Au cœur de l'effondrement : six leçons tirées de la disparition d'une start-up spécialisée dans la robotique

Les robots humanoïdes open source K-Bot. | Crédit : K-Scale Labs

Note de la rédaction : Rui Xu est l'ancien directeur général de K-Scale Labs, une start-up basée à San Francisco qui tentait de construire des robots humanoïdes à bas prix. L'entreprise a fermé ses portes fin 2025 et a récemment mis sa propriété intellectuelle en open source. M. Xu a d'abord publié cet article sur LinkedIn. Il a été reproduit avec son autorisation.

Pendant un an, j'ai occupé le poste de directeur des opérations dans une start-up de robotique soutenue par Y Combinator, dont l'objectif ambitieux était de créer des robots humanoïdes abordables. À quarante ans, j'ai mis à profit mes 15 années d'expérience dans le domaine du matériel informatique, acquise lors du lancement de produits chez Intel, Xiaomi, Lenovo, Amazon et ByteDance, pour diriger la chaîne d'approvisionnement et les opérations liées aux produits.

Finalement, l'entreprise n'a pas réussi. Nous n'avons pas réussi à obtenir notre financement de série A et, à la fin de 2025, c'était terminé.

J'ai déjà partagé les moments forts : les hackathons, l'énergie digne d'un garage, le moment où notre robot a fait ses premiers pas. Je souhaite maintenant détailler les véritables leçons que nous avons tirées. Certaines sont des écueils communs à l'ensemble du secteur, d'autres sont des erreurs que nous avons activement commises.

1. Le chauvinisme des grands modèles finira par faire des victimes

Une croyance répandue suggère que les modèles d'IA sont devenus si avancés que le matériel peut se permettre d'être simpliste. Des capteurs ? Le modèle interprétera tout à partir de la vision. Des limites de sécurité ? Le réseau de politiques apprendra à les éviter.

J'appelle cela le « chauvinisme des grands modèles ». Cela a subtilement influencé d'innombrables décisions au sein de notre start-up. Pour être clair, il ne s'agissait pas d'une erreur individuelle : la plupart d'entre nous y adhérait dans une certaine mesure. Les capacités de l'IA étaient vraiment impressionnantes, ce qui a facilement éclipsé les principes fondamentaux du matériel.

Un débat qui me hante encore concerne l'ajout de butées d'extrémité aux articulations du robot. Les butées d'extrémité, ou interrupteurs de fin de course mécaniques, sont des barrières physiques de base qui empêchent une articulation de s'autodétruire. Il s'agit de la redondance de sécurité la plus fondamentale.

L'argument contraire était que la politique de l'IA devait apprendre naturellement les limites de l'articulation et que les butées d'arrêt ajoutaient un coût et un poids inutiles.

Toute personne ayant une expérience du matériel informatique sait que ce raisonnement est erroné. Les butées existent parce que les logiciels peuvent échouer et échouent effectivement. Les modèles présentent des dysfonctionnements. Les politiques rencontrent des cas limites imprévus. Lorsqu'un modèle linguistique hallucine, vous obtenez une réponse absurde. Lorsqu'un actionneur, en raison d'une seule inférence erronée, dépasse sa limite mécanique à plein couple, vous obtenez une machine cassée, ou pire, une blessure.

Le modèle peut être correct dans 99,99 % des cas. La butée d'extrémité est là pour les 0,01 % restants. Dans le monde physique, ces 0,01 % sont la seule statistique qui compte vraiment. Même Tesla, avec tous ses objectifs d'autonomie, continue d'installer des freins sur ses voitures.

2. Les analogies simplistes servent à lever des fonds, pas à construire

Toutes les présentations sur la robotique en contiennent une : « Nous faisons pour les robots ce que Tesla a fait pour les véhicules électriques » ou « C'est le moment iPhone pour l'IA incarnée ». Notre référence était l'analogie avec le hoverboard. Le discours était que les robots humanoïdes suivraient la même courbe de coûts que les scooters auto-équilibrés : d'une nouveauté coûteuse, en passant par la production de masse à Shenzhen, jusqu'à devenir un matériel bon marché et omniprésent.

Le moteur d'un hoverboard n'a besoin que de tourner. Les actionneurs d'un robot humanoïde, en revanche, doivent être extrêmement précis, puissants, dynamiques, durables et identiques d'une unité à l'autre. Un seul actionneur légèrement hors spécifications peut entraîner une marche incorrecte ou une chute du robot. Les analogies avec les hoverboards, les smartphones ou tout autre appareil grand public ne fournissent aucune indication utile pour la construction d'un humanoïde.

Pourtant, « ce sera comme un hoverboard » est une histoire que les investisseurs en capital-risque comprennent. Elle promet une réduction inévitable des coûts, la prouesse de la fabrication chinoise et une production à l'échelle du milliard d'unités. Chaque heure passée à débattre de ces analogies était une heure non consacrée à la résolution des défis techniques réels.

Les analogies sont des algorithmes de compression. Elles simplifient la complexité en écartant certaines informations. Cela convient pour une présentation commerciale. Dans les décisions d'ingénierie, les informations écartées sont souvent celles qui mènent à l'échec.

3. La chaîne d'approvisionnement en matériel n'est pas une tâche simple

Certains fondateurs orientés vers les logiciels considèrent la gestion de la chaîne d'approvisionnement comme une simple tâche : embaucher quelqu'un qui parle chinois, l'envoyer dans une usine et considérer que le travail est fait. Cette idée fausse est un piège courant pour les start-ups spécialisées dans le matériel informatique.

Lorsque j'ai rejoint l'entreprise, il n'y avait aucune infrastructure de chaîne d'approvisionnement : aucune relation avec les fabricants, aucune condition de paiement, aucun processus de contrôle qualité, aucune chaîne logistique. La mise en place de cette infrastructure a nécessité la coordination de l'assemblage, des composants, des actionneurs et de plusieurs fabricants chinois sous contrat pour la fabrication. Chacun d'entre eux a nécessité des négociations distinctes sur les prix, les normes de qualité, les quantités minimales de commande et les calendriers de production, le tout dans différentes devises, fuseaux horaires et cultures d'entreprise avec des hypothèses fondamentalement différentes sur la conclusion d'accords.

Il ne s'agit pas simplement de « discuter avec les fournisseurs ». La fabrication n'est pas un service que vous achetez, c'est une compétence fondamentale que vous devez développer. Votre relation avec votre fabricant sous contrat détermine si les actionneurs arrivent dans les tolérances ou s'ils ont un écart de 2 mm, et si votre coût unitaire est de 800 $ ou de 2 400 $. Si les activités matérielles d'une entreprise peuvent être résumées en une phrase, c'est qu'elle n'a pas de stratégie matérielle, mais seulement un espoir.

4. Le matériel « de base » n'existe pas en robotique

Une idée particulièrement dangereuse circule actuellement, selon laquelle le matériel robotique deviendrait un « produit de base », assemblé à partir de pièces disponibles dans le commerce par des fabricants chinois, à l'instar des smartphones, et dont la valeur réelle résiderait uniquement dans la couche logicielle d'IA.

Ce n'est pas la réalité actuelle, loin s'en faut. Il n'existe pas de nomenclature standard pour un robot humanoïde. Aucun actionneur standard ne fonctionne simplement pour la locomotion bipède. Toutes les équipes qui construisent aujourd'hui un robot à pattes conçoivent du matériel sur mesure.

Lorsqu'une entreprise adhère à l'idée que « le matériel est un produit de base », cela cause de réels dommages. Les équipes qui construisent le produit physique ont souvent moins voix au chapitre et sont moins reconnues que ne le méritent leurs contributions. Le pouvoir organisationnel se déplace vers la fonction jugée stratégiquement « défendable », indépendamment de qui effectue le travail le plus difficile.

J'ai observé un schéma récurrent que j'appelle « l'expertise de Schrödinger ». Lorsqu'un problème matériel survient, les mêmes personnes ne sont soudainement plus des « experts en matériel » et prétendent ne rien y connaître. Pourtant, lorsque l'équipe d'ingénieurs déclare qu'une refonte prendra quatre mois, elles insistent pour que cela soit fait en quatre semaines. On ne peut pas tout avoir, et les ingénieurs qui effectuent le travail réel ne sont pas dupes.

Nos ingénieurs ont construit un robot qui marchait. C'était la prouesse technique la plus difficile que l'entreprise ait réalisée.

5. De mauvaises décisions en matière de R&D sont plus fatales que la malchance dans une course

Le domaine de la robotique est une course. Les capitaux sont disponibles, les talents affluent et le marché observe. Mais une course récompense la vitesse, et la vitesse n'est pas seulement une question d'efforts, c'est le résultat de décisions correctes prises rapidement.

La plus grande erreur que j'ai constatée a été de rester bloqué sur la locomotion. Des mois ont été consacrés à cette tâche, alors que le robot ne marchait toujours pas correctement. Pendant ce temps, la fenêtre de financement s'est refermée et les concurrents ont publié des démonstrations impressionnantes. Ce n'était pas uniquement un échec du leadership ; toute l'équipe, moi y compris, a sous-estimé la complexité du problème et le temps nécessaire pour le résoudre. Notre GitHub regorgeait de référentiels, ce qui, vu de l'extérieur, semblait être un signe de progrès. Mais vu de l'intérieur, il s'agissait d'un mouvement sans convergence. Les référentiels ne se vendent pas. Les démonstrations se vendent. Les produits se vendent.

Le problème plus profond était la qualité des décisions. Les décisions impulsives peuvent être tout aussi fatales que les décisions lentes. S'engager pleinement dans la mauvaise direction ne permet pas de gagner du temps ; cela double les coûts, car il faut ensuite défaire le travail accompli.

La vitesse de la R&D ne se mesure pas en termes de référentiels, de commits ou d'heures enregistrées. Elle se mesure à la rapidité avec laquelle vous convergez vers une solution qui fonctionne réellement.

6. Plus vous vous précipitez, plus vous prenez du retard

Le calendrier de notre projet est devenu une blague interne. Le robot allait toujours marcher « la semaine prochaine ». Chaque semaine.

Lorsque cette culture s'installe, les gens commencent à prendre des raccourcis pour respecter des délais impossibles. Les ingénieurs utilisent des outils de codage IA sans les avoir correctement testés. Les capteurs sont intégrés sans avoir été entièrement calibrés. Puis la démonstration échoue, une fois de plus, et le calendrier est réinitialisé à « la semaine prochaine ».

Cela illustre le proverbe chinois « 欲速则不达 » (yù sù zé bù dá) : littéralement, « vouloir aller vite, c'est ne pas arriver ». Lorsque des délais irréalistes deviennent la norme, l'équipe ne travaille pas plus vite. Elle saute simplement les étapes essentielles qui permettent de faire fonctionner les choses. Chaque étape sautée finit par entraîner un échec qui coûte plus de temps que le raccourci n'en a jamais fait gagner.

Les dégâts s'étendent au-delà de l'ingénierie. Lorsque vous faites des promesses à votre fabricant sous contrat sur la base de délais fantaisistes, vous compromettez cette relation cruciale. Un fabricant a besoin de prévisions réalistes pour planifier sa production. Une mentalité chaotique consistant à « aller vite et casser les codes » peut fonctionner dans le domaine des logiciels, mais elle échoue complètement lorsqu'une usine alloue des lignes de production sur la base d'engagements que vous ne pouvez pas tenir.

Une note personnelle

J'aurais pu être un meilleur directeur des opérations. J'aurais dû m'affirmer davantage dès le début sur les questions organisationnelles, alors qu'elles pouvaient encore être résolues. J'aurais dû insister davantage pour obtenir des délais réalistes au lieu de les laisser passer. Cette responsabilité m'incombe. Mais j'ai appris où se situent ces limites, et je mettrai à profit ces connaissances à l'avenir.

J'ai été présent tout au long du parcours, du premier hackathon jusqu'au dernier e-mail envoyé à un fournisseur.

À tous les jeunes ingénieurs d'une start-up : faites confiance à votre instinct en matière de physique. Si les calculs indiquent qu'un joint va céder, documentez-le. Présentez votre argumentation de manière formelle. Ne laissez pas la pression de la rapidité vous pousser à ignorer ce que vous savez être vrai. Votre réputation professionnelle repose sur ce que vous accomplissez réellement, pas sur ce que vous promettez.

Si ces six leçons peuvent aider quelqu'un, qu'il s'agisse d'un fondateur d'entreprise de matériel informatique, d'un professionnel de la chaîne d'approvisionnement ou d'un parent de quarante ans qui envisage de se lancer dans une carrière dans une start-up, alors cela valait la peine d'écrire cet article.

Je continue de croire en l'IA incarnée. Je pense simplement qu'elle mérite un matériel conçu avec le même sérieux que le logiciel qui la contrôle.

À propos de l'auteur

Rui Xu est un vétéran de l'industrie du matériel informatique basé dans la Silicon Valley. Il a précédemment occupé le poste de directeur des opérations chez K-Scale Labs, une start-up de robotique soutenue par Y Combinator et spécialisée dans les robots humanoïdes abordables. Avant cela, il a passé 18 ans à commercialiser des produits matériels grand public chez Intel, Xiaomi, Lenovo, Amazon et ByteDance, notamment la Xiaomi Mi Box, le Lenovo Smart Display et l'Amazon Fire TV. Il écrit sur la robotique, le matériel informatique et les réalités de la fabrication de produits physiques sur ruixu.us.