Tutor Intelligence vient d’allumer la plus grande usine à données robotiques des États-Unis. Cent humanoïdes baptisés Sonny tournent en parallèle dans son siège, supervisés à distance par une équipe d’opérateurs qui leur apprennent à manipuler le monde réel. Au passage, la startup dévoile Ti0, son premier modèle vision-langage-action entraîné sur ces données.
L’annonce, publiée le 4 mai 2026, marque une rupture dans la course aux données pour la robotique générale. Là où la plupart des laboratoires capturent des heures de démonstration en simulation, Tutor Intelligence a choisi le réel : 100 robots Sonny déployés en flotte, chacun connecté à un téléopérateur en VR. La société qualifie l’ensemble de « Data Factory 1 », DF1 pour faire court.
Une « maternelle » pour robots
Le concept tient en une image que la startup revendique : envoyer ses machines à la maternelle. Concrètement, un opérateur humain prend la main sur un robot via une interface VR proprioceptive dès qu’il échoue, démontre le geste correct, puis laisse l’IA réessayer. Toutes les corrections, tous les succès, tous les échecs nourrissent en continu la base d’apprentissage.
L’architecture exploite un effet de flotte que Tutor met en avant. Quand une politique est testée sur les 100 robots simultanément, un cas limite qui demanderait normalement huit heures d’observation devient visible en cinq minutes. Le rapport de vitesse atteint un facteur cent, ce qui change la donne quand il faut détecter et corriger des comportements aberrants avant un déploiement industriel.
Sonny est une plateforme semi-humanoïde à deux bras, pensée pour la manipulation dextérité bimanuelle. Elle partage la chaîne d’approvisionnement et le matériel collaboratif de Cassie, le bras manipulateur mobile que Tutor Intelligence vend déjà à des manufacturiers familiaux et à des distributeurs Fortune 50 partout aux États-Unis. Cette continuité matérielle évite de réinventer la mécanique et concentre les efforts sur les politiques de contrôle.
Ti0, un modèle entraîné par intervention humaine
Le premier modèle issu de DF1 s’appelle Ti0. C’est un modèle vision-langage-action (VLA) qui apprend non seulement par démonstration mais aussi par correction. À chaque erreur du robot, un opérateur reprend le contrôle, montre le bon geste, et le système intègre ces interventions dans son entraînement.
Tutor Intelligence évalue ensuite chaque rollout via son équipe de « Tutors ». Les démonstrations rapides et précises reçoivent une récompense terminale élevée, tandis que les comportements hésitants sont pondérés à la baisse. Cette boucle de feedback humain sert de signal de récompense pour ajuster la politique en post-entraînement, sur le modèle des techniques RLHF popularisées par les LLM mais transposées au geste physique.
Une autre subtilité technique mérite d’être notée. La startup applique une normalisation de vitesse aux démonstrations, parce qu’avec une équipe internationale de téléopérateurs, certains pilotent vite, d’autres lentement, et cette inconsistance peut polluer un dataset à grande échelle. La méthode aligne les profils de vitesse entre opérateurs avant l’entraînement.
De la démo à la production en quelques mois
Pour l’instant, aucun robot Sonny n’a été livré à un client. Tutor Intelligence vise des pilotes commerciaux d’ici fin mai 2026, avec une prudence assumée sur les délais. La startup, contrairement à ses concurrents qui privilégient la vidéo de démonstration léchée, montre des robots qui apprennent encore et trébuchent visiblement.
Cette transparence sert un argument économique. Là où Figure AI ou 1X visent l’humanoïde grand public, Tutor Intelligence cible directement le facteur de manipulation industrielle, avec un modèle économique de « Robotics-as-a-Service » qui inclut les Tutors humains dans le coût. Le marché américain manque cruellement de robots adaptables pour les PME manufacturières, et la stratégie consiste à exploiter cette fenêtre avant que les concurrents chinois n’arrivent à pleine capacité.
L’enjeu pour le secteur dépasse Tutor. Si le pari de la téléopération supervisée à 100 robots paie, il pourrait devenir un standard d’entraînement pour les humanoïdes industriels, comparable à ce que Figure AI tente avec son réseau Helix ou ce que Physical Intelligence prépare avec Pi-0.6. Les prochains mois diront si les Sonny passent réellement de la maternelle à l’usine.
