L'industrie de l'intelligence artificielle physique fait face à un goulot d'étranglement majeur : le manque criant de données d'entraînement réalistes. Contrairement aux grands modèles de langage nourris par des téraoctets de texte disponible gratuitement sur internet, les robots ont besoin de données physiques complexes pour apprendre à manipuler des objets. Pour résoudre ce défi, la société californienne Encord expérimente une approche novatrice qui intègre la mesure des ondes cérébrales humaines aux processus d'acquisition de données robotiques. Dans son entrepôt de San Leandro, des opérateurs portent des casques équipés de caméras et de capteurs développés par la startup allemande Zander Labs. Ces dispositifs mesurent l'activité cérébrale des entraîneurs lors de tâches manuelles précises, comme le démontage de structures empilées ou la connexion de câbles réseau. En détectant des états mentaux tels que l'intention, l'erreur ou la surprise, ces données neurologiques visent à fournir aux réseaux neuronaux des indices plus fins sur la prise de décision humaine. Parallèlement, Encord combine ces flux avec des capteurs musculaires sur l'avant-bras et des annotations textuelles détaillées, augmentant considérablement la valeur pédagogique de chaque séquence vidéo. Cette méthode marque un tournant économique. La génération de données physiques requiert une main-d'œuvre spécialisée et des infrastructures coûteuses, un contraste marqué avec le coût quasi nul du scraping web pour l'IA conversationnelle. Les essais actuels d'Encord ont pour objectif d'évaluer si l'ajout de ces signaux cérébraux améliore réellement les performances des modèles de manipulation robotique avant d'envisager une production à grande échelle. Vineeth Velmurugan, responsable de l'apprentissage robotique chez Encord, souligne que la communauté doit accumuler un corpus physique dix fois plus vaste que l'intégralité des vidéos de YouTube pour franchir un cap. En devenant manufacturier de données plutôt que simple gestionnaire, Encord se positionne comme un observateur stratégique du secteur. L'entreprise accompagne plusieurs entreprises robotiques de premier plan et identifie les techniques de collecte les plus prometteuses avant qu'elles ne deviennent la norme. Cette évolution confirme que l'IA physique ne pourra progresser qu'en transformant la collecte de données en une industrie à part entière. Si les expérimentations neurologiques et sensorielles se révèlent concluantes, elles pourraient accélérer considérablement le déploiement de robots humanoïdes et de systèmes d'automatisation entrepôt capables d'opérer avec la dextérité et l'adaptabilité humaines.