Flexion Robotics : la start-up suisse qui veut créer le cerveau universel de tous les robots humanoïdes

La plupart des entreprises de robotique humanoïde se livrent une course pour construire de meilleurs corps. Flexion Robotics, une start-up zurichoise sortie de la discrétion fin 2025, fait le pari inverse : l'avantage décisif en robotique humanoïde ne sera pas le matériel, mais le cerveau capable de fonctionner sur n'importe quel corps. Avec 57,35 millions de dollars de financement total et une démonstration live à l'ICRA 2026 affichant plus de 95% de succès en autonomie sur 300 essais, l'approche « simulation d'abord » de Flexion est l'une des stratégies les plus distinctives du secteur .

La thèse centrale de Flexion : logiciel seul, compatible avec tout hardware

Flexion Robotics ne fabrique explicitement aucun robot. Elle construit une pile logicielle d'autonomie universelle – ce que l'entreprise décrit comme « l'Android des humanoïdes » – qui peut être sous licence par n'importe quel fabricant de robots humanoïdes . La pile est conçue pour se déployer simultanément sur 14 plateformes humanoïdes différentes, avec l'objectif de réduire l'effort d'ingénierie nécessaire pour amener un nouveau robot à une nouvelle tâche de plusieurs années à une seule semaine .

« Nous créons un monde virtuel dans lequel nous pouvons placer ces robots », explique l'entreprise. « Entraînés en simulation, déployés dans le monde réel avec une intervention humaine minimale » .

La méthodologie d'entraînement : simulation vers réalité à grande échelle

L'approche technique de Flexion repose sur trois choix interconnectés :

1. Entraînement simulation-first (sim-to-real). Toutes les politiques des robots sont entièrement entraînées dans une simulation physique virtuelle à une échelle massive – jusqu'à 4 000 robots virtuels fonctionnant simultanément – puis transférées sur le hardware réel avec un déploiement « zero-shot » dans le monde réel . L'entreprise utilise l'apprentissage par renforcement (RL) où les robots apprennent par essai-erreur : agir, percevoir les résultats et s'ajuster jusqu'à réussir . Le résultat n'est pas un script, mais un réseau de neurones (une « politique ») qui associe perception et action .

2. Combinaison d'apprentissage par imitation et par renforcement. Flexion utilise un apprentissage par renforcement résiduel sur des bases d'apprentissage par imitation. Cela signifie que le robot apprend les compétences fondamentales de manipulation et de locomotion à partir de données de démonstration humaine, puis utilise le RL pour adapter ces compétences aux conditions réelles que le simulateur ne peut pas modéliser parfaitement . L'entreprise utilise également une boucle de rétroaction « réel-vers-simulation », où les données du monde réel affinent les paramètres de simulation pour un entraînement futur plus fidèle .

3. Une architecture modulaire en trois couches. La pile d'autonomie sépare le raisonnement de haut niveau de la planification des mouvements et du contrôle de bas niveau :

• Couche de commande (Raisonnement) : Un agent basé sur un grand modèle de langage (LLM) ou un modèle vision-langage (VLM) qui interprète des descriptions de tâches en langage naturel – comme « range le bureau » – les décompose en sous-tâches et planifie des workflows en plusieurs étapes .
• Couche de génération de mouvement (Planification) : Un modèle basé sur la diffusion qui planifie le chemin prévu du robot et évite les obstacles dans l'espace 3D .
• Couche d'exécution (Réflexes) : Un contrôleur corps entier basé sur le RL qui exécute un mouvement robuste et adaptatif sur le robot physique .

Cette conception « sépare l'intention (portée par le langage) de la faisabilité (imposée par la physique), en exploitant la simulation pour les compétences motrices et les données réelles de manière sélective » .

Tâches de bureau autonomes : de la commande à l'action

En novembre 2025, Flexion a publié une vidéo montrant un robot humanoïde rangeant un bureau de manière autonome à partir d'une simple commande utilisateur – sans scripts, sans trajectoires pré-calculées et sans téléopération humaine . L'agent basé sur un VLM a perçu la scène, raisonné sur la tâche et planifié une stratégie de bout en bout pour la saisie et le réarrangement des objets . Le même système sous-jacent a également été montré en train de naviguer dans des environnements extérieurs pour collecter et jeter des déchets de manière autonome .

ICRA 2026 : la validation en direct

À la Conférence internationale sur la robotique et l'automatisation (ICRA 2026), qui s'est tenue du 9 au 11 juin 2026, Flexion a réalisé une démonstration live de robot humanoïde autonome. Sur 300 essais pendant trois jours, les robots ont fonctionné en toute autonomie avec plus de 95% de succès et aucune intervention humaine . Le résultat a validé que l'approche de transfert simulation-réalité fonctionne à grande échelle dans un environnement de conférence non contrôlé – un cadre notoirement difficile pour les démonstrations robotiques.

En quoi Flexion se distingue-t-il dans le domaine de la robotique humanoïde ?

Dimension	Flexion Robotics	Concurrents typiques (Tesla Optimus, Boston Dynamics, Figure, 1X)
Produit principal	Logiciel d'autonomie universel – pas de hardware robotique propre	Intégration verticale hardware + logiciel ; chacun construit son propre robot
Stratégie de plateforme	Fonctionne sur tout hardware humanoïde ; actuellement 14 plateformes en parallèle	Lié à une plateforme hardware propriétaire unique
Paradigme d'entraînement	Simulation-first (sim-to-real) ; politiques entraînées en simulation et transférées zero-shot	Mélange de données de téléopération réelles, de RL réel et de simulation ; la plupart dépendent fortement de la collecte de données réelles
Objectif de compatibilité hardware	Réduire la configuration pour un nouveau robot + nouvelle tâche de plusieurs années à une semaine	Chaque nouvelle tâche nécessite des mois d'ingénierie spécifique au hardware
Financement	57,35 M$ au total (50 M$ Serie A + 7,35 M$ seed)	Les concurrents lèvent souvent des tours plus importants pour la fabrication de hardware (ex: Figure AI a levé plus de 675 M$)
Investisseurs clés	DST Global, NVIDIA NVentures, Prosus Ventures, Moonfire, Redalpine	Mix d'investisseurs VC, stratégiques et corporatifs

Principaux différenciateurs stratégiques :

• Modèle logiciel seul / licence de plateforme. Flexion se positionne comme une couche d'intelligence horizontale que tout fabricant d'humanoïdes peut licencier, évitant explicitement le « piège de l'intégration verticale » où des entreprises comme Tesla ou Figure doivent construire à la fois le cerveau et le corps .
• Généralisation indépendante du hardware. Entraîner une seule pile sur 14 plateformes humanoïdes différentes en parallèle vise à rendre le cerveau de Flexion portable entre morphologies – contrastant avec la norme industrielle d'un robot-une-pile .
• Boucle d'entraînement entièrement basée sur la simulation. Alors que la plupart des concurrents utilisent des données de téléopération réelles pour l'apprentissage par imitation, Flexion entraîne les politiques à grande échelle en simulation et les transfère zero-shot dans le monde réel, nécessitant une collecte de données réelles minimale .

Mises en garde et questions ouvertes

Un article dédié du Wired de juin 2026 profilant spécifiquement l'autonomie de Flexion pour les tâches de bureau n'a pas été localisé dans les résultats de recherche disponibles. Les preuves les plus détaillées de la démonstration en bureau proviennent du propre post LinkedIn de Flexion (novembre 2025) et du rapport de résultats de l'ICRA 2026 . Les affirmations de l'entreprise concernant la réduction du temps de configuration à « une semaine » et le fonctionnement sur 14 plateformes restent à vérifier à l'échelle commerciale. Et bien que les résultats de l'ICRA 2026 soient impressionnants, le secteur attend toujours des benchmarks tiers comparant les robots propulsés par Flexion tête-à-tête avec des concurrents intégrés verticalement dans un déploiement réel.

Le pari de Flexion est que l'avenir de la robotique humanoïde ressemblera moins à l'iPhone – un ensemble hardware-logiciel étroitement intégré – et plus à Android : un système d'exploitation universel que tout fabricant peut adopter. Si sa méthodologie d'entraînement simulation-first continue de produire des résultats concrets, ce pari pourrait bien s'avérer gagnant.