Les ondes cérébrales, nouvelle arme pour entraîner les robots
Pourquoi ça compte pour toi
La vraie limite de la robotique aujourd'hui n'est pas l'IA, c'est les données. Les robots ont besoin de milliards d'exemples filmés pour apprendre à saisir une tasse ou brancher un câble—un chiffre que personne n'a vraiment résolu. Encord parie que mesurer l'activité cérébrale des humains (erreur, intention, surprise) créera des données beaucoup plus utiles pour entraîner les modèles. C'est une expérience de laboratoire pour l'instant, mais ça montre comment on résout un problème réel : pas besoin de meilleures IA, besoin de meilleures données.
Ce qu'il faut retenir
- 1.Encord utilise des casques à ondes cérébrales (technologie Zander Labs) pour étiqueter ses données d'entraînement—un détail que les algorithmes peuvent exploiter pour mieux apprendre.
- 2.Le vrai goulot d'étranglement en robotique physique : il faut environ 5× le volume total de YouTube en données pour que les modèles généraux fonctionnent. Ça se fabrique, ça ne se télécharge pas.
- 3.Encord fabrique aussi des données via caméras egocentriques (portées par des humains), bras robotisés en tandem, et capteurs musculaires—plusieurs angles pour une même tâche.
Tu galères avec le jargon ?
Lis la version réécrite en mode débutant — toutes les idées, sans le jargon.
Le casse-tête qui bloque les robots
Quand tu regardes une vidéo d'un humanoïde qui manipule des objets, tu vois l'IA. Ce que tu ne vois pas : derrière chaque geste fluide, il y a eu des millions d'images de test, annotées pixel par pixel.
Le problème ? Ces images n'existent pas. Pas sur internet. Pas vendues. Il faut les fabriquer.
C'est pourquoi Encord a ouvert un entrepôt en Californie où des gens appelés "pilotes" font des tâches banales—déballer une tour Jenga, verser du café, brancher des câbles Ethernet—pendant que des caméras filment chaque mouvement. Sauf que maintenant, Encord ajoute une couche : des capteurs d'ondes cérébrales.
Pourquoi les ondes cérébrales changent la donne
Zander Labs, une startup allemande, pense que le cerveau envoie des signaux utiles : quand tu fais une erreur (même mineure), quand tu dois vraiment te concentrer, quand quelque chose te surprend. Ces signaux, ce sont des étiquettes gratuites pour l'IA.
Concrètement : imagine un robot qui apprend à assembler une pièce délicate. Si tu sais quand l'humain s'est le plus concentré, tu peux dire au modèle : "Là, les degrés de précision augmentent."
Velmurugan (responsable de l'apprentissage robotique chez Encord) estime qu'une donnée bien annotée vaut 100× une donnée brute—et coûte seulement 20× plus cher à produire. Comparé à l'époque où OpenAI aspirait tout internet pour du texte (quasi gratuit), c'est le vrai virage : la donnée physique, ça se paie.
Comment ça marche concrètement
L'entrepôt de San Leandro est un studio de production de données :
- ▸Bras robotisés en tandem : un humain contrôle un bras, l'autre bras le copie. Chaque mouvement est enregistré avec vidéo, profondeur, trajectoires.
- ▸Caméras egocentriques : caméras portées par les pilotes pour capturer ce que l'humain voit vraiment (angles auxquels les caméras fixes n'accèdent pas).
- ▸Capteurs musculaires sur l'avant-bras : détectent les signaux électriques dans les muscles pour reconstituer la position 3D de la main, même si elle sort du champ de la caméra.
- ▸Annotation dense : chaque clip reçoit une description précise ("main droite serre boulon") qu'un modèle de langage peut interpréter.
Le tout est libellé avec assez de détail pour qu'un LLM comprenne le contexte—un changement majeur par rapport aux années où on étiquetait juste "robot, objet, main".
La limite : c'est vraiment cher
Encord sait monter en charge. Mais le coût ne baisse pas magiquement comme pour le texte. Une donnée bien étiquetée coûte 20× plus qu'une donnée brute, ce qui reste un vrai problème quand tu as besoin de millions d'exemples.
C'est pour ça qu'Encord teste les ondes cérébrales maintenant : si ça réduit les coûts d'annotation en automatisant une partie, c'est une rupture réelle.
Et concrètement pour toi ?
Choisis ton profil — la lecture de l'article change selon qui tu es.
Pour toi, retiens que la vraie barrière à la robotique n'est pas l'algorithme mais le volume de données—imaginer lire les cerveaux pour mieux l'étiqueter, c'est un détail qui montre comment on résout le problème en réalité, pas par la magie.
Essayer maintenant
Découvrir Encord et ses outils de données →Source
Pour aller plus loin
Cet article t'a donné envie d'approfondir ? Deux formations Noésis t'attendent :