Le passage de 23 millions à une série A de 200 millions de dollars est particulièrement spectaculaire pour une entreprise encore en phase de développement dans la robotique de chantier. Cette nouvelle enveloppe doit financer le renforcement des équipes techniques, le déploiement international et l’installation des systèmes sur davantage de projets d’infrastructure.
Le produit central de Gravis n’est pas une pelleteuse propriétaire, mais un système de modernisation. Le Gravis Rack est un kit de contrôle et d’autonomie qui peut être installé sur des engins lourds de Caterpillar, John Deere, Volvo, JCB et Hitachi, mais aussi de Case, Develon, Sumitomo ou Yanmar. Le dispositif couvre plusieurs niveaux d’automatisation : assistance dans la cabine, guidage en 3D, supervision à distance et fonctionnement entièrement autonome.
La partie logicielle, baptisée Gravis Copilot, complète le matériel installé sur la machine. Elle doit permettre de transformer des flottes hétérogènes en équipements semi-autonomes ou autonomes.
Cette compatibilité avec plusieurs constructeurs est au cœur de la stratégie de Gravis. Les entreprises de terrassement choisissent généralement leurs engins selon le prix, les délais de livraison, la disponibilité des pièces, la relation avec le concessionnaire ou les capacités locales de maintenance. Une solution capable de fonctionner sur une flotte déjà en place pourrait donc être plus facile à déployer qu’un système lié à une seule marque.
Selon Gravis, son système combine caméras, capteurs, données télématiques et informations physiques remontées par la machine. Dominic Jud compare cette approche à celle d’un opérateur expérimenté, capable de comprendre l’état du sol en interprétant le régime du moteur, les vibrations de l’engin ou la résistance du circuit hydraulique. L’entreprise affirme que ses modèles utilisent ces signaux pour adapter les commandes aux forces exercées par le sol et le sous-sol, tandis que l’entraînement en simulation aide le système à fonctionner sur différents engins et dans des environnements variés.
L’objectif n’est donc pas seulement de faire suivre à une pelleteuse un trajet préprogrammé. Le système doit l’aider à réagir aux changements de terrain lors d’opérations comme le creusement, le terrassement, l’excavation de tranchées ou le chargement de camions. Au Royaume-Uni, un projet CAM Pathfinder soutenu par le gouvernement et mené avec Flannery Plant Hire teste des pelleteuses hautement automatisées sur six machines pour ce type de travaux.
Gravis affirme que sa technologie peut augmenter la productivité d’un chantier de jusqu’à 30 % par rapport à une utilisation manuelle optimale. La société met également en avant des gains potentiels en matière de sécurité, de réduction des reprises et de relevé topographique ou de cartographie des zones dangereuses.
Cette formulation mérite toutefois d’être gardée en tête : les 30 % correspondent à une affirmation de l’entreprise et non à un indicateur sectoriel vérifié de manière indépendante dans les éléments disponibles sur ce financement. Les résultats réels dépendront notamment de la machine utilisée, de la tâche, de la nature du terrain, de l’organisation du chantier et du niveau d’autonomie retenu.
Gravis indique que ses systèmes sont déjà utilisés avec des clients de l’infrastructure sur quatre continents. Des communications antérieures de l’entreprise et du secteur mentionnent également des déploiements ou des partenariats avec Holcim, Taylor Woodrow, HD Hyundai et Flannery.
La relation avec Flannery est particulièrement intéressante sur le plan commercial. Les deux entreprises ont développé un modèle associant pelleteuses autonomes et location d’engins. Les clients peuvent ainsi accéder à des machines déjà équipées du Gravis Rack, sans acheter eux-mêmes le matériel ni mener seuls l’intégration.
Cette formule pourrait lever un obstacle important à l’automatisation des chantiers : une entreprise peut préférer louer une machine autonome pour un projet donné plutôt que moderniser toute sa flotte et créer immédiatement un programme interne de robotique.
SafeAI et Teleo évoluent sur des segments voisins, liés à l’automatisation des équipements de chantier et à leur pilotage à distance. Gravis met en avant une différence : sa plateforme, fondée sur l’apprentissage et l’adaptation à la machine, est conçue pour fonctionner avec plusieurs marques et plusieurs tailles d’engins, au lieu d’imposer aux clients de se standardiser sur un constructeur.
Cet avantage reste néanmoins une promesse commerciale, pas une garantie de domination du marché. Gravis devra démontrer que ses systèmes restent fiables sur des sites très différents, satisfaire les exigences de sécurité et de validation, contenir les coûts d’intégration et accompagner les clients lorsque les déploiements changeront d’échelle. La poussière, les terrains irréguliers, les charges variables et la présence imprévisible de personnes peuvent révéler sur un chantier des faiblesses invisibles lors d’une démonstration contrôlée.
L’investissement dans Gravis prolonge la volonté de SoftBank de s’exposer à des systèmes capables de percevoir et d’agir dans le monde réel. Le défi commercial est différent de celui des logiciels ou des modèles d’IA généralistes : la technologie doit fonctionner en sécurité à proximité de personnes et de machines, dans des environnements changeants, tout en produisant une valeur mesurable pour les clients industriels.
L’opération s’inscrit aussi dans le mouvement plus large de SoftBank vers la robotique. Le groupe a conclu un accord pour racheter la division robotique d’ABB, pour une valeur d’entreprise de 5,375 milliards de dollars, en présentant cette transaction comme un moyen de rapprocher intelligence artificielle et robotique. L’acquisition restait soumise aux autorisations réglementaires et à d’autres conditions de finalisation dans l’annonce disponible.
SoftBank a par ailleurs créé Robo HD afin de regrouper ses investissements liés à la robotique. Séparément, le groupe a signé un accord prévoyant jusqu’à 40 milliards de dollars d’investissements supplémentaires dans OpenAI ; le montant effectivement investi par SoftBank devrait atteindre 30 milliards de dollars. Une fois l’opération réalisée, l’investissement cumulé dans OpenAI devait atteindre 64,6 milliards de dollars, pour une participation d’environ 13 %. Ces chiffres restent conditionnés à la réalisation de la transaction et à ses modalités définitives.
Gravis pourrait constituer une couche applicative de cette stratégie : des logiciels d’intelligence et d’autonomie déployés directement sur des machines opérant dans un vaste secteur industriel. Il serait toutefois prématuré d’y voir la preuve que SoftBank a déjà assemblé une plateforme intégrée réunissant IA et robotique. Le test immédiat sera beaucoup plus concret : Gravis peut-elle transformer un système de modernisation techniquement flexible en opérations de chantier fiables et répétables ?
Le montant investi par SoftBank montre que l’autonomie des engins de chantier commence à être considérée comme une opportunité de plateforme, et pas seulement comme une succession de projets pilotes. Gravis vise le parc mondial existant de machines lourdes, avec du matériel et des logiciels capables d’apporter l’autonomie sans attendre que chaque constructeur redessine l’ensemble de ses gammes.
Cette stratégie lui donne potentiellement un accès large au marché. Elle soulève aussi les questions les plus difficiles : un même système peut-il fonctionner de façon constante sur des marques et des types d’engins différents ? Les entreprises peuvent-elles lui confier des tâches où la sécurité est critique ? Et les gains de productivité résisteront-ils aux contraintes quotidiennes des chantiers commerciaux ?
Les 200 millions de dollars donnent à Gravis les moyens de chercher des réponses à grande échelle. La pertinence de la valorisation annoncée à 1 milliard de dollars dépendra toutefois moins de la taille de la levée que de sa capacité à convertir ses promesses d’IA physique en production fiable, en opérations plus sûres et en résultats économiques reproductibles pour ses clients de la construction.