Zalando parie 6 M$ sur Sereact et son IA physique : comment le robot qui gère vos retours a séduit le géant de la mode

Pourquoi Zalando a investi : les retours, un problème à 6 M$ qui mérite d'être résolu

Zalando a contribué à hauteur d'environ 6 millions de dollars en tant qu'investisseur stratégique, faisant passer la levée de 110 millions de dollars (menée par Headline en avril 2026) à 116 millions . La portée est double. Premièrement, l'investissement résout un problème aigu pour Zalando : chaque article retourné doit être ouvert, inspecté, plié et réapprovisionné — un processus que le poste à deux bras de Sereact est conçu pour gérer de bout en bout . Deuxièmblement, la participation de Zalando est un signal de validation puissant. Zalando n'est pas un simple bailleur de fonds passif ; c'est un client-investisseur stratégique qui engage son propre poids opérationnel derrière la thèse de l'IA physique .

Le cerveau Cortex : un noyau d'IA unique pour n'importe quel robot

Au cœur de la plateforme Sereact se trouve Cortex, un modèle vision-langage-action (VLA) qui fonctionne comme un système d'exploitation universel pour la robotique . Cortex fonctionne sur plusieurs formes matérielles — cellules de préhension à un bras, postes de retours à deux bras, robots humanoïdes et cellules fixes — sans nécessiter de réentraînement pour chaque facteur de forme . Comme il planifie dans un espace latent visuel plutôt qu'avec des commandes articulaires spécifiques au robot, une compétence apprise sur un type de robot se transfère directement à un autre .

L'automatisation des retours à deux bras : la solution au plus gros casse-tête de la mode

Le poste à deux bras de Sereact est spécialement conçu pour le flux de travail des retours . Il ouvre de manière autonome les colis et les boîtes à chaussures, extrait les articles, les inspecte pour détecter les dommages ou anomalies, plie les vêtements (y compris les jeans), scanne les codes-barres et les étiquettes, et achemine les marchandises vers le réapprovisionnement, la remise à neuf ou la mise au rebut . Le système imite le jugement d'un préparateur de commandes expérimenté, mais fonctionne de manière cohérente à chaque quart de travail et pour chaque marque . Cela cible directement ce qui a été le goulot d'étranglement logistique le plus tenace de l'industrie de la mode : l'imprévisibilité et l'intensité de main-d'œuvre du traitement des retours .

La boucle de données vertueuse : plus d'un milliard de manipulations réelles

L'avantage structurel clé de Sereact est sa boucle de données fermée . Plus de 200 systèmes Sereact sont en service en Europe, avec des clients tels que Daimler Truck, Mercedes-Benz, BMW, PepsiCo, la Poste autrichienne et le groupe Rohlik . Ces systèmes ont effectué plus d'un milliard de manipulations de production réelles — pas des données simulées ou de laboratoire, mais de véritables manipulations issues d'opérations en direct . Chaque manipulation, qu'il s'agisse d'un succès, d'un échec ou d'une récupération, est capturée avec des observations synchronisées, l'état du robot et le retour de force, puis réinjectée dans un modèle centralisé qui est continuellement réentraîné et redéployé sur l'ensemble de la flotte . La flotte atteint déjà un ratio de fiabilité d'environ une intervention humaine à distance pour 53 000 manipulations .

Cortex 2.0 : de « essayer et voir » à « planifier et essayer »

Cortex 2.0, le modèle de nouvelle génération que les fonds de la Serie B sont spécifiquement destinés à développer, enrichit le modèle VLA actuel d'un modèle du monde appris qui simule la physique et le comportement des objets . Au lieu d'agir et de corriger les erreurs de manière réactive, le robot génère désormais de multiples trajectoires futures candidates à partir de son état actuel, les évalue par rapport au modèle du monde en termes de stabilité, de risque et d'efficacité, et ne s'engage que sur la branche la mieux notée — en mettant à jour en temps réel au fur et à mesure que la scène change . Ce changement de paradigme, passant d'une logique « essayer-voir » à « planifier-essayer », est crucial pour les tâches à haute importance comme l'assemblage de composants sous tension, le placement d'objets fragiles et le kitting . La puissance de calcul allouée à la planification est ajustable par tâche, consacrant plus d'anticipation là où l'échec coûte cher et moins là où la récupération est bon marché . Le capital de la Serie B finance également l'expansion internationale de Sereact, notamment avec l'ouverture d'un nouveau bureau à Boston .