La jeune pousse australienne Metacognition AI a été dévoilée cette semaine à Sydney avec un financement de 10 millions de dollars, selon Startup Daily. Son ambition : bâtir une couche logicielle de mémoire persistante et de raisonnement à long terme pour des agents capables, à terme, d’apprendre des tâches robotiques à partir d’instructions verbales.
L’entreprise a profité de la Deep Tech Week 2026 pour présenter sa stratégie. Elle est soutenue par le fonds Main Sequence Ventures, lié au CSIRO, ainsi que par le gouvernement d’Australie-Méridionale. Metacognition AI a été fondée par Anton van den Hengel, Stephen Gould et Paul Dalby, trois profils issus de la recherche en vision artificielle, de l’Australian Institute for Machine Learning et de l’industrie.
Une mémoire conçue pour les tâches longues
Metacognition AI part d’un constat : les grands modèles de langage et les agents actuels restent fortement dépendants de leur fenêtre de contexte. Ils peuvent perdre des informations, réclamer de nouvelles consignes et manquer de continuité lorsqu’une mission s’étend sur plusieurs sessions ou évolue dans le temps.
La société dit développer une architecture séparant davantage le langage, la mémoire et le raisonnement. L’objectif annoncé est de conserver les instructions utiles, d’adapter les décisions à l’expérience accumulée et de rendre les résultats plus inspectables. L’entreprise veut aussi maintenir un contrôle humain aux étapes importantes et prendre comme base le standard volontaire australien de sécurité de l’IA.
Cette approche vise d’abord les systèmes d’entreprise et la robotique. Le site officiel de Metacognition évoque des robots capables de travailler aux côtés d’opérateurs, de mémoriser leurs consignes et d’améliorer progressivement leur exécution. Startup Daily rapporte que l’équipe a déjà construit des simulations dans lesquelles un opérateur dirige une mine à ciel ouvert ou un réseau électrique par la voix.
Des robots entraînés par des non-spécialistes
Le cas d’usage robotique reste pour l’instant au stade de la plateforme et de la simulation : aucun déploiement physique, client industriel ou calendrier commercial précis n’a été annoncé. La promesse est néanmoins concrète. Un opérateur non spécialiste pourrait expliquer une tâche oralement, corriger le système pendant son exécution, puis réutiliser l’expérience acquise sur d’autres équipements ou sites.
Pour l’industrie, une telle couche logicielle pourrait réduire une partie du travail nécessaire pour adapter un robot à des variantes de production. Mais la difficulté ne se limite pas à la mémoire : il faut aussi garantir la sécurité fonctionnelle, gérer les capteurs et les actionneurs, valider chaque action dans le monde physique et démontrer que l’apprentissage ne dégrade pas les performances.
Une équipe de recherche encore réduite
Metacognition AI compte huit personnes et prévoit de recruter des chercheurs en intelligence artificielle. Anton van den Hengel est le scientifique en chef de l’Australian Institute for Machine Learning. Stephen Gould a travaillé comme chercheur principal chez Amazon et dirigé un centre consacré à la vision robotique. Paul Dalby apporte une expérience dans le financement et la structuration de programmes de recherche.
La levée donne à l’équipe les moyens de transformer une architecture de recherche en produit. Les prochains jalons à surveiller seront une démonstration sur robot réel, la publication de mesures de fiabilité et de mémoire à long terme, puis l’annonce de partenaires industriels. Sans ces éléments, le projet demeure une proposition technique ambitieuse plutôt qu’un système robotique déjà éprouvé.
Notre analyse
Le positionnement de Metacognition AI répond à un obstacle bien identifié : un robot utile sur la durée doit retenir des consignes, gérer les exceptions et apprendre sans être reprogrammé à chaque changement. La valeur du projet dépendra toutefois moins de la formule de « système d’exploitation pour robots » que de preuves mesurables sur du matériel réel. La société devra montrer que sa mémoire améliore l’autonomie tout en maintenant des limites explicites, vérifiables et compatibles avec les contraintes de sécurité industrielle.
Sources : Metacognition AI, Startup Daily et SMBtech.
