Une start-up de robotique appelée Dream Labs est sortie furtivement vendredi avec un financement de démarrage de 90 millions de dollars et le lancement public de Dream-1, un modèle qui, selon la société, peut contrôler des robots qu'elle n'a jamais vus auparavant, sur des tâches qui n'ont jamais été montrées, à partir de 3 dollars de l'heure via une API publique.
L'annonce, publiée sur la page de recherche de Dream Labs, a rapidement fait la une de Hacker News, où les commentateurs se demandaient si le contrôle du robot sans tir était enfin pratique ou s'il s'agissait encore d'une démonstration de recherche. La société décrit Dream-1 comme son premier « modèle d'action mondial » accessible à tous, marquant une tentative visant à rendre le comportement des robots à usage général aussi connectable que la génération de texte et d'images l'est devenue avec de grands modèles de langage. Pour plus de contexte sur cette histoire, consultez notre plus d'articles sur l'IA.
Ce que fait réellement Dream-1
Donnez à Dream-1 un robot bimanuel avec des pinces parallèles, connectez-le à l'API, et la société affirme que le modèle commence à effectuer des tâches immédiatement : aucun réglage précis, aucune démonstration de ce robot spécifique et aucune expertise en apprentissage automatique n'est requise.
"Nous voulons que la robotique généralisable soit accessible à toute personne possédant un robot, pas seulement aux grands laboratoires", écrit la société dans son article de lancement, décrivant la configuration comme proche du plug-and-play : connectez votre robot, pointez-le vers l'API et exécutez. L'équipe affirme qu'elle organise des hackathons internes hebdomadaires pour réduire le plus possible le temps écoulé entre l'inscription à un robot fonctionnel.
Le matériel de lancement de la société montre des bêta-testeurs exécutant Dream-1 sur une gamme de tâches sur table : trier des bonbons dans des conteneurs chez Anvil Robotics, tirer des mouchoirs chez BitRobot à Shenzhen, empiler des gobelets chez Cortex à Singapour, plier des boîtes chez KAIST à Séoul et déplacer des cubes entre les conteneurs dans le laboratoire de Hugging Face à Paris. Dream Labs indique que les bêta-testeurs de 12 sites externes ont exécuté le modèle de manière autonome à une vitesse huit fois supérieure à la normale, avec des exécutions internes à une vitesse quatre fois supérieure.
Une deuxième série de démonstrations montre des séances autonomes plus longues : plier une robe, vider la vaisselle dans un évier, mettre des œufs dans un carton, réapprovisionner des canettes dans une boîte et essuyer un plan de travail avec une éponge.
D'un article de 30 minutes à une entreprise
Dream Labs trouve son origine en février 2026, lorsque son équipe a publié DreamZero, le document de recherche qui a introduit les modèles d'action mondiale – un paradigme que la société affirme que la communauté robotique a depuis adopté comme l'une des approches les plus prometteuses en matière d'apprentissage robotique. Le résultat qui a surpris l'équipe, selon le post de lancement, a été qu'après avoir post-entraînement DreamZero sur seulement 30 minutes de données d'un robot YAM, le modèle a généralisé le tir zéro à des tâches qu'il n'avait jamais vues. Ce type de transfert nécessitait auparavant des centaines, voire des milliers d’heures de données d’entraînement spécifiques au robot.
Après six mois de construction, l'équipe affirme que le résultat est devenu « les premiers signes d'une généralisation de l'incarnation sans tir », la capacité que Dream-1 expose désormais via son API.
Pourquoi le problème des données est important
La robotique est depuis longtemps coincée dans ce que l'entreprise appelle une boucle de la poule et de l'œuf : un robot doit être utile avant que les gens l'achètent, mais pour le rendre utile, il faut des données de formation de ce robot précis, qui ne s'accumulent que lorsque suffisamment d'unités sont sur le terrain. Les voitures autonomes ont échappé à une version de ce problème car les conducteurs humains ont généré des données dès le premier jour. La plupart des robots n’ont jamais eu ce luxe.
Si un modèle unique peut se généraliser à tous les corps de robots, une nouvelle machine démarre avec des compétences utiles au lieu d'un ensemble de données vide – et chaque déploiement ajoute des données de formation qui améliorent le robot suivant, selon l'argument.
Le matériel bon marché est l’autre moitié de l’histoire
Dream Labs associe ses affirmations de modèle à un argument matériel : les robots capables deviennent considérablement moins chers. Une configuration à deux bras coûte désormais environ 2 000 dollars, affirme la société, et sept robots semi-humanoïdes sont disponibles pour moins de 15 000 dollars – un niveau de prix qui existait à peine il y a un an.
Du côté des consommateurs, Dream Labs cite le robot de bureau Microduck à 399 $ de Hugging Face, qui, selon la société, a vendu plus de 10 000 unités dans les quatre jours suivant son lancement fin août. La distinction que fait l'entreprise est délibérée : les acheteurs d'entreprise prennent ce qu'elle appelle une décision basée sur une feuille de calcul, et un robot qui ne peut pas battre un travailleur en termes de coût, de vitesse ou de fiabilité n'est pas acheté. Les consommateurs sont différents : plus de 10 000 personnes ont payé 399 dollars en quatre jours pour une machine dont la tâche principale est d'être agréable, une machine qui marche, se dandine et fait du roller. Selon Dream Labs, quelque part entre ce jouet et un robot domestique pleinement performant se trouve un point idéal où l'adoption commence à se multiplier, et chaque robot domestique devient une nouvelle source de données d'entraînement.
Les mises en garde
Toutes les allégations de performances proviennent de l'entreprise elle-même, et la vérification indépendante se limite à ce que les partenaires bêta ont montré publiquement. Dream Labs consacre sa propre section à ce que Dream-1 ne peut pas faire, reconnaissant que la généralisation reste étroite : les tâches démontrées sont en grande partie une manipulation sur table avec des bras équipés de pinces, loin du chaos non structuré des maisons et des chantiers de construction.
L’histoire de la robotique regorge de démonstrations marquantes qui se sont arrêtées à l’extérieur du laboratoire. Mais la combinaison d'une API publique, d'un prix horaire et d'un prix plancher du matériel tombant vers le territoire du consommateur fait de Dream-1 l'une des tentatives les plus concrètes à ce jour pour transformer les modèles de base de robots en une infrastructure que d'autres développeurs peuvent simplement appeler.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
