XDOF lève 1,2 milliard en Series B : la ruée vers les données de robots
Pourquoi ça compte pour toi
Les robots génériques butent sur un mur : il n'existe pas de jeu de données équivalent au web pour les entraîner. XDOF résout ce problème en construisant une chaîne d'approvisionnement de données physiques. Si tu travailles en robotique ou en IA, tu dois comprendre pourquoi ce modèle devient indispensable — et pourquoi il attire des milliards.
Ce qu'il faut retenir
- 1.XDOF émerge du stealth avec 70 M$ en Series A (juin 2026), négocie déjà une Series B à 1,2 Md$ menée par 8VC
- 2.Le revenu annualisé approche 50 M$ en trois mois : une croissance qui force les investisseurs à réagir vite
- 3.Modèle : collecter des données de télé-opération (humains contrôlant des robots à distance) et utiliser des capteurs pour enregistrer les gestes, afin de constituer un jeu de données d'entraînement massif
- 4.ABC : jeu de données robot public en partenariat avec UC Berkeley (parmi les plus grands jamais assemblés)
- 5.20 clients déjà signés, dont plusieurs laboratoires IA de pointe ; concurrents : Mecka AI, Scale AI, Micro1
Tu galères avec le jargon ?
Lis la version réécrite en mode débutant — toutes les idées, sans le jargon.
Pourquoi XDOF explose
Philipp Wu (CEO) était doctorant à Berkeley. Son problème : pas assez de vraies données pour entraîner ses robots. Avec Fred Shentu (CTO), il a construit GELLO, un système de télé-opération bon marché. Un humain enfile des capteurs, contrôle un bras robotisé à distance, et bam : tu as des milliers d'exemples d'apprentissage.
Ce qui semblait être un projet académique s'est transformé en entreprise. Les laboratoires IA et les boîtes de robotique avaient le même problème en pire : construire en interne une chaîne de collecte de données physiques, c'est coûteux, lent, galère. XDOF devait gérer ça pour eux.
Le terrain d'or
Les LLMs ont pu s'entraîner sur l'Internet entier. Les robots ? Zéro équivalent. Un drone qui apprend à se poser, une main robot qui apprend à manipuler un objet — tout ça demande des milliers d'exemples réels, captés, annotés, structurés.
XDOF joue le rôle de fournisseur centralisé : elle recrute et forme des équipes de collecteurs (télé-opérateurs, capteurs corporels pour capturer les gestes), agrège tout ça, et vend le jeu de données nettoyé à qui en a besoin. Scale AI a fait pareil pour le ML classique. Mercor fait pareil pour les données de code humain. XDOF est le pendant physique.
Les chiffres qui parlent
Series A en juin 2026 : 70 M$ (Thrive Capital, Andreessen Horowitz, Lux, Spark Capital).
Trois mois après : négociations pour une Series B à 1,2 Md$ de valorisation.
Revenu annualisé : ~50 M$.
Clients : 20 déjà signés, dont des laboratoires de pointe (les organisations qui construisent les plus grands modèles IA).
Ce rythme n'est pas normal. Les investisseurs ne se battent pas pour une Series B trois mois après une Series A à moins que les chiffres crient. Ça signifie que la demande de données robot explose — et que les laboratoires IA sont prêts à payer pour y accéder.
ABC : le jeu d'échecs ouvert
En partenariat avec UC Berkeley, XDOF publie ABC, un jeu de données public pour l'entraînement de robots qu'elle considère comme le plus grand jamais assemblé. Pourquoi public ? Parce que ça valide le marché, accélère l'adoption, et crée un standard. C'est du jeu long : tu attires les premiers utilisateurs avec du gratuit, puis tu vends les services premium (support, données spécialisées, annotation sur mesure).
Et après ?
XDOF veut embaucher des équipes de collecteurs à l'échelle mondiale. Télé-opérateurs qui pilotent des robots, opérateurs équipés de capteurs corporels qui effectuent des tâches quotidiennes (plier du linge, écraser des cartons, etc.). L'ensemble alimente en continu un pipeline d'apprentissage automatique.
Le vrai défi : monter en charge sans que la qualité des données s'effondre. Et éviter les pièges logistiques massifs (recruter, former, fidéliser des collecteurs de données dans 50 pays, c'est un cauchemar opérationnel). Mais si XDOF résout cette équation, elle devient indispensable à toute boîte qui veut des robots génériques.
Et concrètement pour toi ?
Choisis ton profil — la lecture de l'article change selon qui tu es.
Pour toi, retiens ça : les robots génériques échouent faute de données d'entraînement — comme l'IA générative aurait échoué sans le web. XDOF invente donc une "usine à données" physiques. C'est le chaînon manquant que tout le monde attendait.
Source
Pour aller plus loin
Cet article t'a donné envie d'approfondir ? Deux formations Noésis t'attendent :
Explorer les thèmes de cet article :