Gravis Robotics lève $200M en série A pour développer les machines lourdes autonomes

Gravis Robotics a levé $200 million en financement de série A de SoftBank, offrant à la société de robotique de construction basée à Zurich un capital important pour étendre sa technologie de machinerie lourde autonome aux projets d’infrastructure mondiaux.

L’entreprise décrit ce financement comme la plus grande série A jamais réalisée dans la robotique de construction. Ce tour de table intervient alors que les investissements dans l’IA physique s’étendent de plus en plus au-delà des robots humanoïdes et de l’automatisation d’entrepôts, vers des secteurs où les machines doivent interagir avec des environnements complexes et changeants.

Pour Gravis, cet environnement est le chantier de construction. Au lieu de construire de nouveaux équipements lourds à partir de zéro, l’entreprise développe du matériel et des logiciels d’IA conçus pour moderniser les excavatrices et autres engins de terrassement existants, ajoutant ainsi divers degrés d’opération autonome aux flottes déjà possédées par les entrepreneurs.

Le nouveau financement sera utilisé pour accélérer le déploiement international de Gravis, élargir son équipe d’ingénierie et intégrer ses systèmes autonomes à davantage de projets de construction et d’infrastructure.

Apporter l’IA physique à la construction lourde

Fondée fin 2022 en tant que spin‑off de ETH Zurich, Gravis est née de recherches en robotique et systèmes de contrôle autonomes. L’entreprise est dirigée par le PDG et co‑fondateur Ryan Luke Johns et le CTO et co‑fondateur Dominic Jud, le chercheur en robotique Marco Hutter étant également co‑fondateur et membre du conseil d’administration.

La construction présente un défi différent de celui de nombreux environnements où les machines autonomes ont gagné du terrain.

Un véhicule autonome, par exemple, tente généralement de comprendre et de naviguer en toute sécurité dans un environnement sans le modifier. On attend d’une excavatrice qu’elle fasse le contraire. Chaque mouvement du godet modifie le terrain que la machine devra ensuite comprendre.

La machine peut également rencontrer du sol, des roches, des pentes changeantes, des résistances souterraines et d’autres conditions qui ne peuvent être entièrement prédites à l’avance.

Gravis cherche à maîtriser cette incertitude grâce à des systèmes de contrôle robotique basés sur l’apprentissage, combinant les données hydrauliques de la machine avec le LiDAR, les caméras et le positionnement par système de navigation par satellite (GNSS). Son logiciel interprète en continu l’environnement de la machinerie et les forces physiques qui l’affectent, plutôt que d’exécuter simplement une séquence de mouvements prédéfinie.

L’entreprise affirme que ses modèles sont également entraînés intensivement en simulation, permettant à l’IA de rencontrer un grand nombre de scénarios d’excavation virtuels avant d’être déployée sur des machines physiques.

Transformer les excavatrices existantes en machines autonomes

Une partie centrale de la stratégie de Gravis consiste à éviter la dépendance à un seul fabricant d’équipement.

Les flottes de construction sont généralement composées de machines de plusieurs marques, souvent accumulées au fil des années d’achats et de contrats de location. Demander aux entrepreneurs de remplacer ces flottes par des machines autonomes conçues sur mesure pourrait rendre l’adoption beaucoup plus difficile.

À la place, Gravis a développé le Gravis RACK, un système de contrôle autonome modulaire pouvant être installé sur des excavatrices et chargeuses sur roues existantes. L’entreprise indique que la plateforme a déjà été adaptée à des équipements de fabricants tels que Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon et Sumitomo.

Le système installé sur le toit combine caméras, LiDAR 3D, positionnement GNSS RTK et informatique de pointe de qualité automobile. Comme le traitement s’effectue sur la machine, Gravis affirme que les fonctions autonomes peuvent continuer à fonctionner même en l’absence de connectivité fiable, ce qui est un facteur important sur les chantiers isolés ou inachevés.

Une couverture LiDAR complète et la fusion de capteurs sont utilisées pour scanner en continu le terrain environnant. Ces informations peuvent soutenir l’excavation autonome tout en générant simultanément des données 3D du site, des visualisations de coupe‑remblai et des enregistrements des travaux réalisés.

Le système de perception de Gravis peut également identifier les camions benne et coordonner l’endroit où le matériau excavé doit être déposé, permettant aux flux de travail autonomes de s’étendre au-delà du creusement, vers des activités telles que le chargement et la manutention des matériaux.

Autonomie sans retirer l’opérateur

Gravis ne présente pas l’autonomie comme une transition tout ou rien.

Son interface tablette Slate permet aux entrepreneurs de passer entre plusieurs modes de fonctionnement selon la tâche. Les opérateurs peuvent rester dans la cabine et utiliser l’assistance guidée par IA, s’éloigner pendant que la machine exécute des tâches autonomes plus longues, ou superviser l’équipement à distance.

Dans son mode Copilote en cabine, les opérateurs peuvent utiliser des commandes tap‑to‑dig et une assistance visuelle augmentée. Les travaux peuvent être définis via la Conception Assistée par Ordinateur (CAO) ou la Modélisation des Informations du Bâtiment (BIM), des géométries, des points de référence physiques ou des coordonnées. L’interface peut alors visualiser la quantité de matériau à enlever ou à ajouter pendant que la machine travaille.

À l’autre extrémité du spectre, l’orchestration à distance permet à un opérateur de superviser et de piloter à distance une ou plusieurs machines à l’aide de vidéos en direct et d’informations du site.

Cette approche hybride pourrait s’avérer cruciale pour l’adoption. Les chantiers de construction ne consistent rarement en des tâches répétitives réalisées dans des conditions parfaitement contrôlées. Garder les humains dans la boucle opérationnelle offre aux entrepreneurs un moyen d’introduire l’autonomie progressivement plutôt que de repenser entièrement le chantier autour d’équipements totalement sans conducteur.

Une couche logicielle pour des flottes de construction mixtes

L’ambition plus large consiste effectivement à créer une couche d’intelligence qui se situe au-dessus du marché fragmenté des équipements lourds.

Si le même logiciel autonome peut piloter des machines de nombreux fabricants et de différentes tailles, les entrepreneurs pourraient potentiellement déployer l’automatisation sans standardiser l’ensemble de leur flotte autour d’un seul fournisseur.

Gravis affirme que son système de contrôle basé sur l’apprentissage s’ajuste aux caractéristiques physiques des différentes machines plutôt que d’exiger que chaque excavatrice soit programmée indépendamment.

Cette distinction pourrait devenir de plus en plus importante à mesure que l’IA physique passe des démonstrations à la mise en œuvre commerciale. Un système robotique performant sur une seule machine soigneusement configurée est nettement moins utile aux grands entrepreneurs qu’un logiciel capable de s’adapter aux flottes hétérogènes déjà en service à travers le monde.

Gravis indique que sa technologie d’excavation consciente du terrain peut augmenter le débit jusqu’à 30 %, bien que les gains réels dépendront inévitablement de la machine, du chantier et des conditions du site.

Passer des projets de recherche aux chantiers actifs

Gravis avait déjà commencé à se développer commercialement avant l’investissement de SoftBank.

En novembre 2025, la société a annoncé un financement frais de 23 millions de dollars ainsi que des partenariats et déploiements avec des entreprises telles que Holcim, Taylor Woodrow, HD Hyundai et Flannery Plant Hire. À l’époque, Gravis a indiqué que ses systèmes étaient opérationnels dans sept pays couvrant le Royaume‑Uni, l’Union européenne, les États‑Unis, l’Amérique latine et l’Asie.

Un déploiement notable a concerné l’excavation autonome sur un projet d’infrastructure actif de Taylor Woodrow à l’aéroport de Manchester. La société a également travaillé sur la manutention autonome de matériaux de carrière et a établi un partenariat avec Flannery destiné à rendre les excavatrices équipées de la technologie Gravis disponibles via le marché de la location d’équipements.

Cette histoire de commercialisation permet de distinguer le dernier financement des investissements en IA physique centrés principalement sur des prototypes futurs. Gravis lève des capitaux alors que ses systèmes sont déjà testés et utilisés aux côtés des équipes de construction conventionnelles.

Le projet britannique mettra les excavatrices autonomes à l’épreuve dans un essai plus vaste

Cette expansion bénéficie également du soutien du gouvernement.

Gravis et Flannery Plant Hire ont récemment été sélectionnés pour un projet dans le cadre du programme britannique CAM Pathfinder de mobilité connectée et automatisée. L’initiative testera un système de terrassement entièrement autonome sur six excavatrices, avec des applications telles que le creusement de tranchées, l’excavation en masse et le chargement de camions.

Le projet est particulièrement pertinent car la location d’équipements pourrait devenir un canal de distribution important pour l’autonomie dans la construction.

Plutôt que d’obliger les entrepreneurs à acheter des machines autonomes ou à moderniser de façon permanente leurs propres flottes, les sociétés de location pourraient fournir des machines équipées d’autonomie pour des projets individuels. Cela pourrait réduire les barrières financières et opérationnelles à l’expérimentation de la technologie.

Cela exposerait également les systèmes autonomes à une variété beaucoup plus large de chantiers, de configurations de machines et de conditions de terrain, générant potentiellement des données opérationnelles précieuses pour améliorer les modèles d’IA sous‑jacent.

Pourquoi la construction émerge comme un marché majeur de l’IA physique

Une grande partie de l’attention portée à l’IA physique s’est concentrée sur les robots humanoïdes. Les machines lourdes représentent une autre opportunité potentiellement importante, et un domaine où le cas d’usage économique peut être plus facile à définir.

Les excavatrices, chargeuses et autres machines effectuent déjà d’énormes quantités de travail physique. Le défi n’est pas d’inventer une nouvelle forme mécanique, mais d’ajouter de l’intelligence à des équipements déjà déployés à grande échelle.

Cela crée une voie différente vers la commercialisation. Au lieu de demander aux clients de déterminer ce qu’un nouveau type de robot doit faire, des entreprises comme Gravis ciblent des tâches que les entrepreneurs paient déjà chaque jour à des travailleurs qualifiés et à des machines coûteuses.

Le défi restant est la fiabilité. Les environnements de construction sont désordonnés, dynamiques et critiques pour la sécurité, ce qui signifie que les équipements autonomes doivent fonctionner de manière constante dans des conditions bien moins prévisibles que les ateliers ou les entrepôts.

L’accent mis par Gravis sur la simulation, la télémétrie des machines, la fusion de capteurs et les modèles de contrôle adaptables reflète la difficulté de ce problème.

Le financement de SoftBank propulse Gravis dans une nouvelle phase d’expansion

La série A de 200 millions de dollars offre à Gravis des ressources considérablement accrues pour relever ce défi.

Plutôt que de simplement financer davantage de recherches, la majeure partie de l’opportunité réside désormais dans le déploiement : installer des systèmes sur davantage de marques d’équipements, accumuler de l’expérience à partir de projets de construction actifs et prouver que la machinerie autonome peut offrir des avantages économiques constants en dehors des démonstrations contrôlées.

La stratégie de modernisation pourrait être particulièrement importante. Les entreprises de construction ont d’énormes capitaux immobilisés dans des machines existantes, et une plateforme capable d’ajouter de l’intelligence à ces actifs pourrait se développer différemment des concurrents qui obligent les clients à acquérir des flottes robotiques entièrement nouvelles.

Si ce modèle s’avère fiable, la construction pourrait devenir l’un des marchés les plus conséquents de l’IA physique. Les machines sont déjà présentes, le travail est déjà défini, et la demande d’infrastructures continue de croître.

Gravis Robotics dispose désormais de 200 millions de dollars supplémentaires pour démontrer que l’IA peut faire plus que comprendre et naviguer dans le monde physique. Elle peut aider à le remodeler.