Macrodata Labs : l'équipe FineWeb mise 4 M$ sur une infrastructure de données pour la robotique

L'équipe qui a transformé le web ouvert en jeux de données alimentant aujourd'hui les plus grands modèles de langage applique désormais son expertise à un nouveau défi : nettoyer le monde chaotique des données robotiques.

Macrodata Labs est sorti du secret en juin 2026 avec une mission claire : construire la couche d'infrastructure de données manquante pour l'IA physique. La startup a levé 4 millions de dollars en pré-amorçage et lancé simultanément Refiner, un framework open-source pour le traitement des données d'entraînement robotiques .

Le problème : les données physiques sont plus désordonnées que le texte

Macrodata Labs s'attaque à un goulet d'étranglement fondamental en robotique : les données du monde physique sont plus difficiles à traiter que les données textuelles. Les vidéos sont lourdes, les capteurs fonctionnent à des fréquences différentes, les formats changent constamment et le domaine n'a pas encore pleinement déterminé à quoi devrait ressembler le meilleur signal d'entraînement . Les équipes de robotique passent actuellement trop de temps à écrire des scripts fragiles simplement pour rendre leurs données utilisables .

La thèse centrale de l'entreprise est que des données de haute qualité sont essentielles au progrès de l'IA physique et que la robotique a besoin d'une infrastructure pour raffiner les données robotiques brutes du monde réel en jeux de données d'entraînement exploitables . Cela reflète le rôle que les jeux de données web à grande échelle de haute qualité ont joué dans l'amélioration des modèles de langage — la même équipe appliquant désormais des idées similaires de raffinement des données à la robotique .

Les fondateurs : le duo FineWeb

Macrodata Labs a été fondé par Guilherme Penedo et Hynek Kydlíček . Tous deux ont travaillé sur FineWeb chez Hugging Face et sont listés comme auteurs de l'article sur le jeu de données FineWeb . Leur expérience réside dans la curation et le raffinement de données à grande échelle pour l'entraînement de modèles de langage, qu'ils appliquent désormais aux données du monde physique pour les robots .

« Au cours des dernières années chez Hugging Face, Hynek et moi avons travaillé sur certains des jeux de données de pré-entraînement open LLM les plus utilisés, notamment FineWeb et FinePDFs. Ce travail nous a donné un siège au premier rang pour observer comment la montée en puissance du calcul et des données a stimulé le progrès des LLM. Nous commençons à voir un décollage similaire dans la robotique », a écrit Penedo dans une annonce sur LinkedIn .

Refiner : un framework open-source pour les données robotiques

Refiner est le premier produit de Macrodata Labs — un framework open-source de traitement de données robotiques . Il est décrit comme une boîte à outils pour transformer des vidéos de robots désordonnées et d'autres données du monde physique en données d'entraînement robotiques plus propres .

Le framework lit les formats que les équipes de robotique utilisent réellement — LeRobot, HDF5 (ALOHA, robomimic, LIBERO), Zarr, MCAP, vidéo brute et jeux de données Hugging Face — et fournit des outils pour traiter les démonstrations, les images, les trajectoires, les annotations et les flux de capteurs .

Refiner est conçu pour fonctionner localement pendant le développement et passer à l'échelle sur un cloud serveur élastique avec une seule commande . La start-up le positionne comme une « raffinerie de données » pour l'IA physique .

4 M$ en pré-amorçage mené par Air Street Capital

Macrodata Labs a levé un tour de table de 4 millions de dollars en pré-amorçage mené par Air Street Capital, un fonds londonien spécialisé dans les entreprises axées sur l'IA et fondé par Nathan Benaich . Le tour a inclus la participation de Drysdale Ventures, OPRTRS CLUB, Kima Ventures, YG Ventures (Alex Yazdi), >commit, Thomas Wolf (co-fondateur de Hugging Face) et des business angels provenant des principaux laboratoires d'IA et entreprises technologiques .

Air Street Capital, qui a clôturé un fonds III de 232 millions de dollars plus tôt en 2026, compte dans son portefeuille des sociétés comme Synthesia, Black Forest Labs, Wayve, Poolside et d'autres entreprises axées sur l'IA .

La position de l'Europe dans la robotique

La communication publique de Macrodata Labs reste concentrée sur la construction de la couche de données pour la robotique plutôt que sur une stratégie explicite spécifique à l'Europe . L'affirmation la mieux étayée est que l'entreprise est soutenue par Air Street Capital, une société de capital-risque londonienne spécialisée dans l'IA . Ce contexte d'investisseur suggère que le capital européen soutient activement l'infrastructure de données robotiques, mais l'entreprise elle-même n'a pas publié de déclaration formelle sur le rôle de l'Europe dans la robotique .