Sanja Fidler Lance Veeda AI Sur Les World Models

Imaginez un instant un robot capable non seulement d’exécuter des tâches, mais de comprendre le monde qui l’entoure comme le ferait un être humain. Un système qui simule en interne la physique, l’espace et le mouvement avant même d’agir. Cette vision, longtemps cantonnée aux laboratoires de recherche, vient de franchir un cap décisif. Sanja Fidler, figure majeure de l’intelligence artificielle canadienne, a officialisé le lancement de Veeda AI, une jeune pousse qui place les world models au cœur de la prochaine révolution robotique.

Une ambition née au cœur de la recherche Nvidia

Pendant huit ans, Sanja Fidler a dirigé le laboratoire torontois de Nvidia, devenu depuis le Spatial Intelligence Lab. Premier recrutement de l’entreprise dans cet espace canadien, elle a piloté des travaux pionniers sur la modélisation de systèmes physiques et l’analyse de données tridimensionnelles. Son départ, annoncé au début du mois, n’a surpris personne dans le milieu : elle avait déjà affirmé publiquement que les world models représentaient « le prochain grand saut ».

Aujourd’hui, elle ne se contente plus d’observer. Avec deux anciens collaborateurs de Nvidia, Zan Gojcic au poste de directeur technique et Huan Ling comme scientifique en chef, elle lance Veeda AI. La société, incorporée en juin sous le nom de Veeda Innovation, a déjà réuni 90 millions de dollars américains, soit environ 124 millions de dollars canadiens. Radical Ventures, le fonds torontois, et Khosla Ventures, poids lourd de la Silicon Valley, figurent parmi les premiers soutiens.

Chez Veeda, notre seule mission est de construire une réalité simulée pour l’intelligence artificielle physique. Notre conviction est que cela deviendra la couche d’infrastructure critique pour tous les domaines de la robotique.

– Sanja Fidler

Cette déclaration, publiée sur LinkedIn, résume parfaitement l’approche. Là où la plupart des laboratoires se concentrent encore sur les modèles de langage, Veeda AI mise sur une autre forme d’intelligence : celle qui permet à une machine de se représenter le monde réel avant d’y intervenir.

Comprendre les world models, bien plus qu’une simulation

Les world models ne se contentent pas de générer des images ou du texte. Ils construisent une représentation interne de la réalité à partir de données spatiales, physiques et dynamiques. Un robot équipé d’un tel modèle peut anticiper les conséquences d’un geste, prévoir le comportement d’un objet ou s’adapter à un environnement qu’il n’a jamais rencontré auparavant.

Concrètement, cela signifie qu’une machine n’a plus besoin d’apprendre chaque situation par essai-erreur coûteux. Elle « imagine » d’abord, puis agit. Cette capacité change radicalement la donne pour la robotique industrielle, la logistique, l’assistance à domicile ou encore les véhicules autonomes. Le passage du raisonnement purement linguistique à une compréhension incarnée du monde physique marque, selon de nombreux chercheurs, la prochaine étape majeure de l’intelligence artificielle.

Sanja Fidler et son équipe s’appuient sur des années de recherche menée au sein de Nvidia. Leur expertise en modélisation 3D et en simulation de systèmes complexes leur confère un avantage certain. Mais le défi reste immense : créer des modèles suffisamment robustes pour fonctionner hors des laboratoires, dans des environnements réels et imprévisibles.

Un positionnement stratégique dans un marché en pleine ébullition

Veeda AI n’est pas seule sur ce terrain. L’année dernière, Yann LeCun a quitté Meta pour fonder Advanced Machine Intelligence Labs, également centré sur les modèles de monde. De son côté, la startup General Intuition a atteint une valorisation de 2,3 milliards de dollars américains en s’appuyant sur des données issues du jeu vidéo. Ces exemples illustrent une tendance claire : les grands acteurs de l’IA textuelle commencent à regarder au-delà du langage pour conquérir le monde physique.

Dans ce contexte, le choix de Toronto comme base d’opérations n’est pas anodin. La ville s’impose depuis plusieurs années comme un pôle d’excellence en intelligence artificielle, grâce à la présence d’universités de premier plan, d’un écosystème dynamique et d’investisseurs prêts à soutenir des projets ambitieux. Radical Ventures, déjà bien implanté dans la région, apporte non seulement des capitaux, mais aussi une connaissance fine du tissu local.

La participation de Khosla Ventures, de son côté, ouvre des portes vers la Silicon Valley et les grands acteurs industriels américains. Cette double ancrage – canadien et californien – pourrait s’avérer déterminant pour accélérer le développement commercial de la technologie.

Les implications concrètes pour la robotique de demain

Si les world models tiennent leurs promesses, les robots ne se contenteront plus d’exécuter des séquences préprogrammées. Ils deviendront capables de raisonner sur leur environnement, d’anticiper les obstacles et d’apprendre de manière bien plus efficace. Dans une usine, cela pourrait se traduire par une flexibilité accrue face aux variations de production. Dans un domicile, un assistant robotique pourrait adapter son comportement à la configuration unique de chaque pièce et aux habitudes de ses occupants.

Les domaines d’application potentiels sont nombreux :

• La robotique collaborative en environnement industriel, où la sécurité et l’adaptation en temps réel sont cruciales.
• Les systèmes d’aide à la personne, capables de comprendre l’espace domestique et les gestes humains.
• La logistique automatisée, avec des robots capables de naviguer dans des entrepôts en constante évolution.
• Les véhicules autonomes de nouvelle génération, qui gagneraient en capacité de prédiction face aux imprévus de la route.

Ces perspectives expliquent l’intérêt des investisseurs. Une couche d’infrastructure capable de fournir une simulation fiable du monde réel pourrait devenir aussi essentielle que les grands modèles de langage le sont aujourd’hui pour les applications textuelles.

Les défis techniques et éthiques qui restent à relever

Construire un world model fiable n’est pas une mince affaire. Les données nécessaires – spatiales, physiques, temporelles – sont bien plus complexes à collecter et à annoter que du texte. Les modèles doivent gérer l’incertitude, les interactions multiples et les cas limites que le monde réel ne manque jamais de produire. La question de la généralisation reste ouverte : un modèle entraîné dans un environnement donné saura-t-il s’adapter à un contexte radicalement différent ?

Sur le plan éthique, l’arrivée de machines capables de simuler et d’anticiper le monde physique soulève de nouvelles interrogations. Qui est responsable lorsqu’un robot prend une décision sur la base d’une simulation erronée ? Comment garantir la transparence de ces modèles internes ? Les questions de sécurité et de contrôle deviennent d’autant plus sensibles que les applications touchent directement le monde physique.

Sanja Fidler et son équipe semblent conscientes de ces enjeux. Leur expérience au sein d’un grand laboratoire industriel leur a sans doute permis d’identifier les pièges classiques de la recherche trop éloignée des contraintes réelles. L’objectif affiché – devenir une infrastructure critique – implique nécessairement de travailler en étroite collaboration avec les acteurs de la robotique et de l’industrie.

Le rôle croissant du Canada dans la course mondiale à l’IA physique

Le lancement de Veeda AI s’inscrit dans une dynamique plus large. Le Canada, et particulièrement Toronto, a su attirer et retenir des talents de premier plan en intelligence artificielle. La présence d’universités comme celle de Toronto, où Sanja Fidler continue d’enseigner en tant que professeure associée, crée un vivier de chercheurs et d’ingénieurs difficile à égaler.

Cette annonce intervient également à un moment où les gouvernements et les investisseurs canadiens cherchent à consolider leur position dans les technologies de pointe. Les world models pourraient offrir une opportunité de différenciation face aux géants américains et chinois qui dominent encore largement le marché des grands modèles de langage.

En misant sur la simulation du monde physique plutôt que sur la génération de texte, Veeda AI se place sur un terrain encore relativement ouvert. La concurrence existe, mais le champ d’application reste vaste et les besoins industriels réels. Si l’équipe parvient à livrer des modèles performants et déployables, le Canada pourrait s’imposer comme un acteur clé de cette nouvelle vague.

Une levée de fonds qui en dit long sur les attentes du marché

Quatre-vingt-dix millions de dollars américains dès le départ, ce n’est pas anodin. Ce montant traduit à la fois la confiance des investisseurs dans l’équipe fondatrice et l’urgence perçue autour des world models. Les fonds ne serviront pas uniquement à recruter des talents : ils permettront aussi de constituer les jeux de données nécessaires, de développer les infrastructures de calcul et de tester les modèles dans des conditions réelles.

Le fait que Radical Ventures et Khosla Ventures s’associent sur ce dossier souligne l’intérêt croisé entre l’écosystème canadien et les grands acteurs de la Silicon Valley. Pour une startup encore très jeune, c’est un signal fort. Cela ouvre également la porte à d’éventuels partenariats industriels qui pourraient accélérer l’adoption des technologies développées.

Reste à voir comment Veeda AI utilisera ces ressources dans les mois qui viennent. Les annonces techniques et les premiers résultats concrets seront scrutés de près par la communauté scientifique et industrielle. Dans un domaine où la promesse est grande, la capacité à livrer des preuves tangibles fera rapidement la différence.

Vers une nouvelle infrastructure de l’intelligence artificielle

Si l’on prend du recul, le projet de Veeda AI s’inscrit dans une évolution plus profonde de l’intelligence artificielle. Après une décennie dominée par les modèles de langage et la génération de contenu, l’attention se déplace progressivement vers des systèmes capables d’agir dans le monde réel. Les world models apparaissent comme une pièce manquante de ce puzzle : une façon de donner aux machines une forme de compréhension spatiale et physique.

Cette transition ne se fera pas du jour au lendemain. Elle nécessitera des avancées algorithmiques, des volumes de données colossaux et une collaboration étroite entre chercheurs, ingénieurs et industriels. Mais les premiers signaux sont là. Des figures de premier plan quittent les grands laboratoires pour se consacrer pleinement à ce sujet. Des levées de fonds importantes se multiplient. Des startups se positionnent déjà comme futures infrastructures critiques.

Sanja Fidler, avec son parcours unique entre université, grand groupe technologique et maintenant entrepreneurship, incarne parfaitement cette bascule. Son expérience au sein de Nvidia lui a permis de mesurer à la fois le potentiel et les limites des approches actuelles. En fondant Veeda AI, elle transforme une intuition de recherche en projet entrepreneurial ambitieux.

Le chemin sera long, les obstacles techniques nombreux, et la concurrence féroce. Pourtant, l’idée d’une intelligence artificielle capable de simuler le monde avant d’y intervenir reste l’une des plus fascinantes de ces dernières années. Si Veeda AI parvient à concrétiser cette vision, elle aura non seulement transformé la robotique, mais aussi redéfini ce que signifie pour une machine de « comprendre » le réel.

Dans les prochains mois, les regards se tourneront vers Toronto. Les premiers résultats de l’équipe, les éventuels partenariats et la manière dont la technologie sera déployée diront si cette nouvelle aventure tient ses promesses. Une chose est déjà certaine : le débat sur l’avenir de l’intelligence artificielle ne se limite plus au langage. Il s’étend désormais au monde physique, et Veeda AI entend y jouer un rôle central.