Gather AI obtient 40 millions de dollars pour combler le « fossé de la réalité » de la chaîne d'approvisionnement

Gather AI, un pionnier de la vision par ordinateur (computer vision) et de la robotique autonome pour la logistique, a clôturé un tour de table de financement de série B de 40 millions de dollars mené par Smith Point Capital. Cette dernière injection de capital porte le financement total de l'entreprise à 74 millions de dollars, signalant un vote de confiance fort dans l'« IA physique » (Physical AI) en tant que nouvelle frontière pour l'efficacité de la chaîne d'approvisionnement.

Le tour a été mené par Smith Point Capital, la société fondée par l'ancien co-PDG de Salesforce, Keith Block. La participation incluait également les investisseurs existants Bain Capital Ventures, Tribeca Venture Partners, Bling Capital, Dundee Venture Capital et XRC Ventures, aux côtés du nouvel investisseur The Hillman Company. Le financement sera utilisé pour étendre les opérations à l'échelle mondiale et développer davantage la technologie de drones « curieux » exclusive de Gather AI, qui recherche activement les erreurs d'inventaire plutôt que de scanner passivement les étagères.

Alors que les réseaux logistiques deviennent de plus en plus complexes, le décalage entre les enregistrements numériques et la réalité physique — souvent appelé le « fossé de la réalité » (reality gap) — est devenu un problème se chiffrant en milliards de dollars. La plateforme de Gather AI y répond en déployant des drones autonomes qui numérisent l'inventaire des entrepôts en temps réel, fournissant une source unique de vérité qui s'intègre directement aux systèmes de gestion d'entrepôt (Warehouse Management Systems - WMS).

Le robot « curieux » : Une approche bayésienne de l'automatisation

Au cœur du succès de Gather AI se trouve un changement fondamental dans la façon dont les systèmes autonomes perçoivent leur environnement. Contrairement aux solutions de balayage génériques qui suivent des trajectoires rigides, les drones de Gather AI utilisent des techniques de curiosité bayésienne (Bayesian curiosity) combinées à des réseaux de neurones. Cela permet aux drones de se comporter avec un sentiment d'agence, en recherchant activement des points de données spécifiques tels que les codes-barres, les codes de lot, le texte et les dates d'expiration.

Cette « curiosité » permet au système de prendre des décisions intelligentes à la volée. Si une étiquette est partiellement masquée ou si une palette semble déplacée, le drone peut ajuster son comportement pour capturer un meilleur angle ou enquêter davantage, tout comme le ferait un auditeur humain. Cependant, contrairement aux travailleurs humains qui ne peuvent scanner que pendant des périodes limitées, ces drones fonctionnent en continu avec une cohérence presque parfaite.

Crucialement, Gather AI s'est différencié du cycle de battage médiatique actuel de l'IA générative en évitant les modèles de langage de grande taille (Large Language Models - LLM) de bout en bout pour les tâches de navigation et d'identification de base. En s'appuyant sur des méthodes bayésiennes basées sur les probabilités, le système évite les problèmes d'« hallucination » qui affligent les LLM, garantissant que les données injectées dans les systèmes de la chaîne d'approvisionnement sont précises et fiables.

Avantages techniques de la curiosité bayésienne

• Investigation active : Les drones ne se contentent pas de passer ; ils « chassent » les données manquantes ou anormales.
• Sans hallucination : Utilise des modèles de probabilité déterministes plutôt que la prédiction générative pour la lecture des données.
• Indépendance vis-à-vis de l'infrastructure : Ne nécessite aucun réaménagement des entrepôts (pas de réflecteurs, de balises ou d'éclairage spécial).
• Capacité de stockage à froid : Fonctionne efficacement dans des environnements sous zéro où le travail humain est difficile et dangereux.

Soutien stratégique des vétérans des logiciels d'entreprise

L'implication de Smith Point Capital, et spécifiquement de Keith Block, souligne le potentiel de Gather AI à devenir un « système d'enregistrement » (system of record) standard pour le monde physique. Block, qui a aidé à faire de Salesforce un géant mondial de l'entreprise, considère Gather AI non seulement comme une entreprise de robotique (robotics), mais comme une couche d'intelligence critique pour le commerce moderne.

« Gather AI redéfinit la façon dont le monde physique est mesuré, compris et exploité », a déclaré Keith Block dans un communiqué concernant l'investissement. « Ce que l'équipe a construit n'est pas seulement une meilleure façon de compter l'inventaire ; c'est une couche d'intelligence fondamentale pour la chaîne d'approvisionnement moderne. Nous pensons que Gather AI deviendra le système d'enregistrement pour chaque entrepôt, usine et parc. »

La startup a déjà démontré une traction significative. Au cours de l'année écoulée, Gather AI a augmenté ses réservations de 250 % et a doublé son empreinte opérationnelle. Sa liste de clients comprend des poids lourds majeurs de la logistique et de la vente au détail tels que GEODIS, NFI Industries, Kwik Trip, Axon, dnata, Barrett Distribution et Langham Logistics.

Comparaison des opérations : Manuel vs Gather AI

L'adoption de Gather AI représente un changement de paradigme par rapport à la gestion des stocks (inventory management) traditionnelle. La comparaison suivante met en évidence les différences opérationnelles entre les méthodes héritées et l'approche autonome de Gather AI.

Tableau 1 : Comparaison opérationnelle des méthodes de gestion des stocks

Extension de l'empreinte de l'IA incarnée

Les nouveaux 40 millions de dollars de capital stimuleront l'expansion de Gather AI dans des centaines d'installations supplémentaires en Amérique du Nord, en Europe et en Asie. Au-delà de la croissance géographique, l'entreprise investit massivement dans la R&D pour améliorer les capacités prédictives de sa plateforme. L'objectif est de passer du simple signalement de l'état des stocks à la prédiction des goulots d'étranglement potentiels, des ruptures de stock et des risques de sécurité avant qu'ils n'impactent le résultat net.

Les fondateurs de Gather AI — Sankalp Arora, Daniel Maturana et Geetesh Dubey — se sont rencontrés alors qu'ils étaient doctorants à l'Université Carnegie Mellon. Leurs profondes racines académiques en robotique se sont traduites par une solution pragmatique et agnostique vis-à-vis du matériel qui utilise des drones disponibles dans le commerce plutôt que du matériel personnalisé et coûteux. Cette approche privilégiant le logiciel permet un déploiement rapide et une mise à l'échelle plus facile, un facteur clé dans leur accumulation rapide de parts de marché.

« Les entreprises logistiques mondiales perdent des milliards chaque année parce que l'activité des entrepôts correspond rarement aux enregistrements des systèmes numériques », a déclaré Sankalp Arora, co-fondateur et PDG de Gather AI. « Ce "fossé physique-numérique" crée des zones d'ombre opérationnelles. Nous fournissons une intelligence physique continue qui élimine ces zones d'ombre. »

Perspective de Creati.ai : L'essor d'une IA incarnée fiable

Du point de vue de l'industrie de l'IA au sens large, le succès de la série B de Gather AI met en lumière un marché en maturation pour l'IA incarnée (Embodied AI) — l'intelligence artificielle qui interagit avec le monde physique. Alors que 2024 et 2025 ont été dominées par l'explosion des modèles de texte et d'image génératifs, 2026 s'annonce comme l'année où l'IA prouve sa valeur dans les applications industrielles.

Les investisseurs distinguent de plus en plus l'IA « créative », qui génère du nouveau contenu, de l'IA « analytique » ou « physique », qui mesure et optimise la réalité. Le succès de Gather AI suggère que pour les industries critiques comme la chaîne d'approvisionnement, le marché favorise les solutions qui privilégient la précision et la vérité terrain plutôt que les capacités génératives.

L'utilisation de techniques bayésiennes agit comme une protection cruciale. Dans un entrepôt détenant des millions de dollars de stocks, un taux de précision de 99 % est souvent insuffisant ; le système doit savoir ce qu'il ne sait pas. Les drones de Gather AI sont programmés pour reconnaître l'incertitude — un trait qui les rend plus sûrs et plus fiables que des systèmes qui pourraient « deviner » un code-barres flou. Alors que l'automatisation continue de pénétrer la main-d'œuvre physique, cette architecture « curieuse mais prudente » pourrait devenir la norme pour la robotique industrielle.