Contexte et levée de fonds
XDOF, créée en 2024 par les chercheurs de l'UC Berkeley Philipp Wu et Fred Shentu, a quitté le mode furtif il y a moins de trois mois. Après une Série A de 70 millions de dollars annoncée en juin, la société est déjà en pourparlers avancés pour une Série B dont la valorisation atteindrait environ 1,2 milliard de dollars, avec 8VC comme investisseur principal. Les sources indiquent que le chiffre d’affaires annualisé de l’entreprise frôle les 50 millions de dollars, un niveau qui justifie l’intérêt des capitaux même si les conditions exactes de la levée restent non confirmées.
Modèle de collecte de données robotique
Le cœur du service d’XDOF repose sur une chaîne d’acquisition de données physiques. Le système téléopéré GELLO, développé par les fondateurs, permet à un opérateur humain de contrôler à distance un bras robotique afin de générer des séquences d’apprentissage. En parallèle, des collecteurs équipés de capteurs corporels enregistrent des gestes quotidiens – pliage de vêtements, aplatissage de cartons – pour enrichir le jeu de données. Ces deux flux sont agrégés dans le référentiel nommé ABC, présenté comme la plus grande collection de données d’entraînement robotique de haute qualité à ce jour, en partenariat avec le laboratoire d’IA de l’UC Berkeley.
Impact sur l’écosystème robotique
En se positionnant comme un fournisseur externalisé de données, XDOF comble un goulet d’approvisionnement identifié par les laboratoires d’IA avancée. Contrairement aux grands modèles de langage, qui s’appuient sur des corpus textuels massifs, les robots nécessitent des enregistrements physiques pour apprendre des comportements généraux. La société travaille déjà avec une vingtaine de clients, dont plusieurs laboratoires d’IA de pointe, et prévoit d’étendre son réseau de téléopérateurs et de collecteurs sensoriels à l’échelle mondiale. Cette approche crée une infrastructure de données qui pourrait réduire le temps de développement de nouvelles capacités robotisées.
Perspectives et défis
Le modèle d’XDOF repose sur la scalabilité des équipes de collecte et la qualité des annotations. La mise en place de standards d’étiquetage pour des tâches variées représente un défi technique, notamment pour garantir la cohérence entre les données téléopérées et les enregistrements corporels. De plus, la valorisation élevée implique une pression pour transformer rapidement les données en produits commercialisables. La capacité de l’entreprise à maintenir un flux de revenus proche de 50 millions de dollars tout en élargissant son portefeuille client sera un indicateur clé de la viabilité de son modèle à long terme.
