Adam Sadilek. Fondateur et PDG d’AIM – Série d’entretiens

Adam Sadilek est le fondateur et PDG d’AIM. Enfant, il était obsédé par la robotique et l’automatisation, poussé par le désir de construire des systèmes qui apprennent seuls et rendent le travail physique plus intelligent, plus rapide et plus sûr. Cette fascination précoce l’a mené à Google, où il a contribué à des travaux révolutionnaires sur l’IA à échelle planétaire et les véhicules autonomes, qui ont plus tard évolué vers Waymo. En reconnaissant une opportunité non exploitée, il a fondé AIM pour apporter l’autonomie à la déplacement de terre — un secteur qui sous-tend presque toute l’infrastructure humaine, mais qui a vu peu d’automatisation depuis l’avènement de la machinerie hydraulique.

AIM est pionnier dans le monde de la plate-forme alimentée par l’IA pour les équipements lourds, transformant la façon dont la terre est déplacée à grande échelle. En combinant des systèmes de perception, de planification et de contrôle avancés, AIM automatise l’excavation, le nivellement et le déplacement de matériaux dans les projets de construction, de minage et de résilience climatique. La technologie de l’entreprise répond à des défis mondiaux critiques tels que les pénuries de main-d’œuvre, la modernisation des infrastructures et la préparation aux catastrophes, jetant les bases d’un avenir où les machines autonomes peuvent construire à la fois sur Terre et au-delà.

Vous avez passé plus d’une décennie chez Google[x], en travaillant sur des initiatives majeures d’IA, y compris ce qui est devenu Waymo. Quelles expériences spécifiques pendant cette période vous ont convaincu que l’automatisation du monde physique — et non seulement des environnements numériques — était la bonne frontière ?

J’ai eu le privilège de rejoindre Google juste après avoir obtenu mon doctorat en IA. Travailler chez Google[x] et Alphabet m’a donné une expérience pratique pour voir le potentiel de l’IA dans des environnements du monde réel. Mais ce n’est que lorsque j’ai commencé à travailler sur des projets d’infrastructure physique que j’ai vraiment réalisé à quel point l’automatisation pouvait être un facteur de changement dans le monde construit.

Voir à quel point il était difficile de déplacer la terre, le sol et les matériaux chaque jour — même pour les bâtisseurs expérimentés — m’a amené à ce moment de révélation : personne ne s’attaquait à ce problème essentiel de manière scalable. L’automatisation de la déplacement de terre ne ferait pas seulement progresser radicalement la sécurité du personnel au sol et accélérerait des industries massives comme la mine, la construction et les travaux publics, mais pourrait également résoudre certains des plus grands défis de notre planète, comme la terraformation et le dégât historiquement causé à notre planète.

Alors, pendant la pandémie, j’ai commencé à convertir des machines manuelles en machines autonomes dans mon garage, et c’est là que AIM est né.

Avec les machines intelligentes AIM, vous avez choisi un secteur qui a vu peu de robotique ou d’autonomie depuis l’introduction de la machinerie hydraulique. Pouvez-vous décrire le moment ou l’insight décisif qui vous a amené à lancer AIM ?

Tout ce que nous construisons, sur quoi nous comptons chaque jour, commence avec la terre. Des appareils que vous lisez maintenant aux bâtiments, routes et machines que nous utilisons chaque jour, tout est soit extrait, soit cultivé, et notre capacité à déplacer la terre est clé pour tout cela.

J’ai réalisé de première main, en travaillant dans la construction, que les industries de déplacement de terre comme la mine et la construction ont vu peu de technologie et d’automatisation qui avaient transformé d’autres industries. Alors que les entrepôts avaient des systèmes de convoyage, les usines des lignes d’assemblage automatisées et des systèmes de conteneurisation et de suivi, les méthodes que nous utilisons pour déplacer de grandes quantités de terre n’ont pas vraiment changé depuis longtemps.

J’ai également commencé à comprendre la demande immense pour améliorer le déplacement de terre. L’exploitation de machines lourdes est l’un des métiers les plus dangereux au monde, entraînant des pénuries de main-d’œuvre aiguës et chroniques pour les travailleurs qualifiés (l’industrie de la construction doit attirer près d’un million de travailleurs au cours des deux prochaines années pour répondre à la demande de projets). Il y a également un besoin incroyable à travers le globe pour l’automatisation de la déplacement de terre pour améliorer tout, des chaînes d’approvisionnement de matériaux à la construction d’infrastructures supérieures, en passant par la remédiation des zones de déchets dangereux et la réversibilité de l’impact négatif du changement climatique sur la planète.

Tout cela m’a amené à la révélation que notre civilisation a besoin d’une déplacement de terre autonome. Nous avons besoin de la vision, de la vitesse et de l’intelligence pour remodeler la planète avec précision et à grande échelle pour répondre aux défis et opportunités les plus importants de la planète. C’est ce qui m’a amené à lancer AIM et ce que nous résolvons.

L’autonomie pour les équipements de mine ou de construction présente une complexité immense : terrains accidentés, conditions imprévisibles, machines lourdes construites pour durer. Quels sont les principaux progrès techniques qui ont rendu votre plate-forme possible — dans la détection, la cartographie, l’apprentissage automatique ou l’intégration ?

Concevoir une IA incarnée pour déplacer la terre, dans certains des environnements les plus difficiles de notre planète, n’est pas facile. Non seulement devions-nous concevoir pour des environnements où il n’y a pas de routes, de voies ou d’autres structures de règles pour que l’IA suive — mais nous devions également développer des systèmes capables de le faire dans des endroits avec des températures extrêmes, des ténèbres, une connectivité Internet pauvre ou inexistante, et des événements météorologiques tels que la neige, la grêle ou les tempêtes de sable.

L’une des principales avancées techniques pour AIM a été de relever le défi de la détection et de la cartographie dans des environnements accidentés. La technologie de capteurs peut être sujette à la rupture lorsqu’elle est équipée sur des machines qui subissent beaucoup de vibrations et d’impacts. Alors, ce que nous avons fait, c’est éliminer ces pièces fragiles et intégrer tous les composants de calcul et critiques d’AIM dans une structure blindée propriétaire, qui est également scellée pour empêcher les débris et le sable de pénétrer. Nous avons ensuite également soudé des capteurs dans le squelette réel de la machine pour fournir encore plus de durabilité.

Cette robustesse, combinée à un apprentissage de bout en bout puissant à bord, est ce qui permet à AIM d’automatiser les tâches de déplacement de terre dans certains des environnements les plus extrêmes, sur des sites de travail réels à travers le monde. Il y a un énorme niveau de différence entre un prototype et un système déployé commercialement avec certains des plus grands mineurs, bâtisseurs et branches du gouvernement américain, qui comptent sur lui chaque jour sur leurs sites.

La stratégie d’AIM est de rééquiper les machines lourdes existantes avec des capteurs, des LiDAR et des caméras. Pourquoi avez-vous opté pour l’utilisation d’équipements legacy plutôt que de développer entièrement de nouvelles machines autonomes à partir de zéro ?

La réponse simple est que nous voulons que l’automatisation soit accessible à toutes les opérations de déplacement de terre aujourd’hui. Les gestionnaires de site et d’actifs ont déjà investi des millions à des milliards dans des flottes de machines lourdes. Juste une de ces machines coûte souvent plus d’un million de dollars et a une longue durée de vie opérationnelle. Alors, il n’est pas réalisable ni durable de remplacer toute une flotte de machines par de nouvelles pour aller vers l’autonomie.

Notre approche de rééquipement d’abord répond à des centaines de milliers de ces machines legacy en exploitation dans le monde. AIM permet aux organisations, grandes ou petites, d’améliorer instantanément leurs capacités pour améliorer les chaînes d’approvisionnement de matériaux, construire des infrastructures, protéger et restaurer des zones menacées ou endommagées par des catastrophes naturelles, et au-delà. Cela débloque le pouvoir de l’automatisation pour les opérateurs à la vitesse et à l’échelle dont ils ont besoin pour aujourd’hui, et non dans dix ans.

En parallèle, nous déployons souvent le même matériel, logiciel et IA en partenariat avec des canaux, des distributeurs et même des OEM qui fabriquent les machines hydrauliques incroyables que nous turbochargeons avec la plate-forme d’autonomie AIM fonctionnant au-dessus de ces flottes. Alors, c’est à propos de la sécurité maximale, de la création de valeur, du succès des clients conjoints et de l’optionnalité pour les écosystèmes massivement importants.

Votre plate-forme utilise un apprentissage de bout en bout pour que les machines puissent « s’apprendre » à creuser plus rapidement et plus efficacement. Comment fonctionne exactement cette boucle de rétroaction sur le terrain, et quels améliorations opérationnelles avez-vous observées jusqu’à présent ?

Notre approche a été de mettre tous les calculs d’IA à bord. En combinaison avec notre plate-forme durcie qui fonctionne même sans GPS ou Internet, nous livrons une autonomie avancée grâce à un apprentissage de bout en bout effectué à la périphérie. Cela permet aux machines de devenir plus intelligentes et plus rapides à mesure qu’elles effectuent le travail. En fait, en moins d’une heure, une machine équipée d’AIM apprend vraiment bien ! Le contrôle robotique IA devient extrêmement précis à mesure qu’il apprend, par exemple, en fonctionnant avec une précision de deux centimètres même sans GPS.

L’apprentissage de bout en bout est clé pour que les machines AIM atteignent ce niveau d’autonomie commerciale pour effectuer des tâches de déplacement de terre sur des sites de travail de production dans le monde. Cela signifie également que toutes les données, analyses et surveillance des performances sont à bord pour réduire l’usure, couper les temps d’arrêt et prolonger la durée de vie opérationnelle des machines encore plus loin.

En outre, à mesure que le système apprend, AIM peut livrer de nouvelles valeurs opérationnelles et de CapEx à travers les économies de carburant, les cycles de service, l’utilisation de la flotte, la planification de site IA optimale et l’élimination du travail de réparation. En moyenne, dans la mine, AIM génère 13 millions de dollars supplémentaires de minerai par machine et par an pour le chiffre d’affaires, tout en économisant 633 000 dollars par machine et par an pour les améliorations du bottom-line (économies directes d’OpEx). L’élimination complète de tout risque de préjudice pour les personnes, puisque personne n’est plus sur ou près des machines, apporte évidemment un niveau de sécurité essentiel qui va au-delà des chiffres et continue de s’étendre.

Vous soutenez que l’application de l’IA ici est critique pour les infrastructures, la résilience climatique, voire la défense. Quels sont les cas d’utilisation les plus frappants sur lesquels vous travaillez actuellement — et comment voyez-vous leur impact sociétal ?

Actuellement, un milliard de personnes vivent à moins de 10 mètres au-dessus des océans qui montent, une personne sur six vit dans des zones à risque important d’incendies de forêt, et plus de 3 milliards sont touchés par des terres dégradées qui ont besoin d’être restaurées. Il n’y a aucun doute que les pénuries de main-d’œuvre affectent gravement le rythme auquel les infrastructures critiques sont construites, les réparations sont effectuées et les projets peuvent être terminés. Ces pénuries de main-d’œuvre rendent plus difficile que jamais de ne pas seulement inverser les impacts négatifs du changement climatique mais également de prévenir proactivement les défis futurs.

La seule façon de relever ces défis de front est d’apporter plus de puissance et d’autonomie sur les chantiers — afin que les opérations ne soient pas limitées par les contraintes de main-d’œuvre, les conditions météorologiques ou les environnements de travail dangereux.

Par exemple, les incendies de forêt augmentent en fréquence en raison des impacts négatifs du changement climatique. Au lieu de réagir aux dégâts infligés par ces incendies, AIM les arrête avant qu’ils ne se produisent. Les bulldozers équipés d’AIM peuvent être déposés directement dans les forêts profondes pour créer des barrières qui empêchent les incendies de forêt de se propager, tout en étant exploités à distance. De même, la façon de construire un barrage ou un mur de protection est de très intentionnellement empiler du matériel le long du rivage pour le soulever. C’est analogue aux travaux de terrassement que nous faisons déjà.

L’IA va transformer la façon dont nous réagissons aux catastrophes naturelles et aux défis climatiques et les prévenons.

Les industries minière et de construction ont souvent des pratiques ancrées, une réglementation lourde et une tolérance aux risques élevée mais une faible adoption de l’automatisation. Quels sont les obstacles non techniques (culturels, réglementaires, opérationnels) que AIM rencontre pour mettre à l’échelle sa solution ?

C’est toujours un défi lorsque une technologie transformative pénètre un espace où les pratiques ont été établies pendant des décennies. La technologie alimentée par l’IA apporte toujours un peu de scepticisme dans les industries non techniques. Mais avec AIM, nous avons pu surmonter ces défis en montrant physiquement aux opérateurs comment AIM fonctionne, comment il leur donne des leviers, et comment ils passent à des carrières plus sûres, plus satisfaisantes et plus durables.

Ces industries ressentent l’impact des pénuries de main-d’œuvre et de la demande croissante en premier lieu, et lorsqu’ils peuvent voir comment les véhicules équipés d’AIM peuvent effectuer une shift complète de manière autonome avec précision, ou fonctionner dans des endroits trop dangereux pour leur équipe, ces préoccupations disparaissent. Au lieu d’être coincés à l’intérieur des machines, les opérateurs sont excités d’apprendre qu’ils peuvent exploiter des flottes autonomes à une distance sûre (et dans l’air conditionné ou le chauffage) pour augmenter à la fois la production et les temps d’activité.

Le besoin croissant d’efficacité opérationnelle l’emporte sur les obstacles qui traditionnellement empêchent l’adoption.

Vous avez fondé AIM à un moment où peu de personnes cherchaient à appliquer l’IA dans les équipements lourds et le déplacement de terre. Comment avez-vous cristallisé la vision à long terme pour AIM — et comment avez-vous équilibré l’expérimentation précoce avec le récit plus large de l’industrie autour de l’automatisation dans la mine et la construction ?

Lorsque j’ai quitté Google, j’ai commencé à construire des projets d’infrastructure physique lourde qui nécessitaient une faible latence et une vitesse extrême — c’est alors que j’ai su que nous devions apporter des opérations autonomes dans le monde physique.

L’automatisation était toujours plus un rêve pour les industries minière et de construction ; tout le monde espérait qu’une solution apparaîtrait, mais personne ne la créait. Avec une expérience technique et spécifique à l’industrie, la vision pour AIM était claire. J’ai compris les lacunes opérationnelles qui devaient être résolues et comment l’IA peut être appliquée dans le monde physique, et je savais que le marché pour cette optimisation existait.

Étant donné votre travail sur l’IA à échelle planétaire (chez Google/Waymo) et maintenant l’autonomie de déplacement de terre, comment comparez-vous l’impact potentiel de l’IA dans le monde physique par rapport à ce que nous avons vu dans le domaine numérique ?

L’IA a déjà transformé la façon dont nous opérons dans le monde numérique, et nous voyons une valeur proposition similaire dans le monde physique — mais à une échelle encore plus grande. Tout comme l’IA transforme la façon dont les humains peuvent mener des recherches, gérer des tâches et réduire la surveillance humaine, AIM transforme la façon dont les machines physiques opèrent, apprennent de leurs expériences et s’adaptent à des environnements changeants.

Nous permettons aux opérateurs humains de faire leur travail mieux en les équipant de machines autonomes qui peuvent fonctionner dans des endroits où ils ne peuvent pas physiquement accéder, opérer dans des conditions météorologiques qui normalement arrêteraient un chantier, et maintenir une productivité continue. Ni les applications numériques ni physiques de l’IA ne sont destinées à remplacer complètement les humains — il s’agit d’améliorer la façon dont les humains peuvent travailler.

Vous avez suggéré que la vision d’AIM s’étend au-delà de la Terre — dans la construction et la terraformation hors planète. Quelle est la réalité de cet horizon dans votre point de vue, et quel rôle voyez-vous AIM jouer dans cet avenir ?

Apporter cette automatisation à tous les coins de la Terre est la première étape — mais à mesure que la construction et l’exploitation des ressources hors planète deviennent une réalité, le besoin de machines lourdes autonomes et à distance sera encore plus critique. Nous ne pouvons pas envoyer une équipe de construction humaine sur Mars, mais nous pouvons envoyer des machines équipées d’AIM qui peuvent fonctionner dans ces conditions météorologiques extrêmes, tout en apprenant de leur propre expérience sur la façon de fonctionner mieux pour ce paysage. Nous avons besoin de machines qui ne fonctionnent pas seulement par contrôle à distance ; nous avons besoin de machines qui puissent fonctionner entièrement de manière autonome dans des endroits où les humains ne peuvent pas.