David Pinn, PDG de Brain Corp – Série d’interviews

David Pinn est le PDG de Brain Corp, où il a passé près de neuf ans à aider à façonner la stratégie de l’entreprise, ses opérations financières et sa transition vers une activité de robotique pilotée par logiciel. Il a rejoint Brain Corp en 2017 en tant que vice‑président de la stratégie et a évolué à travers des postes seniors en stratégie et finance avant de devenir PDG en 2022. Au cours de son mandat, Pinn a contribué à mener d’importantes levées de fonds, le passage de l’entreprise d’un modèle centré sur le matériel vers des revenus récurrents de logiciels, son expansion dans la capture de données robotisées et l’analyse, ainsi que des partenariats stratégiques avec des fabricants d’équipements d’origine (OEM) mondiaux. Au début de sa carrière, il a occupé des postes en finance et stratégie chez Qualcomm, conseillé des startups technologiques soutenues par du capital‑risque, travaillé avec les sociétés du portefeuille de L Catterton, et commencé sa carrière chez Teradyne dans l’ingénierie et la vente technique, ce qui lui a donné une expérience couvrant la robotique, les semi‑conducteurs, la finance, le développement d’entreprise et la commercialisation technologique.

Brain Corp est une entreprise de robotique et d’IA physique qui développe BrainOS®, une plateforme d’autonomie d’entreprise conçue pour permettre aux fabricants et aux entreprises de déployer et de gérer des robots mobiles autonomes à grande échelle. BrainOS alimente plus de 50 000 robots sur six continents et a accumulé plus de 25 millions d’heures d’exploitation réelle, soutenant des applications telles que le nettoyage autonome des sols, la collecte de données d’inventaire et d’étagères, ainsi que le déplacement de matériaux dans des environnements comme les magasins de détail, les entrepôts, les aéroports, les établissements de santé et les bâtiments commerciaux. La plateforme combine navigation pilotée par IA, cartographie 3D sémantique, systèmes de sécurité, gestion de flotte cloud, analyses et intégrations avec les systèmes d’entreprise, les données recueillies à travers sa flotte déployée aidant à améliorer la navigation et la fiabilité au fil du temps. Les développements récents comprennent BrainOS Clean 2.0 et SelfPath™ AI, qui permettent aux robots de nettoyage de générer et d’adapter automatiquement leurs itinéraires plutôt que de s’appuyer sur des chemins entraînés manuellement.

Votre carrière est passée du travail d’ingénierie en radiofréquence et systèmes sans fil à la finance stratégique, à la transformation SaaS, et maintenant à la direction en tant que PDG chez Brain Corp. Comment ce mélange de discipline technique et financière a-t-il façonné votre vision selon laquelle les entreprises n’achètent pas des « robots », mais des résultats opérationnels mesurables ?

Ma première carrière a débuté dans la vente technique, en vendant des équipements de fabrication de semi‑conducteurs pour Teradyne. Après de nombreux essais et erreurs, j’ai tiré une leçon importante dès le départ: il existait un grand écart entre ce que je pensais être important — généralement les spécifications techniques — et ce qui importait réellement à l’acheteur. J’ai compris que l’acheteur se soucie réellement du résultat commercial, et de savoir s’il nous fait confiance, à moi et à mon équipe, pour le livrer.

Lorsque je suis passé plus tard à la robotique, cette leçon s’est amplifiée. Chaque investissement technologique concurrence pour le capital, et un système ne reçoit pas de crédit simplement parce qu’il est techniquement impressionnant. En robotique, il est très facile d’être captivé par la machine elle-même. Mais un détaillant ne se lève pas le matin en voulant un robot. Il veut des sols plus propres, un inventaire très précis, et plus de temps pour que ses employés offrent un service client. Le robot n’est que le véhicule de livraison de ce résultat.

Chez Brain Corp, nous commençons par le problème du client, définissons le résultat commercial, et travaillons à rebours jusqu’à la couche d’autonomie et les données nécessaires pour le livrer. Mon expérience d’ingénieur m’aide à apprécier la complexité profonde du problème technique sous‑jacent, mais mes disciplines en vente et finance me maintiennent concentré sur la question de savoir si sa résolution crée une entreprise évolutive et commercialement viable. Il faut les deux. Un robot qui fonctionne mais ne peut pas générer un retour économique est un projet scientifique, pas un produit, et un modèle financier construit autour d’une technologie peu fiable n’est pas une entreprise.

Avec autant d’attention portée aux humanoïdes et aux robots polyvalents, que pensez‑vous que le marché ne comprend pas concernant ce dont les entreprises ont réellement besoin aujourd’hui en matière de robotique ?

Opinion tranchée: l’obsession de l’industrie pour les humanoïdes dans les contextes commerciaux et industriels est une distraction.

L’argument classique que l’on entend de la part des partisans des humanoïdes est : « Le monde a été construit pour les humains, donc les robots doivent être façonnés comme des humains. » Cela peut être vrai dans les environnements résidentiels, mais pour les contextes d’entreprise, c’est fondamentalement faux.

Regardez un entrepôt. Il n’est pas construit pour les humains ; il est conçu pour les chariots élévateurs, les transpalettes et les machines lourdes. Regardez les magasins de détail, les écoles, les hôtels, les hôpitaux et les aéroports. Les exigences d’accessibilité aux fauteuils roulants signifient que ces espaces ont des sols plats, des rampes, des allées larges et des ascenseurs. Les bâtiments commerciaux et industriels sont conçus pour le déplacement sur roues.

Lorsque vous réalisez cela, vous voyez rapidement que mettre des jambes sur un robot commercial est une responsabilité inutile et un gaspillage massif d’argent. Pourquoi concevoir un système bipède coûteux et fragile pour naviguer dans un espace déjà adapté aux roues ? Les roues sont moins chères, plus fiables et gèrent mieux les charges.

Comme je l’ai mentionné plus tôt, un robot sans retour économique n’est qu’un projet scientifique. Construire un humanoïde très complexe simplement pour traverser un sol plat et accessible aux fauteuils roulants est le projet scientifique ultime. C’est résoudre un problème de locomotion qui n’existe pas. Les entreprises n’ont pas besoin de machines qui imitent les humains ; elles ont besoin d’outils qui livrent de façon fiable un résultat commercial précis. Et pour les cas d’usage commerciaux, les roues gagnent à chaque fois.

Brain Corp opère dans des environnements désordonnés, publics et à fort trafic comme les magasins, les aéroports, les entrepôts, les hôpitaux et les campus. Quels sont les problèmes réels les plus difficiles qui n’apparaissent pas dans les démonstrations de robotique ?

L’industrie des véhicules autonomes a appris à ses dépens à quel point les démonstrations peuvent être trompeuses. Nous avons vu des démonstrations de voitures autonomes il y a plus d’une décennie, mais il a fallu encore dix à quinze ans d’ingénierie intensive pour lancer réellement des taxis sans conducteur commerciaux. Pourquoi ? À cause de ce que l’industrie appelle « la marche des neufs ».

Obtenir un système à 90 % de fiabilité constitue une excellente démonstration. Atteindre 99 % est un exploit d’ingénierie massif. Mais lorsque vous exploitez une flotte de dizaines de milliers de robots dans des milliers de lieux publics, une fiabilité de 99 % est insuffisante.

Dans un environnement commercial réel, les personnes changent de direction sans avertissement. Les chariots sont laissés dans les allées. Les présentations bougent pendant la nuit. Les palettes bloquent les routes. Les sols peuvent être réfléchissants, mouillés, inégaux ou couverts de débris. Les portes s’ouvrent et se ferment, l’éclairage change, et les employés développent leurs propres façons d’interagir avec la machine. Un robot peut également rencontrer des enfants, des personnes utilisant des aides à la mobilité, des acheteurs distraits, des chariots élévateurs, ou quelqu’un qui décide simplement de se tenir sur son chemin.

Le problème le plus difficile n’est pas de naviguer lorsque tout se comporte comme prévu. Il s’agit de s’adapter avec grâce lorsqu’un événement inattendu survient. Le robot peut‑il comprendre pourquoi son itinéraire est bloqué, trouver une alternative sûre et accomplir la tâche ? Peut‑il le faire sans créer davantage de travail pour les employés et à grande échelle sur des millions d’heures ?

Il existe également une dimension sociale que les démonstrations omettent souvent. Les gens doivent comprendre l’intention du robot. Ses mouvements doivent être prévisibles, ses signaux clairs, et il doit s’intégrer aux flux de travail humains existants plutôt que d’obliger tout le monde autour de lui à s’adapter.

Pour nous, l’IA du monde réel signifie « ça fonctionne tout simplement ». Les cas limites ne sont pas à la périphérie, ils sont l’environnement. Concevoir pour ces conditions nécessite des années d’apprentissage opérationnel, une architecture de sécurité réfléchie, et une focalisation implacable sur les détails invisibles dans une vidéo simulée.

Lorsqu’une entreprise évalue le ROI de la robotique, quels indicateurs sont les plus importants : heures de travail économisées, cohérence des tâches, disponibilité, capture de données, sécurité, expérience client, ou autre ?

C’est tout cela.

Les heures de travail économisées sont utiles, mais elles ne reflètent pas l’ensemble du tableau. Dans de nombreuses industries, le problème sous‑jacent n’est pas simplement que la main‑d’œuvre est chère ; c’est que recruter des personnes qualifiées peut s’avérer difficile, le turnover est élevé, et les tâches importantes sont réalisées de façon incohérente parce que les équipes sont surchargées. Dans cette situation, l’achèvement des tâches, la fréquence et la cohérence peuvent être plus précieux qu’une réduction théorique des effectifs.

Le niveau suivant est la performance opérationnelle : disponibilité, utilisation autonome, achèvement réussi des tâches, couverture, et le niveau de supervision requis. Un robot qui fonctionne techniquement pendant de nombreuses heures mais qui doit fréquemment être secouru ne délivre pas une autonomie significative.

Les améliorations en matière de sécurité et de conformité ne doivent pas non plus être négligées dans un modèle de ROI. Un robot de nettoyage réduit la fatigue et les blessures au travail, et donne aux employés plus de temps pour se concentrer sur les clients et les tâches à plus forte valeur ajoutée. Un robot d’inventaire améliore la disponibilité des produits en rayon, la précision des prix et la constance de l’exécution. Les robots créent également une nouvelle couche de visibilité opérationnelle en capturant des données fiables et récurrentes sur ce qui se passe dans l’environnement physique.

L’essentiel est d’établir une véritable base de référence avant le déploiement et de mesurer la performance sur l’ensemble du cycle de vie, incluant la mise en œuvre, le support, la maintenance, la formation et l’intégration.

Brain Corp est unique dans le domaine de la robotique en ce qu’elle fonctionne comme une plateforme de robotique SaaS récurrente. Pourquoi les logiciels, les données et l’orchestration de flotte deviennent‑ils plus importants que la forme physique du robot lui‑même ?

Le matériel définit ce qu’un robot peut physiquement faire. Le logiciel détermine à quel point il le fait de façon fiable, à quel point il peut être déployé facilement, à quel point il s’intègre de façon sécurisée dans une entreprise et s’il devient plus utile avec le temps.

Sans une couche logicielle et cloud unifiée, un robot est essentiellement une machine isolée. Il peut exécuter une tâche dans un site, mais il ne peut pas être facilement surveillé, mis à jour, intégré aux systèmes d’entreprise, ou coordonné avec une flotte plus large. Cela crée une fragmentation lorsque les entreprises ajoutent différents types de robots, chacun avec sa propre interface, son modèle de support, ses données et ses procédures opérationnelles.

Une plateforme change cette équation. Avec notre plateforme d’autonomie, BrainOS®, nous fournissons une base commune d’autonomie, de sécurité, de données et de gestion de flotte à travers différentes machines et applications. Nos partenaires peuvent se concentrer sur leur expertise matérielle et le problème client qu’ils comprennent profondément, plutôt que de reconstruire toute l’infrastructure d’autonomie et de cloud autour de chaque nouveau produit.

Le logiciel permet également à la valeur de la machine de se cumuler. Nous pouvons déployer de nouvelles capacités via des mises à jour over‑the‑air, apprendre du comportement des robots à travers la flotte, améliorer les performances, et répondre à de nouveaux cas limites sans remplacer le matériel. L’équipement industriel traditionnel se déprécie généralement dès le moment où il est déployé. Un système autonome connecté devient plus performant tout au long de son cycle de vie.

La forme physique continuera d’avoir de l’importance, car le design physique doit correspondre à la tâche. Mais les formes physiques évolueront. La véritable valeur réside dans l’intelligence, l’infrastructure opérationnelle et la couche de données qui peuvent s’étendre à n’importe quelle application. C’est pourquoi nous décrivons BrainOS® comme la plateforme d’autonomie pour le monde réel, plutôt que comme un système d’exploitation pour un robot particulier.

Les robots propulsés par BrainOS sont désormais utilisés non seulement pour le nettoyage, mais aussi pour l’analyse des étagères, la visibilité de l’inventaire et le déplacement de matériaux. Comment voyez‑vous l’évolution des robots, passant d’outils d’automatisation de tâches à des plateformes de données mobiles ?

Notre plateforme BrainOS® équipe les entreprises de l’infrastructure nécessaire pour créer, déployer et soutenir des solutions autonomes à l’échelle de l’entreprise. Nous fournissons la couche d’autonomie et d’intelligence sous‑jacente, ce qui permet à nos partenaires de se concentrer sur ce qu’ils font le mieux : résoudre des problèmes commerciaux réels et spécifiques. Cette approche unique nous a permis de nous développer rapidement et a permis aux entreprises de créer non seulement des robots, mais des activités de robotique.

Le nettoyage robotisé des sols a été l’une des premières applications commerciales à atteindre une échelle significative parce qu’elle répondait à un besoin opérationnel clair et répétitif ; chaque environnement commercial possède un sol sale et de nombreux acteurs font face à des défis de main‑d’œuvre. Nous avons atteint cette échelle aux côtés de notre partenaire Tennant Company, leader du nettoyage des sols depuis plus de 150 ans, qui est aujourd’hui devenu l’un des plus grands fabricants mondiaux de robots commerciaux.

Puis, grâce à notre travail avec de grandes entreprises dans le commerce de détail et la logistique, nous avons reconnu une vérité fondamentale : bien que ces opérations connaissent exactement quels stocks entrent et sortent de leurs installations, elles manquent souvent de visibilité sur ce qui se passe réellement sur le sol du magasin ou de l’entrepôt. Un robot mobile est l’un des rares systèmes qui se déplacent de façon récurrente dans l’environnement physique, le rendant uniquely capable de capturer cette vérité terrain à grande échelle. Pour relever ce défi, nous nous sommes associés à Driveline Retail, un marchand de premier plan, et à Dane Technologies, un leader des équipements d’entrepôt, afin d’apporter le suivi d’inventaire et l’intelligence des étagères au marché à l’échelle de l’entreprise.

Lorsque vous vous développez dans ces applications de visibilité d’inventaire, la collecte de données n’est qu’une partie de l’équation. La plupart des entrepôts et détaillants veulent plus que des millions d’images brutes ; ils ont besoin de savoir exactement quel produit est en rupture de stock, quel prix est incorrect, où se trouve une palette manquante et quelle action précise un employé doit entreprendre ensuite. Brain Corp fournit la vision par ordinateur avancée et l’IA nécessaires pour traduire ces observations brutes en décisions commerciales précises et priorisées.

Quel que soit le facteur de forme du robot, ces systèmes ouvrent également la voie à la création de jumeaux numériques continuellement mis à jour des installations. Parce que nos robots naviguent de façon sûre et fiable sur l’ensemble du périmètre, ils agissent comme des plateformes de données mobiles, capturant une intelligence détaillée des installations. Cela peut signifier, par exemple, vérifier l’emplacement d’un extincteur, identifier un congélateur défectueux, ou cartographier des zones avec une mauvaise connectivité Wi‑Fi.

Qu’est‑ce qui différencie un déploiement robotique qui fonctionne dans un site pilote d’un déploiement qui peut s’étendre à des milliers de sites d’entreprise ?

Les pilotes récompensent la possibilité. L’échelle récompense la fiabilité.

Un pilote peut réussir parce que le meilleur ingénieur est à proximité, l’environnement a été soigneusement préparé, et quelqu’un gère discrètement les exceptions en coulisses. Rien de cela ne fonctionne lorsque vous déployez sur des centaines ou des milliers de sites. À ce stade, chaque étape manuelle devient une source de coût et d’échec.

Un déploiement évolutif nécessite la répétabilité dès le départ. Le robot doit être simple à configurer, intuitif pour les employés de première ligne, observable à distance, et capable de recevoir des mises à jour logicielles sans qu’une personne ne visite chaque site. L’organisation doit également disposer de systèmes matures pour la cybersécurité, la certification de sécurité, le support, la formation, la maintenance, l’analyse et l’intégration avec la technologie existante du client.

La gestion du changement est tout aussi importante. Les personnes qui travaillent aux côtés du robot doivent comprendre ce qu’il fait, quelles sont ses limites, et comment il s’intègre à leurs responsabilités. Les déploiements échouent lorsque la technologie est techniquement solide mais que la responsabilité opérationnelle est floue.

Enfin, l’économie doit fonctionner pour le client et le fournisseur de robotique. Cela nécessite une infrastructure robotique qui devient plus économique et plus robuste à chaque déploiement.

Cette collection de défis est ce que nous appelons le « Autonomy Gap ». Construire un prototype fonctionnel n’est qu’une partie de la création d’une entreprise de robotique. Le travail beaucoup plus difficile consiste à transformer ce prototype en un produit sécurisé, supporté, répétable qui continue de fonctionner lorsque les spécialistes quittent le bâtiment.

Les travaux récents de Brain Corp sur l’ancrage contextuel et la cartographie sémantique pointent vers une couche plus intelligente pour l’IA physique. Pourquoi « comprendre l’environnement » est‑il la prochaine grande frontière pour les robots autonomes ?

La navigation traditionnelle est en grande partie un problème géométrique : où suis‑je, où puis‑je me déplacer, et quoi éviter ? L’ancrage contextuel ajoute un ensemble de questions beaucoup plus riche : que se passe‑t‑il autour de moi ? Quels sont ces objets ? Comment les personnes sont‑elles susceptibles d’interagir avec eux ? Quel comportement est approprié dans cette situation particulière ?

Un système de navigation basique peut voir qu’un objet occupe de l’espace. Un système conscient du contexte doit comprendre exactement quel est cet objet, pourquoi il est là, ce qu’il fait, et finalement comment se comporter autour de lui. Ces distinctions sont importantes car la réponse correcte diffère selon chaque cas.

Cela devient particulièrement important à mesure que la robotique commence à intégrer davantage d’IA générative, de modèles vision‑langage et d’autres systèmes probabilistes. Ces modèles peuvent apporter une intelligence et une flexibilité considérables, mais une réponse plausible ne suffit pas lorsque le logiciel contrôle une machine physique. L’action doit être ancrée dans la géométrie réelle, les conditions, les exigences de sécurité et le contexte social de l’environnement.

Nous pensons que la solution consiste à combiner une IA avancée avec une représentation contextuelle persistante du monde physique et des contrôles de sécurité déterministes. Cela permet au robot de bénéficier de modèles d’IA de plus en plus performants sans laisser l’intelligence probabiliste opérer sans limites.

Comment les entreprises doivent‑elles envisager la confiance lorsqu’elles déploient des robots auprès des employés, des clients et du grand public ?

Tout d’abord, nous devons reconnaître une vérité fondamentale : les robots sont différents des autres technologies d’entreprise. Un bug logiciel peut planter votre ordinateur portable, mais un bug dans une machine de 1 000 livres naviguant dans une allée de magasin très fréquentée a des enjeux totalement différents. Les entreprises ne peuvent pas simplement traiter un robot comme un autre équipement informatique connecté.

La confiance dans la robotique se gagne chaque jour. À une époque où la FCC limite l’approbation de la robotique produite à l’étranger pour des raisons de sécurité, le seuil de cette confiance n’a jamais été aussi élevé. À mesure que l’IA physique se déploie dans nos hôpitaux, aéroports, entrepôts et épiceries, les entreprises doivent évaluer la confiance sur plusieurs couches distinctes : sécurité physique, confidentialité des données et intégration humaine.

L’IA avancée est incroyable pour rendre un robot « intelligent » suffisamment afin de naviguer dans des environnements complexes, mais l’intelligence et la sécurité ne sont pas la même chose. Un robot digne de confiance sépare les deux. Il doit disposer de contrôles matériels de sécurité dédiés et redondants capables de passer outre le système. La sécurité doit être codée en dur, pas apprise.

De plus, les robots qui naviguent dans les espaces publics sont essentiellement des plateformes de données mobiles. Ils utilisent des caméras et des capteurs pour voir le monde. Les entreprises doivent exiger une clarté extrême de la part de leurs fournisseurs : que voit le robot ? Où ces données vont‑elles ? Qui y a accès ? La confidentialité et la cybersécurité ne peuvent pas être ajoutées après le déploiement comme une opération de relations publiques ; elles doivent être intégrées à l’architecture du système dès le premier jour.

La plus grande erreur que commettent les entreprises est d’introduire un robot dans une installation sans aucune réflexion sur la gestion du changement. Vous ne pouvez pas demander à vos employés ou clients de faire confiance à la robotique sur la foi. Les employés doivent être impliqués tôt, formés correctement, et voir exactement comment la machine facilite et sécurise leur travail quotidien. Ils doivent savoir qui est responsable en cas de problème, et comment intervenir si nécessaire.

En fin de compte, les certifications, audits et contrôles de sécurité ne sont que la preuve de base. La vraie confiance se construit par l’expérience répétée. Lorsqu’un robot se comporte de façon sûre, respecte constamment l’espace personnel d’un client, et enlève le travail sale et pénible de la plaque‑tournante d’un employé jour après jour, il devient simplement membre de l’équipe.

En regardant vers l’avenir, où pensez‑vous que la robotique commerciale créera le plus de valeur au cours des cinq prochaines années : commerce de détail, logistique, santé, fabrication, aéroports, ou un autre secteur entièrement différent ?

La plus grande valeur provient généralement d’environnements qui sont grands, répartis et contraints en main‑d’œuvre. Ils ont des tâches répétitives difficiles à accomplir de façon constante.

La chaîne d’approvisionnement : de la fabrication à la logistique en passant par le commerce de détail combine toutes ces conditions. Les magasins sont des espaces publics complexes, la disponibilité de la main‑d’œuvre est un défi persistant, et de petits problèmes opérationnels (une étagère vide, un prix incorrect, une tâche de nettoyage retardée) peuvent affecter directement l’expérience client et la performance financière. La logistique et la fabrication créeront également une valeur énorme, grâce à la visibilité de l’inventaire, le déplacement de matériaux et la coordination à travers des installations de plus en plus automatisées.

Mais la plus grande valeur ne sera pas définie par un secteur spécifique. Ce sera un changement dans la façon dont les entreprises achètent la robotique. Plus précisément, les cinq prochaines années marqueront la mort du projet robotique isolé.

Actuellement, les entreprises mènent des initiatives fortement fragmentées. Elles achètent un robot de la société A pour nettoyer les sols, un autre de la société B pour scanner l’inventaire, et un troisième de la société C pour déplacer des matériaux. Chacun possède sa propre compréhension locale du monde qui n’est pas partagée avec les autres. C’est un cauchemar opérationnel qui ne s’échelonne pas.

Au cours des cinq prochaines années, la création de valeur proviendra du contexte partagé et de l’exécution. Les entreprises vont cesser d’acheter des robots fragmentés et commencer à investir dans une base unifiée d’IA physique. Elles veulent une plateforme logicielle, une couche d’autonomie et un pipeline de données qui gèrent une flotte diversifiée de machines, partagent le contexte de l’environnement et orchestrent de façon centrale l’automatisation de l’ensemble des installations plutôt que des tâches individuelles.

C’est ainsi que l’IA dépasse l’ambition pour faire fonctionner le monde réel de façon meilleure.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Brain Corp.