Veeda AI démarre avec 90 millions, avant d’avoir prouvé ses simulations
Veeda AI a été lancée le 19 août 2026 à Toronto avec un financement d’amorçage de 90 millions de dollars américains, codirigé par Khosla Ventures et Radical Ventures. Le média canadien BetaKit précise que l’entreprise veut développer des modèles du monde pour l’IA physique et qu’elle est constituée juridiquement sous le nom de Veeda Innovation.
Sanja Fidler dirige la société avec Zan Gojcic, directeur technologique, et Huan Ling, scientifique en chef, tous trois passés par Nvidia. Leur objectif est d’entraîner des robots et d’autres agents autonomes dans des environnements simulés avant leur déploiement physique; le portrait publié par Mon Carnet décrit cette ambition, mais ne présente encore aucun résultat technique propre à Veeda.
Les 90 millions financent d’abord une équipe
Le montant est considérable pour une entreprise créée quelques mois plus tôt, mais il ne correspond pas à la vente d’un produit déjà éprouvé. Selon SiliconANGLE, le tour a été codirigé par Khosla Ventures et Radical Ventures environ trois mois après la création de la société; ni sa valorisation ni les conditions détaillées de l’opération n’ont été publiées.
La principale preuve offerte aux investisseurs est donc le parcours des fondateurs. Fidler a rejoint Nvidia en 2018 pour établir son unité de recherche à Toronto, devenue ensuite le Spatial Intelligence Lab. Ling et Gojcic ont également travaillé sur des problèmes liés à la génération visuelle, à la représentation tridimensionnelle et à la simulation.
Cette expérience réduit certains risques de recrutement et d’exécution scientifique, sans valider la future technologie de Veeda. Le capital peut financer des chercheurs, des données et une infrastructure de calcul; il ne démontre pas qu’une simulation respecte la physique ni qu’un robot entraîné dans celle-ci fonctionnera mieux dans le monde réel.
Un modèle du monde doit prévoir les conséquences d’une action
Un modèle du monde apprend une représentation d’un environnement et de son évolution. Pour un système autonome, il ne s’agit pas seulement de reconnaître un objet, mais d’estimer où il se trouve, comment il peut se déplacer et ce qui risque de se produire après une action.
Veeda veut utiliser ces modèles comme terrains d’apprentissage virtuels. Dans sa présentation officielle, la société dit construire des modèles fondamentaux multimodaux capables de simuler la réalité physique afin que des agents incarnés apprennent par interaction. Elle avance que l’essai-erreur sur du matériel réel est dangereux, coûteux, lent et difficile à exécuter en parallèle.
Le pari économique consiste à déplacer une partie de cet apprentissage vers le calcul. En principe, un même agent pourrait essayer de nombreuses variantes d’une tâche sans immobiliser autant de robots ni exposer du matériel à chaque échec. Pour que cette économie soit réelle, les environnements devront toutefois être suffisamment variés et cohérents pour enseigner des comportements utiles hors de la simulation.
L’expérience acquise chez Nvidia n’appartient pas à Veeda
Le lien technique avec Nvidia repose sur des travaux identifiables, pas seulement sur les anciens titres des fondateurs. Une page de recherche consacrée à DiffusionRenderer réunit notamment les noms de Zan Gojcic, Huan Ling et Sanja Fidler autour de recherches sur la génération de données visuelles pour les systèmes autonomes.
Ces antécédents montrent que les trois dirigeants ont déjà abordé des questions de rendu, de données tridimensionnelles et de simulation. Ils ne prouvent pas que Veeda possède les modèles, le code ou les jeux de données développés chez leur ancien employeur. Aucune reprise de ces actifs ni architecture commune n’a été rendue publique.
La distinction est essentielle pour comprendre la levée de fonds. Les investisseurs parient sur la capacité de l’équipe à transformer son savoir-faire en propriété intellectuelle nouvelle, puis en produit exploitable. Les résultats obtenus dans un laboratoire précédent ne peuvent pas être comptabilisés comme des performances de la jeune société.
Le produit et ses performances restent invisibles
La vitrine publique de Veeda expose une mission, une approche générale, des offres d’emploi et quatre implantations — Toronto, Zurich, la région de la baie de San Francisco et Singapour. Elle ne présente pas de modèle nommé, de démonstration accessible, d’interface pour développeurs, de client pilote ni de calendrier de lancement.
Cette absence d’éléments publics ne permet pas de conclure que Veeda ne possède aucun prototype interne. Elle signifie qu’un observateur extérieur ne peut pas encore évaluer la fidélité de ses simulations, leur coût ou leur utilité pour une machine physique. Aucun benchmark propre à l’entreprise ni comparaison avec une méthode de référence n’a été publié.
Une vidéo visuellement convaincante ne suffirait d’ailleurs pas à établir la valeur du système. Une simulation destinée à la robotique doit conserver les objets et la géométrie dans le temps, produire des conséquences cohérentes après une action et représenter aussi des situations rares ou absentes des données d’entraînement.
La preuve décisive viendra du transfert vers le réel
Le test central sera le transfert de la simulation au réel: un robot entraîné avec les environnements de Veeda doit accomplir une tâche physique mieux qu’avec une méthode de référence. Les mesures pertinentes pourraient porter sur le taux de réussite, le nombre d’échecs, la quantité de données réelles nécessaire ou le temps d’adaptation à une nouvelle machine.
D’autres indicateurs devront préciser la portée du produit: capteurs et actions pris en charge, stabilité des longues séquences, vitesse de génération, coût de calcul et comportement face à des scènes inédites. Des protocoles reproductibles et des essais sur plusieurs plateformes permettraient de séparer la qualité visuelle d’un monde généré de son utilité effective pour l’apprentissage robotique.
À ce stade, les 90 millions de dollars, les deux investisseurs principaux, l’équipe fondatrice et l’objectif de construire des modèles multimodaux du monde sont établis. Veeda n’a pas encore rendu publics un produit, des performances propres ni un gain mesuré sur du matériel réel. La prochaine preuve significative sera donc une démonstration technique, un accès au modèle ou une évaluation reliant directement l’entraînement simulé à un résultat physique.
À lire aussi:
Abonnez-vous à notre newsletter
Recevez directement les dernières actualités sur le Web3, l’IA et les cryptomonnaies.