent : une société universitaire sans produit lève 40 M$ pour la couche modèle, tandis que les couches applicatives agricoles lèvent quelques millions. Cela plaide pour devenir le plus rapide à adopter le modèle de base d'un autre plutôt que d'entraîner le sien. Demandez-vous quelles parties de votre pile technologique vous préféreriez louer dans deux ans plutôt que posséder.
Machenta lève 40 M$ en amorçage pour un modèle robotique qui apprend une tâche en une seule démonstration
Creandum et Union Square Ventures mènent le tour de cette société issue de l'Imperial College London, dont le modèle est préentraîné entièrement en simulation, sans aucune donnée du monde réel ni démonstration humaine.
Machenta, société londonienne de robotique issue de l'Imperial College London, a annoncé le 27 octobre 2026 un tour d'amorçage de 40 millions de dollars. Creandum et Union Square Ventures l'ont mené. Tech.eu et l'Imperial College présentent tous deux ce tour comme le plus important amorçage jamais réalisé par une start-up britannique de robotique.
L'entreprise construit un modèle de base pour robots, entraîné une fois puis appliqué à de nombreuses tâches. L'originalité tient aux données d'entraînement : le modèle est préentraîné exclusivement sur des données simulées, sans images du monde réel ni démonstrations humaines, ce qui, selon la société, contourne les problèmes de confidentialité et d'accès aux données qui freinent ses concurrents. Machenta affirme qu'un robot peut exécuter une tâche aussitôt après l'avoir vue démontrée une fois, et qu'une à deux démonstrations réelles suffisent par nouvelle tâche. L'équipe a montré un modèle unique exécutant des travaux courants comme l'emballage, l'assemblage et le rangement sur plusieurs corps robotiques différents, dont des humanoïdes. Les gestes précis et les mouvements complexes restent difficiles.
Les fondateurs sont le professeur Edward Johns, cofondateur et directeur général, professeur d'apprentissage robotique au département d'informatique de l'Imperial College, et Vitalis Vosylius, doctorant au même établissement. L'Imperial College indique que d'autres collègues de son laboratoire d'apprentissage robotique figurent parmi les cofondateurs. Les fonds serviront à faire monter le modèle en échelle, à acquérir davantage de puissance de calcul, à produire plus de données simulées et à installer un nouveau bureau doté d'un laboratoire à King's Cross, à Londres. Fait notable, Machenta se présente encore comme une société de recherche, sans projet de commercialisation à court terme.
Le tour arrive dans un segment bien doté du deeptech. Tech Funding News, citant Crunchbase, dénombre 47,4 milliards de dollars de capital-risque investis dans l'IA physique au niveau mondial sur 521 opérations au premier semestre 2026. « L'intelligence tient moins à ce que l'on sait déjà faire qu'à la vitesse à laquelle on apprend quelque chose de nouveau », a déclaré Edward Johns. Kathi Wilhelm, associée chez Creandum, a souligné que les robots deviennent bien plus utiles dès qu'ils peuvent saisir une nouvelle tâche et se mettre au travail immédiatement, ajoutant que très peu d'équipes en robotique peuvent se prévaloir de travaux comparables. Rebecca Kaden, associée gérante d'Union Square Ventures, a résumé le besoin par une IA polyvalente capable de s'adapter aussi vite qu'un humain. La professeure Mary Ryan, vice-rectrice à la recherche et à la valorisation de l'Imperial College, estime que ce succès précoce ouvre au Royaume-Uni une occasion de figurer au premier rang de la robotique pilotée par l'IA.
Pourquoi cela compte pour les fondateurs AgTech : la robotique agricole bute moins sur le matériel que sur le coût d'apprentissage de chaque nouvelle tâche. Chaque culture, chaque variété, chaque palissage et chaque dessin de parcelle constitue en pratique une tâche inédite, et la fenêtre pour collecter des exemples réels s'ouvre une fois par an, quelques semaines, par une météo que personne ne maîtrise. C'est précisément cette contrainte que ce tour finance de contourner. Trois conséquences. D'abord, si le préentraînement par simulation tient hors du laboratoire, la barrière à l'entrée en robotique agricole cesse d'être le jeu de données de terrain exclusif que la plupart des présentations mettent encore en avant, et devient le simulateur et la bibliothèque de tâches. Ensuite, vérifiez honnêtement si votre feuille de route suppose des milliers de démonstrations réelles par culture, car cette hypothèse est désormais un risque et non une protection. Enfin, regardez où va l'argent : une société universitaire sans produit lève 40 M$ pour la couche modèle, tandis que les couches applicatives agricoles lèvent quelques millions. Cela plaide pour devenir le plus rapide à adopter le modèle de base d'un autre plutôt que d'entraîner le sien. Demandez-vous quelles parties de votre pile technologique vous préféreriez louer dans deux ans plutôt que posséder.