Au début de l’année, lors de son retour à Davos, Elon Musk a une nouvelle fois livré une prévision marquante : à l’avenir, les robots dépasseront en nombre les humains sur Terre.
Aujourd’hui, à l’échelle mondiale, l’intelligence artificielle et la robotique s’imposent comme les deux grands axes technologiques : l’intelligence artificielle générale (AGI), qui s’approche d’une véritable percée, et la robotique, désormais en passe de quitter les laboratoires pour automatiser massivement le travail physique humain. Cette année, au-delà des progrès de l’IA, l’intelligence incarnée s’affirme aussi comme segment stratégique dans l’écosystème crypto. Voici plusieurs projets du secteur robotique à suivre de près.
OpenMind
Le 4 août 2025 (UTC), la société californienne OpenMind, spécialisée dans l’infrastructure des machines intelligentes, a annoncé la levée de 20 millions de dollars, un tour mené par Pantera Capital, avec la participation de Ribbit, Sequoia China, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures, Amber Group et des business angels de premier plan.
OpenMind développe des logiciels open source permettant aux robots de penser, d’apprendre et d’agir. Son système d’exploitation natif, OM1, offre la configuration et le déploiement d’AI Agents dans des environnements numériques comme physiques. Les utilisateurs peuvent créer des agents IA hébergés dans le cloud ou les déployer sur des robots physiques.
En synthèse, OM1 d’OpenMind constitue le « cerveau IA » des robots. Il coordonne différents agents IA, interagit avec divers LLM et agrège des données issues de multiples sources (par exemple, publier du contenu sur les réseaux sociaux au nom d’un utilisateur). L’ouverture du code fait d’OM1 un OS robotique extrêmement flexible—à l’image d’Android pour les smartphones.
OpenMind a aussi développé FABRIC, un réseau d’identités robotiques basé sur blockchain, destiné à instaurer une couche de confiance vérifiable partagée entre humains et robots. Les utilisateurs humains gagnent des badges en partageant leurs données de localisation, en évaluant le comportement des robots ou en développant des applications. Côté robots, tout appareil sous OM1 rejoint le réseau FABRIC, acquiert une identité unique et traçable, et bénéficie d’un suivi on-chain des commandes, journaux d’opérations, propriétés et activités.
En décembre 2025 (UTC), OpenMind et l’émetteur du stablecoin Circle ont conjointement lancé un système de paiement autonome pour robots, basé sur le protocole x402. À mesure que les robots gagnent en sophistication, ils dépasseront le simple rôle d’outil pour devenir de véritables agents économiques autonomes : ils achèteront de la puissance de calcul, des données, des compétences, et pourront même embaucher d’autres robots ou humains pour atteindre des objectifs complexes.
CodecFlow
CodecFlow propose une plateforme unifiée, fonctionnant de façon transparente sur le cloud, l’edge, le desktop ou le matériel robotique, compatible aussi bien avec les API modernes qu’avec les systèmes hérités. Elle standardise la diversité des entrées capteurs des robots dans un format unique et module les actions complexes, évitant aux développeurs ou utilisateurs de devoir concevoir chaque robot de zéro. Grâce à CodecFlow, perception, décision et contrôle deviennent interopérables et mis en réseau, loin de tout cloisonnement matériel.
Les opérateurs basés sur l’IA s’appuient sur la perception et le raisonnement en temps réel pour réagir à une modification d’interface logicielle ou à un changement d’environnement. Cette démarche surmonte la fragilité des automatismes robotiques traditionnels, souvent défaillants à la moindre variation. Concrètement, CodecFlow capture images d’écrans, flux vidéo ou données capteurs, traite ces entrées par IA pour en extraire observations et instructions, puis exécute les décisions en interagissant avec l’interface logicielle.
Peaq
Le 27 mars 2025 (UTC), le protocole Layer1 DePIN Peaq a levé 15 millions de dollars, un tour mené par Generative Ventures et Borderless Capital, avec la participation de Spartan Group, HV Capital, CMCC Global, Animoca Brands, Moonrock Capital, Fundamental Labs, TRGC, DWF Labs, Crit Ventures, Cogitent Ventures, NGC Ventures, Agnostic Fund et Altana Wealth.
D’abord positionné comme plateforme DePIN, Peaq a lancé en septembre dernier un SDK Robotics permettant aux robots d’accéder à des identités autonomes, de traiter des paiements, d’authentifier des données et de rejoindre l’économie on-chain du réseau. Désormais, tout robot compatible ROS2 peut intégrer l’économie Peaq et utiliser ses standards pour interagir financièrement avec humains ou robots.
L’an dernier, Peaq a lancé le projet RWA robotique « RoboFarm » sur DualMint : création d’une ferme automatisée à Hong Kong, robotisée à 80 %. Laitues, épinards et choux frisés sont vendus localement, et les détenteurs de NFT bénéficient d’un rendement annualisé estimé à 18 %.
Axis Robotics
Axis Robotics construit une infrastructure distribuée, évolutive, dédiée à l’Embodied Intelligence (Physical AI). Selon Axis, une approche « Simulation First » est la clé pour dépasser les limites liées à la rareté des données et à la généralisation des modèles en robotique. En combinant collecte de données à grande échelle et à faible coût avec une augmentation propriétaire, Axis a réalisé de grands progrès en qualité, richesse et volume de données. Chaque ressource est tracée via une provenance on-chain fiable, constituant le moteur de données pour l’intelligence robotique générale (RGI).
Axis révolutionne la collecte des données d’entraînement robotique. Les projets concurrents misent sur la foule pour filmer des actions réelles via smartphones ou lunettes connectées, permettant une large contribution, mais produisant des données pauvres en réalisme physique, profondeur et continuité 3D.
Axis contourne cet écueil par la simulation, générant une multitude de scénarios virtuels variés (éclairage, angles, dynamique, etc.) pour entraîner les modèles à affronter des conditions complexes et ainsi améliorer leur généralisation. Sa stratégie hybride combine une base réelle rare à un ensemble massif de données synthétiques, avec augmentation méta-données accélérée par GPU (variation d’éclairage, textures, propriétés physiques…). Les environnements virtuels sont flexibles, non figés, permettant la création infinie de scénarios pour les robots. Le coût par scénario est minimal, la production élevée, et cette approche data-driven est validée par Google et NVIDIA.
Axis a lancé son premier projet communautaire d’apprentissage par simulation, « La rose du Petit Prince ». Ici, les utilisateurs pilotent à distance un robot dans un simulateur web pour arroser une plante. L’analyse des actions utilisateurs a permis au robot d’apprendre la tâche. Cette méthode allie la facilité d’accès des vidéos à la puissance d’un modèle fondation VLA (Vision-Language-Action) 3D natif pour la compréhension spatiale—impossible à fournir uniquement par la vidéo.
En 5 jours, des milliers d’utilisateurs novices ont généré des dizaines de milliers de trajectoires d’excellente qualité, prêtes à l’entraînement. Axis a utilisé ces données pour entraîner un modèle de politique et l’a déployé avec succès sur un bras robotisé Franka, bouclant le cycle complet de la génération de tâche à l’entraînement et au déploiement.
Grâce à cette méthode, une heure de données réelles équivaut à 1 000 heures de données d’apprentissage, réduisant drastiquement le coût de généralisation des modèles robotiques.
Lors de la bêta du Nouvel An lunaire, en seulement 5 jours, 18 000 utilisateurs non experts ont accompli 27 nouvelles tâches, générant plus de 100 000 trajectoires. Le test a validé la diversité des tâches et la compatibilité avec divers types de robots (à roues, à deux bras…).
Axis lancera son produit phare fin mars, et prévoit d’ouvrir le plus vaste dataset de simulation Franka en open source d’ici fin avril ou début mai, pour répondre pleinement aux besoins de stratégie et d’entraînement. Projet Crypto-AI robotics, Axis accélère aussi l’adoption sectorielle : collaboration avec un constructeur auto pour l’automatisation de production, partenariat avec un acteur du calcul bientôt coté sur les actifs virtuels et mondes simulés, alliances stratégiques avec des entreprises d’entités incarnées pour la simulation et l’entraînement. Ces avancées illustrent les externalités uniques des projets Crypto.
GEODNET
GEODNET est un réseau décentralisé qui fournit un positionnement dynamique en temps réel au centimètre pour drones, robots et autres appareils. Il s’appuie sur plus de 21 000 stations de base actives dans plus de 150 pays. Le projet a généré plus de 7 millions de dollars de revenus sur l’année passée, avec une croissance trimestrielle continue.
Bien que souvent classé DePIN, la croissance de la robotique réelle va renforcer la demande pour des données de positionnement temps réel très précises. En février 2025 (UTC), Multicoin a acquis 8 millions de dollars de tokens $GEDO auprès de la GEODNET Foundation.
BitRobot
BitRobot Network, co-développé par FrodoBots Lab et Protocol Labs, permet le travail robotique distribué et collaboratif. Ses piliers : le Verifiable Robot Work (VRW, métrique de récompense du réseau pour définir et valider les tâches robotiques), les Equipment Node Tokens (ENT, identifiants NFT uniques pour chaque robot) et les sous-réseaux, pools de ressources qui exécutent des tâches et génèrent de la valeur.
Le 14 février 2025 (UTC), FrodoBots Lab a annoncé une levée de fonds d’amorçage de 6 millions de dollars, pour un total de 8 millions.
FrodoBots Lab commercialise aussi des robots : les Earth Rovers, proches d’un Mario Kart grandeur nature, vendus à 249 dollars et pilotables à distance dans le jeu mondial ET Fugi via navigateur. Les données générées servent aux chercheurs pour tester les derniers modèles IA de navigation. ET Fugi est le premier sous-réseau BitRobot.
Un robot à venir, Octo Arms, permettra de contrôler à distance des bras robotisés pour résoudre des puzzles 3D ou s’affronter dans des jeux.
Le concept de « sous-réseau » est large—tout pool contribuant à l’écosystème du réseau (projet ou événement) constitue un sous-réseau, comme ET Fugi ou SeeSaw de Virtuals.
SeeSaw
Cinquième sous-réseau de BitRobot, SeeSaw est une application de partage de données d’entraînement robotique lancée par Virtuals en octobre dernier. Sur SeeSaw, les utilisateurs téléchargent des vidéos de leurs activités quotidiennes pour recevoir des récompenses. Ces vidéos, présentant des gestes ordinaires tels que lacer ses chaussures ou plier des vêtements, viennent d’utilisateurs du monde entier et servent à entraîner les robots.
Auki
Le réseau décentralisé de perception machine d’Auki, Posemesh, relie humains, appareils et IA. Son architecture DePIN (Decentralized Physical Infrastructure Network) permet aux robots, lunettes AR et autres appareils de partager en temps réel des données de localisation et de capteurs, afin de construire une représentation spatiale collaborative du monde physique pour robots, AR et IA.
Posemesh distingue plusieurs types de nœuds : compute (puissance de calcul), motion (points de terminaison robots qui envoient données de localisation et capteurs), reconstruction (génération de modèles 3D), et domain (gestion de l’espace 3D). Chaque nœud gagne des tokens $AUKI selon sa contribution, structurant ainsi un réseau de vision machine auto-évolutif.
Le réseau place la confidentialité en priorité, empêchant toute surveillance centralisée des espaces utilisateurs, avec des applications pour le commerce de détail (optimisation du placement produits), la gestion immobilière (traçabilité des actifs), la navigation événementielle, la construction ou la rénovation.
La plateforme de spatial computing Cactus AI est en test pilote chez Toyota Material Handling et le supermarché suédois Stora Coop.
XMAQUINA
XMAQUINA est une DAO qui permet aux investisseurs particuliers de participer au financement de sociétés de robotique. Elle a levé 10 millions de dollars via des ventes progressives de son token $DEUS, fonds utilisés pour prendre des participations dans six acteurs : Apptronik, Figure AI, Agility Robotics, 1X Tech, NEURA Robotics, Robotico. Certains investissements ont déjà généré plus de 100 % de rendement.
PrismaX
Le 17 juin 2025 (UTC), PrismaX a annoncé une levée de fonds de 11 millions de dollars auprès de a16z CSX, Volt Capital, Blockchain Builders Fund, Stanford Blockchain Accelerator et Virtuals.
PrismaX développe une couche de coordination ouverte qui relie opérateurs à distance, utilisateurs de robots et entreprises robotiques. Les opérateurs peuvent être mis en relation avec des utilisateurs, piloter des robots à distance pour des tâches réelles et collecter des données de valeur. Ils peuvent aussi solliciter des services logistiques, publicitaires ou autres dans le monde réel.
Son protocole d’opération à distance permet aux entreprises de trouver des opérateurs qualifiés pour des missions complexes. Les opérateurs peuvent staker des tokens réseau pour renforcer leur crédibilité et maximiser leurs chances d’obtenir des missions à forte valeur. La récompense de staking dépend du montant immobilisé et de la qualité du travail, avec des bonus pour une efficacité accrue.
Les données issues des opérations à distance servent à l’entraînement des robots, qui gagnent en autonomie, ce qui accroît l’efficacité des opérateurs et accélère la transition vers des machines hautement autonomes.
NRN Agents
NRN est issu du jeu AI Arena, dédié à l’entraînement en temps réel des AI Agents. Le 28 octobre 2021 (UTC), ArenaX Labs, le développeur, a levé 5 millions de dollars lors d’un tour d’amorçage mené par Paradigm Capital, avec la participation de Framework Venture Partners. Le 9 janvier 2024 (UTC), ArenaX Labs a bouclé un nouveau tour de 6 millions de dollars, mené par Framework Ventures, soutenu par SevenX Ventures, FunPlus/Xterio et Moore Strategic Ventures.
Si le cœur du projet reste la collecte de données et l’apprentissage par renforcement pour robots, NRN valorise son expertise du jeu en transformant la collecte de données en expérience ludique sur navigateur. Les utilisateurs contrôlent des robots simulés, générant des données comportementales lors de la partie, qui servent ensuite à entraîner des systèmes robotiques réels.
À ce jour, le projet se concentre sur les bras robotisés (RME-1) pour valider collecte de données, apprentissage en temps réel et adaptabilité.
Avis :
- Cet article est republié depuis [BlockBeats] et reste la propriété de l’auteur initial [Cookie]. Pour toute réclamation liée à cette republication, contactez l’équipe Gate Learn, qui traitera votre demande selon la procédure en vigueur.
- Avertissement : Les opinions exprimées dans cet article sont celles de l’auteur et ne constituent en aucun cas un conseil d’investissement.
- Les autres versions linguistiques sont traduites par l’équipe Gate Learn. Sauf mention expresse de Gate, toute reproduction, distribution ou plagiat de ces articles traduits est interdit.
