2025 et au-delà
Difficile de lire dans le marc de café, et j’avoue qu’en 2013 lors du dépôt à l’INPI des termes Smart-Industries et 4-0, je ne pensais pas qu’ils allaient prendre une telle ampleur.
En rentrant de la foire de Hanovre, ou le terme d’Industrie 4.0 commençait à apparaître de manière très confidentielle, je posais la question à mes principaux interlocuteurs français, mais personne ne pouvait m’expliquer de quoi il s’agissait.
En Allemagne, en 2011, ils étaient une petite dizaine d’initiés autour d’Angela Merkel à lancer l’opération consistant à annoncer cette quatrième révolution industrielle en préparation, l’industrie allemande se devait de reprendre la main. Alors prudence sur le futur.
Devant le succès « marketing » de cette 4ème Revolution, mais aussi technologique, le 4.0 s’est imposé rapidement. Et chaque entreprise se classait à l’aune de ce 4.0, certaines étaient déjà 3.4, d’autres stagnaient à 3.2 tandis que les derniers restaient péniblement au 3.0…..
Dix ans plus tard, certains ont voulu créer, sans grand succès, une cinquième, voire une sixième, Révolution Industrielle, mais ils ont confondu marketing et réalité du terrain.
Sans refaire un retour en arrière, la première Révolution c’est la vapeur, la capacité à créer de la puissance en compressant …. Avec comme résultante la forge pour déformer des pièces, la création de locomotives à vapeur et donc des voies ferrées, et donc des personnes qui s’installent au plus proche des gares pour aller travailler…. C’est une véritable Révolution qui a impacté les populations. Le Far-West est né.
La deuxième, c’est l’électricité, avec certes l’éclairage, le chauffage mais surtout les moteurs électriques. Ils sont partout, on produit aujourd’hui environ 50 millions de moteurs électriques par jour que ce soit dans l’électroménager, les métros… une Révolution qui a impacté, elle aussi, fortement nos habitudes de vies.
La troisièmement c’est l’électronique, une possibilité de faire varier la vitesse des moteurs (et donc de transformer les trains à vapeur en trains électriques), d’asservir les machines, de créer des boucles de commandes, de réguler les températures, de se lancer dans les énergies renouvelables… Sans elle pas de radio ni de Télévision, pas de salles de cinéma, pas d’électroménager et pas de minitel…. Si ce n’est pas une Révolution.
La quatrième c’est la digitalisation. Industriellement, c’est cette capacité de faire dialoguer des usines entre elles à travers le monde. De lier l’écosystème entier, la logistique avec la production…Du coup, il devient possible de piloter à distance, mais aussi de travailler à distance (le fameux télétravail). Impliquant encore une fois, un changement important des populations (et nous n’en sommes qu’au début du processus). Pour le grand public, on pourrait parler d’informatisation avec le Streaming, les réseaux sociaux qui relient entre eux les personnes qui ne se connaissent pas physiquement.
La prochaine Révolution, sera surement l’Ultime. Je vais m’essayer à vous la brosser en prenant comme référence quelques indices actuels qui ne demandent qu’à s’agréger.
Je découpe cette ultime Révolution en 5 parties complémentaires. Une fois ces éléments connus, vous verrez que cette ultime Révolution risque de vous faire peur ou au contraire répondra à vos envies les plus enfouies. Patience donc :
1. Capture de l’intention
2. Interprétation cognitive
3. Co-émergence Produit–Marché (Itération entre Conception générative – Détection du désir collectif)
4. Conception & Simulation autonome
5. Exécution physique
L’industrie a toujours répondu à des besoins exprimés. Désormais, elle commence avant même la parole ou la décision consciente. Les technologies neuronales transforment l’imagination humaine en données exploitables.
Dans ce chapitre nous parlerons entre autres d’Interfaces Cerveau-Ordinateur (BCI en anglais) permettant de relier directement le cerveau à des ordinateurs.
Quelques exemples :
Neuralink – N1 ImplantFondée en 2016 par Elon Musk, le N1 Implant est une interface cerveau-ordinateur placée dans le cortex grâce à des fils ultrafins contenant plus de mille électrodes capables d’enregistrer l’activité neuronale. Les premiers essais humains ont commencé en 2024 et permettent déjà à des patients paralysés de contrôler un curseur, écrire des messages ou jouer à des jeux vidéo uniquement par la pensée.
Dans sa phase actuelle, la technologie vise à restaurer des fonctions perdues : communication pour les personnes paralysées, contrôle d’ordinateurs, puis interaction avec des prothèses ou des robots. Les recherches portent aussi sur la restauration de la vision ou de certaines capacités sensorielles.
À plus long terme, Neuralink imagine une interface directe entre cerveau humain et systèmes numériques. Dans le contexte d’une nouvelle révolution industrielle, cette technologie pourrait transformer l’intention humaine en signal exploitable par les machines et les réseaux industriels.
Objectif ultime : connecter le cerveau aux machines pour transformer la pensée en action.
D’autres acteurs comme Merge Labs (appuyé par OpenAI) ou des technologies de BCI non invasives de Meta explorent des moyens d’interpréter l’activité cérébrale.
Synchron – Stentrode
Cette startup fondée en 2016, propose un implant BCI endovasculaire. Ce Stentrode est une interface cerveau-ordinateur implantée dans un vaisseau sanguin du cerveau via un cathéter introduit par la veine jugulaire, sans ouvrir le crâne. Une fois en place près du cortex moteur, ses électrodes captent les signaux neuronaux liés à l’intention de mouvement et les transmettent sans fil vers un ordinateur ou un smartphone. Des essais cliniques ont déjà permis à des patients paralysés d’écrire, naviguer sur Internet ou contrôler des appareils uniquement par la pensée.
La technologie vise d’abord à restaurer autonomie et communication chez des personnes souffrant de paralysie ou de maladies neurodégénératives. À moyen terme, l’objectif est de créer des interfaces cerveau-machine plus larges capables de piloter objets connectés, environnements numériques ou robots industriels. Ces interfaces pourraient transformer l’intention humaine en commande directe pour les systèmes numériques et physiques.
Objectif ultime : relier cerveau et machines pour transformer l’intention en action numérique ou physique.
Concurrents clés: Neuralink (N1 Implant), Paradromics (Connexus BCI), Blackrock Neurotech (Utah Array).
Kernel – Kernel Flow
Neurotech fondée en 2016 par Bryan Johnson, travaille sur un casque d’imagerie cérébrale non invasif. Ce Kernel Flow est un casque d’imagerie cérébrale portable utilisant la spectroscopie optique pour mesurer l’activité du cerveau en temps réel.
Contrairement aux implants, il fonctionne sans chirurgie : des capteurs lumineux analysent les variations d’oxygénation du sang dans le cortex afin d’identifier les zones cérébrales activées pendant la perception, l’attention ou l’imagination.
Déjà utilisé dans des laboratoires et par certaines entreprises, il permet d’étudier comment le cerveau réagit à des images, des expériences ou des décisions. À court terme, l’objectif est de rendre l’étude du cerveau plus accessible que les IRM traditionnelles. À moyen terme, ces dispositifs pourraient permettre de comprendre les états cognitifs associés au désir, à l’intérêt ou à la motivation. Ce type de technologie ouvre la voie à des systèmes capables de détecter les réactions mentales face à des produits ou expériences avant même leur formulation consciente.
Objectif ultime : comprendre l’activité mentale pour connecter cognition humaine et systèmes industriels.
Concurrents clés : OpenBCI (Galea), Emotiv (EPOC X), NextMind (Neural Interface).
NextMind – Neural Interface Module
Startup française fondée en 2017, son Neural Interface Module est une interface cerveau-ordinateur non invasive placée à l’arrière du crâne, au niveau du cortex visuel. Grâce à des capteurs EEG et des algorithmes d’apprentissage automatique, le dispositif détecte les signaux neuronaux générés lorsque l’utilisateur fixe un objet ou un bouton virtuel et les traduit en commande numérique. Concrètement, il devient possible d’activer un objet ou une interface simplement en concentrant son attention visuelle sur celui-ci.
Les premiers kits permettent déjà de contrôler des interfaces informatiques, des jeux ou des environnements de réalité virtuelle sans utiliser les mains.
À moyen terme, cette technologie pourrait être intégrée à des lunettes de réalité augmentée ou à des interfaces spatiales, permettant d’interagir avec des objets numériques dans l’environnement réel. Ce type d’interface transforme l’attention humaine en signal exploitable par les systèmes numériques et les machines.
Objectif ultime : interagir avec le monde numérique par l’attention seule, sans interface physique.
OpenBCI – Galea
Plateforme neurotech créée en 2020, avec le casque BCI multimodal pour réalité virtuelle Galea. Le casque combine plusieurs capteurs biologiques : EEG pour l’activité cérébrale, suivi oculaire, capteurs cardiaques, électromyographie et mesure de la conductance de la peau.
L’objectif est d’analyser en temps réel les réactions cognitives, émotionnelles et physiologiques d’un utilisateur immergé dans un environnement numérique.
Aujourd’hui, la plateforme est utilisée dans la recherche et par certaines entreprises pour comprendre l’attention, le stress ou l’engagement face à des expériences virtuelles. À terme, ces données pourraient permettre aux systèmes numériques de s’adapter automatiquement à l’état mental d’un individu. La technologie ouvre la voie à des interfaces capables de comprendre les réactions humaines profondes face à des produits, services ou environnements avant même qu’elles soient exprimées.
Objectif ultime : des machines capables de comprendre et d’adapter le monde à l’état mental humain.
Capture de l’intention – Que retenir ?
Tous les outils sont déjà dans les starting-blocks pour capter nos intentions, autant celles voulues que celles enfouies au fond de nos pensées. Le panel des technologies utilisées reste ouvert, allant de l’invasif ou non-invasif.
Mais en regardant ne serait-ce que 10/20/30 ans en arrière, vous vous rappelez certainement de « l’ordinateur pour tous » auquel personne ne croyait vraiment, de même pour le smartphone dans toutes les poches ou les montres connectées. Alors imaginer que dans 10/20/30 ans nous ayons une puce greffée ou des lunettes qui ne servent plus à lire un texte mais au contraire à lire nos pensées, il n’y a qu’un pas qu’il serait ridicule de ne pas imaginer, ce n’est plus de la science-fiction.
Mais une intention brute personnelle n’est pas encore un produit. Des systèmes d’intelligence artificielle doivent encore analyser, débattre et traduire ces signaux humains en hypothèses concrètes. L’idée n’est plus inventée par un individu, mais émergeante d’une cognition machine collective.
Aujourd’hui, on parle désormais de multi-agent systèmes, d’orchestration d’IA, certaines entreprises développent des agents IA autonomes capables de discuter entre eux, de se corriger, de se répartir des tâches..
Quelques exemples :
Adeptr — ACT-1 Agent
Créé par Adept AI (San Francisco, ~2022), ACT‑1 (« Action Transformer ») est conçu pour transformer des commandes en langage naturel en actions sur logiciels numériques, naviguant, cliquant et remplissant des tâches comme le ferait un humain dans divers outils. Il dépasse les modèles de langage (LLM) en ajoutant une capacité d’action autonome sur interfaces existantes sans intégrations spécifiques, automatisant des workflows complexes. Aujourd’hui, les systèmes d’automatisation traditionnels (RPA, scripts, assistants vocaux) nécessitent des paramétrages lourds, tandis qu’ACT‑1 apprend des millions d’interactions pour généraliser l’usage de logiciels variés. Ce mouvement s’inscrit dans une trajectoire plus large d’agents IA qui redéfinissent l’interaction homme‑machine, promettant des interfaces basées sur le langage plutôt que des menus GUI.
Objectif ultime : substituer l’interface graphique par un « OS IA » piloté en langage naturel.
Concurrents clés : OpenAI ChatGPT Agents, Anthropic (MCP/agents), Imbue IA, Cognition Labs sont sur des objectifs similaires.
Imbue — Reasoning Agents
Fondée 2021 à San Francisco, Imbue se positionne au cœur de la nouvelle révolution industrielle en concevant des agents d’IA capables de raisonner avant d’agir, dépassant les simples modèles de langage qui ne font que prédire des mots.
Ces agents, entraînés sur des modèles fondamentaux (~70 milliards de paramètres), apprennent à analyser un problème, le décomposer en étapes et optimiser des solutions allant bien au‑delà de la génération de texte.
Aujourd’hui, beaucoup d’outils numériques automatisent des tâches répétitives ou assistent partiellement la création (scripts, RPA, assistants vocaux), mais restent dépendants d’instructions rigides ou de prompts isolés. Imbue vise à combler cet écart en intégrant des capacités de planification, de correction d’erreurs, et de collaboration humaine pour des workflows complexes (développement logiciel, analyse de données, recherche). Leur vision est d’abaisser les barrières entre l’intention humaine et l’exécution automatisée, transformant les ordinateurs en partenaires de pensée et d’action, et non en outils passifs. Cette approche redéfinit l’interaction homme‑machine en rendant l’IA capable d’abstraire, raisonner et agir de manière autonome.
Objectif ultime : Vers une informatique où l’IA raisonne, planifie et agit pour réaliser nos objectifs sans supervision constante.
Concurrents clés : OpenAI Agents, Anthropic, Adept, Cognition, Google DeepMind œuvrent aussi à des IA agentiques raisonneuses.
Cognition Labs — Devin
Lancé par Cognition Labs (~2024), Devin est un « ingénieur logiciel IA autonome ». C’est un agent d’IA capable d’exécuter l’ingénierie logicielle de bout en bout à partir d’instructions en langage naturel. Contrairement aux assistants classiques qui se contentent de suggestions, Devin planifie, écrit, teste, débogue et peut proposer des pull requests dans un environnement avec terminal, éditeur de code et navigateur intégrés.
Aujourd’hui, la plupart des outils d’IA en développement logiciel (copilots, auto‑complétion) restent assistants dépendants de l’interaction humaine. Devin vise à réduire l’effort humain sur les tâches routinières, en automatisant les workflows techniques complexes tout en conservant supervision et correction humaines.
L’IA ne se limite plus à générer du texte mais agit comme partenaire de travail, capable de raisonner, apprendre et itérer dans des systèmes réalistes. En ouvrant la voie à une intégration profonde d’agents IA dans les équipes d’ingénierie, Cognition Labs pose les bases d’usines logicielles autonomes.
Objectif ultime : un écosystème IA où agents autonomes construisent et maintiennent des logiciels sans limites humaines.
Concurrents clés : OpenAI Agents, Anthropic, Adept, Imbue, Google DeepMind travaillent aussi sur des agents IA autonomes.
MultiOn — MultiOn Agent
Lancé au milieu des années 2020, MultiOn vise à transformer la manière dont les humains interagissent avec l’univers numérique en déléguant les tâches en ligne aux agents IA autonomes. Ces agents comprennent des commandes en langage naturel, naviguent sur des sites web, interagissent avec des services et accomplissent des workflows complexes (réserver des vols, commander, planifier, négocier ou remplir des formulaires) de bout en bout sans supervision constante.
La plupart des outils numériques requièrent que l’utilisateur effectue lui‑même de nombreuses étapes répétitives ou qu’un développeur programme des automatisations spécifiques (scripts, RPA). En revanche, MultiOn met l’accent sur l’autonomie, la capacité à exécuter des tâches multi‑étapes, la scalabilité avec des agents parallèles, et l’intégration via une API pour développer des agents personnalisés ou pour enrichir d’autres applications. Dans cette vision, les agents IA ne sont plus de simples assistants réactifs (comme les chatbots classiques), mais des travailleurs numériques capables de libérer du temps humain en prenant en charge des interactions complexes. L’objectif est de réduire les frictions entre la volonté humaine et l’exécution de tâches en ligne, en rapprochant l’informatique autonome de la gestion des activités quotidiennes et professionnelles.
Objectif ultime : Vers une ère où des armées d’agents IA autonomes orchestrent nos tâches numériques sans intervention humaine.
Concurrents clés : OpenAI Agents, Anthropic Agents, Adept, Imbue, Jenova et Google DeepMind.
Fixie.ai — Ultravox
Né en 2023‑24, Ultravox de Fixie.ai vise à franchir un cap décisif : rendre les interactions vocales avec l’IA aussi naturelles, rapides et efficaces que la conversation humaine. Contrairement aux systèmes classiques qui transforment d’abord la parole en texte, Ultravox comprend la paroledirectement, ce qui réduit la latence.
Cette plateforme propose une pile complète pour créer des agents vocaux IA évolutifs – capables de répondre, dialoguer, analyser et même interagir par téléphone via des APIs et SDKs dédiés. Aujourd’hui, la majorité des assistants vocaux comme Siri ou Alexa sont limités par des étapes intermédiaires de reconnaissance et des workflows fragmentés. Ultravox ouvre la voie à une automatisation des services clients, des call‑centers, des assistants personnels et des interfaces conversationnelles universelles.
En intégrant des modèles multimodaux (texte & parole) open‑source performants, Ultravox démocratise l’accès à des agents vocaux intelligents pour entreprises et développeurs, abordant des cas d’usage complexes comme la traduction instantanée, l’analyse de contenu et la conversation naturelle.
Objectif ultime : Vers une ère où des agents IA vocaux omniprésents dialoguent naturellement avec tout système.
Concurrents clés : OpenAI Voice, Anthropic Voice Models, Google Gemini Voice, Microsoft Azure Voice.
Moltbook – Réseau social dédié à l’IA
Lancé en janvier 2026 par Matt Schlicht, Moltbook est un réseau social pour IA agents uniquement. Idée de génie dont je parle souvent et qui résume bien l’évolution folle de ces derniers temps.
Moltbook symbolise une expérimentation radicale : un espace social où seuls des agents d’intelligence artificiellediscutent, publient, commentent et votent, tandis que les humains ne font qu’observer. Pensé comme le Reddit des IA, le produit vise à explorer comment des systèmes automatisés peuvent partager connaissances, structurer des communautés (“submolts”), coordonner idées ou solutions, et développer des normes sociales propres à des entités numériques.
Moltbook propose une plateforme “agent-first” où les IA deviennent actrices de leurs propres échanges, ouvert aux humains seulement comme spectateurs. Ce concept met en lumière des questions clés de la révolution industrielle IA : émergence de réseaux sociaux non humains, autonomie des agents, réputation numérique indépendante… Pour le moment des vulnérabilités ont montrées les limites actuelles, Andrej Karpathy, ancien directeur de l’IA chez Tesla, qualifie Moltbook de « cauchemar en termes de sécurité informatique ».
Concurrents clés : AgentLand, AI Reddit experiments, SocialAI, bot worlds explorent l’interaction IA‑IA.
Interprétation cognitive – Que retenir ?
Ces développements sont des sortes de Big Brother qui travaillent à notre service, et les amateurs de Science-Fiction de la fin du siècle dernier retrouveront pas mal de thèmes, à l’époque farfelus, qui deviennent réalité.
Des IA qui créent un réseau social pour elles, interdit aux humains… Mais que peuvent bien se dire des IA entre elles ? Quand vont-elles décider que l’humain n’est plus bon à rien ? (Pierre Boule – la planète des singes – sort de ce corps).
Le produit rêvé puis synthétisé par l’IA n’est plus conçu, puis testé sur le marché comme aujourd’hui.
Le produit va évoluer, grâce à l’analyse continue des comportements globaux. Le marché et l’objet naissent désormais dans une même boucle d’apprentissage. Une itération permanente entre Conception générative et Détection du désir collectif.
Quelques exemples :
Autodesk – Generative Design
Développé par la société Autodesk et introduit commercialement en 2018 dans Fusion 360, Generative Design transforme la conception industrielle. L’ingénieur ne dessine plus une forme : il définit des contraintes (poids, matériaux, résistance, coût, méthodes de fabrication), puis l’algorithme explore automatiquement des milliers de configurations possibles.
Les solutions optimisées apparaissent sous forme de géométries souvent organiques, impossibles à imaginer par conception traditionnelle.
Aujourd’hui, ces outils fonctionnent surtout comme assistants de conception, générant des variantes que l’humain sélectionne et adapte. L’évolution attendue va vers des systèmes entièrement intégrés : simulation temps réel, fabrication additive, jumeaux numériques et IA générative capables de concevoir des objets complets, optimisés pour la production et l’usage dès leur création.
Objectif ultime : Vers une industrie où l’IA conçoit seule objets et structures optimales, prêtes à fabriquer.
Concurrents clés : Dassault Systèmes, Siemens, nTopology, PTC, Altair développent aussi la conception générative.
Palantir Technologies
Fondée en 2003 par Peter Thiel et ses associés, Palantir Technologies développe des plateformes permettant de relier, structurer et exploiter d’immenses volumes de données provenant d’organisations complexes. Ses principaux logiciels, Gotham (pour la défense et le renseignement) et Foundry (pour les entreprises), permettent d’intégrer des données dispersées — capteurs industriels, bases logistiques, systèmes ERP ou rapports opérationnels — afin de produire des analyses et des décisions en temps réel.
Dans l’industrie, ces outils servent à optimiser les chaînes d’approvisionnement, surveiller les usines, prévoir les pannes ou coordonner des opérations globales. L’objectif actuel est de transformer les organisations en systèmes pilotés par la donnée, où humains, logiciels et machines partagent une vision opérationnelle commune.
L’évolution va vers des « systèmes d’exploitation pour organisations », capables de créer des jumeaux numériques d’entreprises, d’intégrer l’IA générative et d’automatiser des décisions stratégiques dans des environnements complexes comme l’industrie, la santé ou la défense.
De quoi permettre de répondre à la Brique “regarder qui dans le monde pense la même chose”..
Objectif ultime : Vers des organisations pilotées par l’IA, simulant et optimisant chaque décision.
Concurrents clés : Snowflake, Databricks, C3.ai, IBM, Microsoft, Google
Black Swan Data — Signals Platform
Créée à Londres en 2011, Black Swan Data développe une plateforme d’intelligence prédictive (souvent appelée Signals ou Trendscope) destinée aux entreprises de consommation et d’innovation produit. Le système collecte et structure des millions de conversations issues des réseaux sociaux, blogs, forums ou médias en ligne afin d’identifier les signaux faibles de nouvelles tendances.
Grâce au traitement du langage naturel et à des algorithmes prédictifs, la plateforme transforme ces données massives en indicateurs exploitables : évolution des goûts, nouvelles attentes consommateurs, opportunités d’innovation ou risques de marché.
Aujourd’hui, l’outil agit surtout comme un système d’anticipation stratégique : il cartographie plus de 500 000 tendances et prétend prédire leur évolution avec une forte précision. L’étape suivante vise des plateformes capables d’intégrer en continu données sociales, économiques et industrielles afin de piloter l’innovation en temps réel et réduire l’incertitude dans les marchés mondiaux.
Objectif ultime : Vers une économie où l’IA détecte les tendances avant qu’elles n’existent vraiment.
Concurrents clés : Signal AI, Sprout Social, Circana, Suzy, Brandwatch développent aussi l’analyse prédictive.
Trendalytics — Trend Forecasting Engine
Fondée à New York en 2013, Trendalytics développe une plateforme d’intelligence de marché utilisant l’intelligence artificielle pour prévoir les tendances de consommation dans la mode, la beauté et le commerce. Son moteur de prévision analyse des milliards de signaux provenant de recherches Google, réseaux sociaux, influenceurs et données e-commerce afin d’identifier l’évolution des goûts des consommateurs.
La plateforme transforme ces données massives en tableaux de bord exploitables : vitesse d’apparition d’une tendance, potentiel de croissance, saturation du marché ou moment optimal pour lancer un produit. Elle permet ainsi aux marques de décider quoi produire, quand lancer un produit et comment adapter marketing et merchandising.
Aujourd’hui, ces systèmes servent surtout d’outils d’aide à la décision pour les équipes marketing et produit. L’évolution attendue va vers des moteurs prédictifs capables de détecter automatiquement les signaux faibles mondiaux, de simuler la demande future et de piloter en temps réel la conception, la production et la distribution des produits dans l’économie numérique.
Objectif ultime : Vers une industrie où les produits naissent directement des données sur les désirs futurs.
Concurrents clés : WGSN, Black Swan Data, Heuritech, TrendHunter et Edited développent aussi l’IA des tendances.
Heuritech — Market Intelligence Platform
Fondée à Paris en 2013, Heuritech développe une plateforme d’intelligence de marché basée sur la vision par ordinateur. Son système analyse des millions d’images publiées sur Instagram, blogs, défilés ou e-commerce afin d’identifier automatiquement vêtements, couleurs, matières, silhouettes ou styles émergents.
Les algorithmes détectent ensuite l’évolution de ces éléments dans le temps pour anticiper les tendances de consommation plusieurs mois à l’avance. Les grandes marques de mode et de luxe utilisent ces analyses pour orienter la création, ajuster les collections et optimiser la production. Aujourd’hui, la plateforme agit comme un outil d’aide stratégique reliant données culturelles et décisions industrielles. L’évolution vise des systèmes capables d’anticiper la demande mondiale en temps réel, d’intégrer données sociales, visuelles et commerciales et de piloter la conception produit, la logistique et la distribution dans des chaînes d’approvisionnement entièrement guidées par la donnée.
Objectif ultime : Vers une mode conçue par IA à partir des signaux visuels émergents de la culture mondiale.
Concurrents clés : Trendalytics, WGSN, Black Swan Data, TrendHunter et Edited
Spate — Trend Database
Spate est une plateforme d’analyse prédictive, créé en 2018, qui transforme les signaux numériques du web en intelligence économique. Son moteur analyse des milliards de requêtes Google ainsi que des millions de contenus publiés sur TikTok et Instagram pour détecter les signaux faibles de consommation.
L’objectif actuel est d’identifier les tendances émergentes — ingrédients, produits, usages ou styles de vie — et d’en prédire l’évolution avec des modèles d’IA capables d’anticiper jusqu’à un an de dynamique de marché. La plateforme fournit aux entreprises un tableau de bord permettant de repérer les tendances naissantes avant qu’elles ne deviennent massives, afin d’orienter innovation, marketing et investissement.
Dans la logique de la nouvelle révolution industrielle, ces bases de données transforment les comportements humains en matière première stratégique : les marchés ne sont plus seulement observés, ils sont modélisés et anticipés. À terme, l’évolution va vers des systèmes capables de détecter automatiquement les besoins futurs de la société et d’influencer la conception des produits, voire des industries entières.
Objectif ultime : Vers une IA globale capable de prévoir et orienter la demande mondiale en temps réel.
Concurrents clés : WGSN, Heuritech, CB Insights, Quantilope, GWI, Google Trends : autres plateformes d’anticipation.
Voyantis — AI Growth Platform
Voyantis, fondée en 2020, est une plateforme d’intelligence artificielle qui aide les entreprises à comprendre la valeur future de chaque client et à optimiser l’ensemble du cycle de croissance. Son système analyse des milliers de signaux — interactions, transactions, comportements numériques — afin de prédire la valeur vie client (LTV) et la probabilité d’achat, de fidélité ou d’abandon.
Ces prédictions sont ensuite transformées en actions automatisées : ciblage publicitaire, offres personnalisées, stratégies d’acquisition ou de rétention. La plateforme se connecte directement aux grandes infrastructures marketing (Google, Meta, Salesforce, Braze) pour ajuster les campagnes et concentrer les ressources sur les utilisateurs les plus rentables.
Aujourd’hui, ces outils servent principalement à améliorer le retour sur investissement marketing et à guider les décisions commerciales. Mais ils annoncent une transformation plus profonde : dans l’économie pilotée par la donnée, les entreprises cherchent à prévoir la valeur économique d’un individu avant même qu’il ne devienne client. À terme, ces systèmes pourraient piloter automatiquement les stratégies de marché, anticiper les comportements collectifs et orienter en temps réel la conception des produits et services.
Objectif ultime : Vers une économie où l’IA anticipe la valeur future de chaque individu avant l’acte d’achat.
Concurrents clés : Pecan AI, Black Crow AI, DataScience.com, Amplitude, Optimove : IA pour prédire la valeur client.
Co-émergence Produit–Marché – Que retenir ?
Ce sont ces allers-retours entre Conception générative et Détection du désir collectif qui vont permettre de faire émerger le Produit dont vous rêviez à un prix Marché acceptable tout en tentant de répondre aux besoins d’un maximum d’acheteurs potentiels.
La plupart des outils mentionnés dans ce chapitre sont déjà utilisés par de grands groupes industriels. Nous ne sommes plus dans de la science-fiction mais bel et bien dans le réel, et si pour certains produits ils n’en sont qu’à la V1, inutile de se leurrer, la V10/20/30 sera sans commune comparaison.
Une fois stabilisée, l’idée devient un objet virtuel complet. L’IA conçoit, optimise et simule le produit ainsi que son environnement industriel avant toute production physique. Le prototype réel devient presque inutile.
Il ne reste plus qu’à planifier les différentes opérations précédant la production finale.
Quelques exemples :
PhysicsX — PhysicsX Platform
PhysicsX, créé en 2019, développe une plateforme d’« IA physique » destinée à transformer la manière dont les objets industriels sont conçus, testés et produits. Son logiciel combine intelligence artificielle, simulation numérique et modèles physiques afin d’accélérer la conception de systèmes complexes comme moteurs, matériaux avancés, composants électroniques ou infrastructures énergétiques.
La plateforme analyse d’immenses volumes de données de simulation et permet de générer, tester et optimiser virtuellement des milliers de variantes d’un produit avant sa fabrication.
Aujourd’hui, ces outils servent surtout à réduire le temps et le coût de l’ingénierie dans des secteurs comme l’aéronautique, l’automobile, l’énergie ou les semi-conducteurs. Mais l’ambition va plus loin : remplacer progressivement les cycles d’ingénierie classiques par des systèmes d’IA capables de concevoir automatiquement des solutions techniques optimales. En combinant modèles physiques et apprentissage automatique, PhysicsX cherche à créer une nouvelle génération d’outils capables d’explorer des solutions au-delà des capacités humaines et d’accélérer radicalement l’innovation industrielle.
Objectif ultime : Vers des IA ingénieurs capables de concevoir machines, matériaux et usines presque seules.
Concurrents clés : Ansys, Altair, Siemens Digital Industries, Rescale, nTop : IA et simulation pour l’ingénierie.
nTopology — nTop Platform
La plateforme nTop est un logiciel d’ingénierie computationnelle conçu pour permettre aux ingénieurs de créer des géométries extrêmement complexes impossibles à produire avec les outils de conception traditionnels. Fondée en 2015, l’entreprise a lancé la nTop Platform en 2019 afin d’exploiter pleinement les possibilités de la fabrication avancée et de l’impression 3D industrielle.
Le logiciel repose sur des technologies comme la modélisation implicite et le « field-driven design », permettant de générer automatiquement des structures optimisées — pièces ultralégères, matériaux architecturés, systèmes thermiques ou composants mécaniques hautes performances. Les ingénieurs peuvent tester virtuellement des milliers de variantes, intégrer la simulation et automatiser les workflows de conception.
Si ces outils servent surtout dans l’aéronautique, l’automobile, le médical ou l’énergie actuellement, l’évolution vise une transformation plus radicale : faire passer l’ingénierie d’un processus manuel à un système algorithmique où les contraintes physiques deviennent des paramètres d’optimisation. La conception ne serait plus dessinée pièce par pièce, mais générée par des moteurs de calcul capables d’explorer des millions de solutions techniques.
Objectif ultime : Vers des usines où l’IA génère automatiquement les formes optimales des objets industriels.
Concurrents clés : Autodesk, Siemens, Dassault Systèmes, Ansys, Altair
Rescale — Rescale Digital Engineering Platform
La Rescale Digital Engineering Platform, lancée en 2011, est une infrastructure logicielle qui transforme la recherche et développement industrielle en processus numérique piloté par la puissance de calcul et l’intelligence artificielle. La plateforme fournit aux ingénieurs un accès instantané à des ressources de calcul haute performance (HPC) dans le cloud pour exécuter des simulations complexes : aérodynamique, crash tests, chimie moléculaire ou conception de semi-conducteurs.
Aujourd’hui, Rescale permet de remplacer une partie des prototypes physiques par des simulations massives exécutées sur des milliers de processeurs, réduisant drastiquement les coûts et le temps de développement. La plateforme intègre plus de mille logiciels d’ingénierie et relie données, modèles physiques et workflows dans un environnement unique de R&D numérique.
La prochaine étape consiste à utiliser les données de simulation pour entraîner des modèles d’IA capables de prédire les résultats physiques presque instantanément. Ces « modèles physiques augmentés par l’IA » permettent d’explorer des milliers de scénarios de conception en quelques secondes et d’automatiser progressivement la recherche de solutions techniques. Des plateformes comme Rescale annoncent une transition vers une ingénierie entièrement numérique où les produits, matériaux et infrastructures sont d’abord conçus, testés et optimisés dans des univers simulés avant d’exister dans le monde réel.
Objectif ultime : Vers des usines virtuelles où chaque innovation naît d’abord dans une simulation mondiale.
Concurrents clés : Ansys, Altair, Siemens, Dassault Systèmes, AWS HPC : cloud et IA pour l’ingénierie numérique.
Luminary Cloud — GPU-Native Simulation
La plateforme GPU-Native Simulation de Luminary Cloud, développée en 2019, vise à transformer la conception industrielle en exploitant la puissance du cloud, des GPU massivement parallèles et de l’intelligence artificielle. Traditionnellement, les simulations physiques utilisées pour concevoir avions, voitures ou machines nécessitent des infrastructures lourdes et peuvent prendre des jours ou des semaines.
Luminary propose une architecture entièrement cloud qui exécute ces simulations des dizaines de fois plus vite, permettant aux ingénieurs d’explorer des milliers de variantes de conception en quelques minutes.
La plateforme génère de vastes ensembles de données de simulation et les utilise pour entraîner des modèles de Physics AI capables de prédire les performances d’un design presque instantanément. Les équipes peuvent ainsi itérer rapidement, optimiser des systèmes complexes et réduire fortement les coûts de prototypage physique.
L’évolution visée dépasse la simple simulation : créer des modèles intelligents capables d’explorer automatiquement l’espace des solutions techniques et de guider la conception des produits.
Objectif ultime : Vers une ingénierie où l’IA simule et optimise instantanément chaque invention.
Concurrents clés : Ansys, Altair, Siemens Digital Industries, Rescale, PhysicsX : simulation et IA industrielle.
NVIDIA – Omniverse
NVIDIA Omniverse, conçue en 2020, est une plateforme informatique permettant de créer des environnements virtuels 3D physiquement réalistes dans lesquels des équipes, des logiciels et des intelligences artificielles peuvent collaborer en temps réel. Basée sur le standard OpenUSD et sur la puissance des GPU NVIDIA, la plateforme relie des outils de conception, de simulation et de visualisation pour construire des jumeaux numériques d’objets, d’usines ou d’infrastructures.
De nos jours, Omniverse est utilisé pour concevoir et simuler des produits, tester des robots ou planifier des usines avant leur construction. Par exemple, des entreprises industrielles l’emploient pour modéliser des chaînes de production complètes et optimiser leurs opérations dans un environnement virtuel partagé.
La plateforme évolue vers un système combinant simulation physique, cloud et IA générative afin de créer d’immenses mondes virtuels capables de produire des données synthétiques et d’entraîner des robots ou des systèmes autonomes. L’ambition est de simuler le fonctionnement complet d’industries entières — machines, villes ou réseaux logistiques — afin d’expérimenter et d’optimiser le monde réel dans un univers numérique préalable.
Objectif ultime : Vers un « jumeau numérique » de la planète pour simuler et optimiser l’économie réelle.
Concurrents clés : Unity, Unreal Engine, Siemens Xcelerator, Dassault 3DEXPERIENCE, Ansys Twin Builder.
Prewave — Supply Chain Intelligence
Prewave, lancée en 2017, est une plateforme d’intelligence supply chain qui utilise l’intelligence artificielle pour analyser en continu les risques affectant les chaînes d’approvisionnement mondiales. Le système collecte et interprète des millions de données provenant de sources publiques, d’actualités, de réseaux sociaux et de bases commerciales dans des centaines de langues afin d’identifier des signaux faibles : catastrophes naturelles, conflits sociaux, problèmes financiers ou violations environnementales.
La plateforme fournit des alertes en temps réel, cartographie les réseaux de fournisseurs à plusieurs niveaux et attribue des scores de risque permettant aux entreprises d’anticiper les ruptures d’approvisionnement et d’assurer leur conformité réglementaire. Elle traite plus de 4,5 millions de points de données par jour et couvre plus de 200 catégories de risques pour des millions de fournisseurs.
De tels systèmes annoncent une transformation de la logistique mondiale : la chaîne d’approvisionnement devient un réseau numérique surveillé en permanence. L’objectif est de passer d’une gestion réactive à une supply chain prédictive, capable d’anticiper les crises géopolitiques, climatiques ou économiques avant qu’elles ne perturbent la production. Les données, l’IA et la cartographie globale des fournisseurs pourraient ainsi transformer les chaînes industrielles en systèmes intelligents capables de s’auto-adapter aux perturbations du monde réel.
Objectif ultime : Vers des supply chains autonomes capables d’anticiper et d’éviter les crises mondiales.
Concurrents clés : Everstream Analytics, Altana AI, Resilinc, Interos, Project44 : IA et data pour supply chains.
Conception & Simulation autonome – Que retenir ?
La frontière entre simulation, IA et ingénierie disparaît progressivement, donnant naissance à une R&D quasi autonome. Les innovations sont conçues, testées et améliorées dans des univers simulés avant d’exister physiquement.
Si dans les années 80/90, les Bureaux d’Études communiquaient « moyennement » avec la Production, et pas du tout avec le consommateur, demain tout sera lié au sein des usines mais également entre acheteurs et usines notamment pour la logistique.
Maintenant que le produit est conçu, il ne reste plus qu’une étape. L’ultime étape, la production.
Et les modèles « classiques » vont devoir évoluer, les usines vont produire au plus « raisonnée ».
Robotique, micro-usines et fabrication distribuée vont permettre de fabriquer près du client ce que l’intelligence collective a validé. La chaîne industrielle devient aussi rapide que la pensée qui l’a initiée.
A l’autre bout du spectre, de Giga Factory produiront en grande quantité les produits génériques, comme commencent à le faire les Giga Factory de batteries.
Quelques exemples :
Figure AI
Figure AI développe des robots humanoïdes généralistes capables d’exécuter des tâches physiques dans des environnements conçus pour les humains. Fondée en 2022 par Brett Adcock, l’entreprise conçoit des robots bipèdes comme Figure 01, destinés d’abord aux secteurs où les pénuries de main-d’œuvre sont fortes : logistique, entrepôts, industrie ou distribution.
Ces machines combinent robotique avancée, vision artificielle et modèles d’intelligence artificielle capables de comprendre le langage et d’apprendre par observation humaine. L’objectif actuel est de créer des robots capables de manipuler des objets, se déplacer dans des environnements complexes et collaborer avec les travailleurs humains. Des partenariats industriels, comme celui avec BMW, permettent déjà d’expérimenter ces robots dans des chaînes de production réelles.
À mesure que les modèles d’IA progressent, ces robots pourraient apprendre de nouvelles compétences en observant les humains et être déployés à grande échelle grâce à une production industrielle. Le robot humanoïde devient une plateforme physique pour l’intelligence artificielle, transformant le travail manuel en processus automatisé programmable.
Objectif ultime : Vers des milliards de robots humanoïdes travaillant aux côtés des humains.
Concurrents clés : Tesla Optimus, Boston Dynamics, Agility Robotics, Apptronik, Sanctuary AI
Bright Machines — Bright Robotic Cells
Bright Machines, fondé en 2018, travaille sur les micro-usines robotisées modulaires. Il propose une approche logicielle et robotique pour automatiser les lignes d’assemblage industrielles, centrée sur ses Bright Robotic Cells (BRC) : modules robotiques pré‑intégrés capables d’exécuter des tâches d’assemblage et d’inspection. Ces cellules s’appuient sur la plateforme logicielle Brightware OS, qui orchestre robots, vision machine et données de production pour créer des micro‑usines configurables et ré‑utilisables.
Les BRC combinent robotique adaptative, vision et logiciels pour s’adapter rapidement à de nouvelles tâches sans reconfiguration lourde.
Bright Machines incarne le passage de chaînes fixes à des micro‑usines intelligentes et connectées : chaque cellule robotique devient une brique modulaire pilotée par IA, capable d’apprendre, de s’auto‑optimiser et de coopérer avec d’autres systèmes automatisés. L’avenir vise des usines où les lignes de production ne sont plus des systèmes figés, mais des écosystèmes flexibles auto‑configurables, où les tâches d’assemblage sont orchestrées par logiciels et données, non par des réglages physiques.
Objectif ultime : Vers des usines modulaires pilotées par IA, où robots reconfigurent automatiquement la production.
Concurrents clés : Fanuc, ABB, Schneider Electric, Siemens Digital Industries : robotique flexible et automation.
Hadrian — Autonomous Factory
Hadrian, fondé en 2020, construit des « autonomous factories » qui intègrent intelligence artificielle, robotique et logiciels pour automatiser entièrement la production industrielle : de la préparation des matières premières à l’inspection finale des pièces.
Sa plateforme logicielle Opus coordonne machines, chaînes CNC et systèmes d’inspection pour permettre des usines qui fonctionnent comme de grands ordinateurs optimisés par IA plutôt que des ateliers.
Le modèle Factories‑as‑a‑Service permet aussi de concevoir et exploiter des capacités de production dédiées pour des clients industriels ou gouvernementaux. À la différence des lignes automatisées classiques, Hadrian mise sur une intégration profonde entre logiciel, IA et robotique.
Hadrian veut remplacer des décennies de processus lourds par des usines entièrement pilotées par IA — où la conception, la fabrication et l’adaptation aux fluctuations de la demande sont toutes orchestrées par des systèmes autonomes.
Objectif ultime : Vers des usines qui pensent, s’auto‑optimisent et fabriquent sans intervention humaine.
Concurrents clés : Relativity Space : robotique, IA et automatisation factory.
Arrival — Microfactory Platform
La Microfactory Platform d’Arrival, créé en 2015, vise à révolutionner la fabrication automobile en remplaçant les lignes d’assemblage traditionnelles par des usines décentralisées, modulaires et légères situées au plus près des marchés.
Ces micro‑usines utilisent robots autonomes, matériaux composites propriétaires et software‑defined factories.
L’objectif est multiple : réduire drastiquement le CapEx, abaisser le Coût Total de Possession (TCO) des véhicules, raccourcir les délais de mise en production et permettre une production locale ajustée à la demande plutôt qu’une centralisation massive. Chaque microfactory, installée dans un entrepôt converti, peut théoriquement être mise en place en quelques mois.
En théorie, elle ouvre la voie à une industrie plus réactive aux besoins locaux, plus durable et moins gourmande en capital et en énergie.
Mais malgré des premiers prototypes produits dans la microfactory du Royaume‑Uni, l’approche n’a pas encore atteint la production de masse prévue. Elle reste néanmoins un modèle inspirant pour imaginer des chaînes de production physique réinventées.
Objectif ultime : Vers des réseaux mondiaux de micro‑usines autonomes connectées et ultra‑flexibles.
Concurrents clés : Local Motors, Xometry, Fast Radius, Velo3D, Siemens micro‑factory concepts.
Carbon — Digital Light Synthesis
La Digital Light Synthesis (DLS) de Carbon est une technologie d’impression 3D additive intégrant lumière numérique et optiques perméables à l’oxygène pour produire des pièces en résine avec des propriétés mécaniques à des vitesses bien plus élevées que les procédés traditionnels. Elle permet d’aller au‑delà du simple prototypage pour fabriquer des pièces finales fonctionnelles utilisables dans des secteurs comme l’aéronautique, l’automobile, le médical ou les biens de consommation.
Carbon a introduit un écosystème complet qui combine matériaux programmables, logiciels intégrés et production industrielle pour transformer les idées directement en produits finis sans outillage traditionnel.
Aujourd’hui, cette approche a déjà permis à des grands équipementiers d’imprimer des composants complexes (ex : semelles de chaussures, pièces automobiles, lunettes de luxe) avec des propriétés comparables aux pièces moulées.
Le défi est de fusionner simulation, conception algorithmique et fabrication numérique pour automatiser et optimiser la production à l’échelle mondiale.
Objectif ultime : Vers une fabrication numérique où chaque produit est conçu et produit sur mesure par IA.
Concurrents clés : HP Multi Jet Fusion, Stratasys, EOS, 3D Systems, Formlabs — technologies 3D avancées.
Exécution physique – Que retenir ?
L’intégration du 4.0 va permettre aux entreprises de concrétiser, cette ultime Révolution industrielle. Sans la digitalisation des sites de production, il sera impossible de franchir cette dernière marche.
L’arrivée de robots humanoïdes, de micro-usines hyper flexibles, de nouvelles technologies de production 3D et d’usines s’autopilotant montrent que le potentiel de progression est immense.
Et si l’industrie devenait une extension du cerveau humain ? Vaste programme. C’est pourtant ce qui se prépare.
Ce n’est plus une technologie, c’est une vision philosophique. Je me rappelle avoir discuté longuement avec Luc Ferry qui estimait qu’il n’y avait pas de 4ème Révolution, que la digitalisation n’était que le prolongement de la troisième Révolution. Nous n’étions pas d’accord.
Si, sur le fond, nous pensions que derrière les Révolutions se cachent des mouvements de population, il pensait que la 4ème n’apportait pas cette composante. A son crédit, c’était une discussion d’avant Covid. Depuis, le télétravail et bien d’autres mouvements plus profonds se font sentir qui n’auraient pas d’existence sans cette Digitalisation.
Avec la prochaine, et ultime, Révolution ce sera d’un côté, la création de Giga Factory, et donc une transhumance de compétences encore plus grande vers ces Giga Factory, souvent implantées dans une même zone/région.
De l’autre côté, de petites unités délocalisées permettront de produire au plus proche des consommateurs, qui pourront se détacher plus facilement des grands centres urbains.
Quel sera le ratio entre ces petites unités et ces Giga Factory dans 20/30 ans ? Nul ne le sait, mais sans conteste, les populations vont bouger dans un sens et/ou dans l’autre.
Dans toutes Révolutions Industrielles, il y a de Nouvelles Technologies et j’en ai évoqué quelques-unes, mais ces Révolutions ne sont pas uniquement technologiques, elles sont surtout sociétales, philosophiques.
Demain l’économie ne sera plus basée sur la demande exprimée, mais sur l’intention détectée.
Nous allons passer d’un Marché basé sur le besoin conscient, à un Marché basé sur l’intention préconsciente.
Je vous avais prévenu, ça peut faire peur ou envie. Reste que vous aurez remarqué, tout au long de ces chapitres, que pratiquement toutes les briques existent, séparément.
Ouf, vous pouvez encore respirer un certain temps, l’Ultime Révolution viendra de leur intégration fluide et complète.