Inbolt : la startup française qui donne des yeux IA aux robots industriels
🔎 Pourquoi l'usine autonome passe par la vision embarquée
L'industrie manufacturière fait face à un paradoxe cruel : les robots sont partout sur les lignes de production, mais la moitié des tâches d'assemblage et de préparation restent manuelles. La raison ? Un robot industriel est aveugle. Il répète un geste millimétré dans un environnement parfaitement figé. Dès qu'une pièce bouge de deux centimètres, il s'arrête.
C'est exactement ce goulot d'étranglement qu'Inbolt s'apprête à combler à l'Automate 2026 de Chicago (22-25 juin). La startup parisienne lance son système de programmation robotique basé sur la vision IA, capable de passer d'un modèle CAO 3D à l'exécution sur la ligne de production en un seul flux. Pas de recalage laser, pas de jigs sur mesure, pas de semaines de commissionnement.
Le concept est radical : on prend le jumeau numérique de la pièce, on l'envoie au robot, et le robot s'adapte en temps réel grâce à une caméra 3D montée directement sur son bras. L'IA fait le reste. Inbolt ne vend pas un robot de plus. Elle vend le cerveau et les yeux qui manquent à ceux qui existent déjà.
L'essentiel
- Inbolt lance à Automate 2026 un système de programmation robotique vision-first qui ferme la boucle entre le modèle CAO et l'exécution en usine.
- La technologie repose sur une caméra 3D on-arm couplée à un modèle de vision IA qui localise la pièce physique et ajuste le mouvement du robot en temps réel.
- La startup française, fondée en 2019, a levé 15 M€ en Series A (Exor Ventures) pour un total de 22,3 M$ levés, et cible un marché de l'automatisation industrielle prêt pour le passage à l'échelle.
Outils recommandés
| Inbolt Robot Programming | Programmation robotique par vision IA, boucle CAO → exécution | Sur devis (juin 2026, vérifiez sur inbolt.com) | Industriels cherchant à automatiser sans jigs ni recalage |
| Hostinger | Hébergement web pour sites vitrines et dashboards IA | 2,99 €/mois (juin 2026, vérifiez sur hostinger.com) | Startups robotiques needing landing pages rapides |
De la CAO au factory floor : la boucle enfin fermée
L'idée centrale d'Inbolt, c'est d'éliminer le fossé entre la conception virtuelle et la réalité physique de l'usine. Aujourd'hui, un ingénieur conçoit une pièce en CAO. Ensuite, un intégrateur passe des jours, parfois des semaines, à programmer le robot pour qu'il interagisse avec cette pièce dans des conditions réelles.
Inbolt Robot Programming raccourcit ce processus drastiquement. L'ingénieur travaille directement depuis le modèle CAO pour construire le programme robotique. Il définit les points de passage, les trajectoires, les zones d'approche. Ensuite, lors de l'exécution, le Inbolt Vision Model prend le relais.
Le système scanne l'environnement réel, localise la pièce physique exactement là où elle se trouve, et ajuste le mouvement du bras robotique pour exécuter le chemin prévu. Ce n'est pas de la simulation. C'est de l'adaptation en temps réel, boucle fermée, sur la ligne de production.
Selon Automation.com, cette approche couvre le chemin complet depuis la commission virtuelle jusqu'au contrôle motion robotique adaptatif. Elle fonctionne aussi bien pour des applications statiques que pour des lignes en mouvement — un cas d'usage historiquement cauchemardesque en robotique industrielle.
La technologie : on-arm 3D vision + IA hybride
La force d'Inbolt ne réside pas dans un composant magique, mais dans l'assemblage cohérent de trois briques technologiques qui, ensemble, créent un comportement quasi humain.
La caméra 3D embarquée
Contrairement aux systèmes de vision fixes installés au-dessus des convoyeurs, Inbolt monte sa caméra 3D directement sur le bras du robot. Cette architecture on-arm présente un avantage décisif : le point de vue se déplace avec le robot. Le système voit la pièce sous multiples angles au cours du mouvement, ce qui améliore drastiquement la précision de localisation.
C'est ce qui permet le bin picking humain-like : le robot regarde un bac de pièces en vrac, identifie la bonne, calcule sa pose exacte en 3D, et saisit. Sans préparation mécanique du bac, sans orientation préalable des pièces.
Le modèle de vision IA
Le Inbolt Vision Model est un modèle d'IA entraîné spécifiquement sur des scènes industrielles. Il ne reconnaît pas des chats et des chiens — il reconnaît des pièces métalliques, des composants plastiques, des sous-ensembles mécaniques, même partiellement occlus ou empilés.
L'Université Paris-Saclay, qui a documenté le travail d'Inbolt dans un article dédié, souligne l'approche d'IA hybride de la startup : combinaison de méthodes classiques de vision par ordinateur (géométrie, contours, profondeur) avec des réseaux de neurones pour la reconnaissance et la prise de décision.
Le contrôle motion adaptatif
Dernière brique : le moteur de contrôle motion. Une fois la pièce localisée, Inbolt ne se contente pas de corriger un offset XYZ. Elle recalcule la trajectoire complète du robot pour s'adapter à la pose réelle de la pièce, en tenant compte des contraintes cinématiques du bras, des zones de collision, et des singularités.
C'est ce niveau d'intégration qui distingue Inbolt d'une simple overlay de vision ajoutée à un robot standard. Le système pense en termes de mouvement, pas en termes d'image.
Bin picking humain-like : ce que ça change concrètement
Le bin picking — la prise de pièces dans un bac en vrac — est considéré depuis trente ans comme le graal de la robotique industrielle. Tout le monde en parle, peu le font vraiment en production.
Le problème n'est pas technique en soi. Un système de vision 3D peut localiser une pièce. Le problème est la fiabilité à 99,9% sur 8 heures, 300 jours par an, avec des pièces qui changent de réflectivité, qui portent de l'huile, qui sont empilées de manière aléatoire.
Inbolt attaque ce problème avec son approche on-arm. Rocking Robots rapporte qu'à l'exécution, le système localise la pièce physique et ajuste le mouvement pour exécuter le chemin prévu depuis le modèle CAO. La clé : le modèle CAO sert de prior géométrique. L'IA n'a pas à deviner la forme de la pièce — elle la connaît déjà. Elle doit juste la trouver dans le chaos du bac.
Pour l'opérateur, le workflow est simplifié à l'extrême. On charge le modèle CAO de la nouvelle pièce. On indique où se trouve le bac. Le robot commence à picker. Pas de teach pendant, pas de définition manuelle de régions d'intérêt, pas de calibration fastidieuse à chaque changement de référence.
Automate 2026 : le moment de vérité pour Inbolt
L'Automate de Chicago est le plus grand salon de l'automatisation industrielle en Amérique du Nord. 40 000 visiteurs, 800 exposants. C'est là que les intégrateurs robotiques viennent chercher les technologies qu'ils déployeront dans les usines de leurs clients dans les 12 à 18 mois.
Selon Robotics and Automation News, Inbolt y lance officiellement ses capacités étendues de contrôle robotique et de programmation par IA. Le timing n'est pas anodin.
Le marché de la robotique industrielle traverse un moment charnière. Les pénuries de main-d'œuvre manufacturière s'aggravent dans tous les pays développés. Les usines doivent automatiser des tâches de plus en plus variées, avec des séries de plus en plus courtes. La programmation traditionnelle par teach pendant devient un frein économique : on ne peut pas passer trois semaines à programmer un robot pour une série de 5 000 pièces.
Inbolt arrive avec une proposition de valeur qui colle exactement à cette tendance : réduire le temps de commissionnement pour rendre l'automatisation rentable même sur des lots petits et moyens. C'est le passage de l'automatisation de masse à l'automatisation agile.
Une startup française avec du track record
Inbolt n'est pas un projet de labo sorti de nulle part. Fondée en 2019 par Rudy Cohen, Louis Dumas et Albane Dersy, la startup a passé sept ans à affiner sa technologie avant ce lancement à Automate 2026.
Business Insider détaille le parcours : un système de vision 3D qui scanne les environnements industriels, crée un jumeau numérique, et guide les bras robotiques de manière autonome. L'article souligne la levée totale de 22,3 M$, dont une Series A de 15 M€ dirigée par Exor Ventures — le véhicule d'investissement de la famille Agnelli (Ferrari, Stellantis, Juventus). Un signal fort envoyé à l'industrie automobile, premier marché cible d'Inbolt.
Maddyness précise que la startup commercialise déjà des solutions de vision par IA avec caméra 3D et algorithmes d'IA hybride. La levée de septembre 2024 visait explicitement à accélérer le déploiement commercial en Europe et à préparer l'expansion nord-américaine — ce qui se concrétise précisément à Automate 2026.
Le positionnement géographique est stratégique. Paris héberge l'une des plus fortes concentrations de chercheurs en robotique et vision par ordinateur au monde (Université Paris-Saclay, INRIA, Mines ParisTech). Inbolt puise dans cet écosystème tout en ciblant un marché mondial.
IA physique et manufacturing : où Inbolt s'insère
L'IA physique — le fait de faire interagir des modèles d'intelligence artificielle avec le monde matériel — est devenue le nouveau front de la recherche et de l'industrie. On le voit dans la course aux robots humanoïdes, où des entreprises comme Figure visent le déploiement en usine. Mais les humanoïdes ne sont pas la seule voie.
Inbolt représente une approche plus pragmatique : plutôt que de remplacer le robot industriel existant par un humanoïde expérimental, elle greffe de l'intelligence sur le parc robotique déjà installé. Un bras KUKA, FANUC ou ABB peut devenir autonome avec le système Inbolt. Pas besoin de changer l'hardware.
Cette philosophie s'inscrit dans une tendance plus large de l'IA appliquée. Les modèles open-source comme DeepSeek V4 Pro montrent que la démocratisation de l'IA ne passe plus uniquement par les LLM conversationnels. Elle passe par des modèles spécialisés — vision, contrôle, planification — qui s'intègrent dans des pipelines industriels.
Le parallèle est éclairant avec ce qui se passe dans le monde des agents de recherche. OpenSeeker-v2 a cassé le monopole des search agents industriels en open-sourçant une alternative performante. Inbolt fait la même chose dans la robotique : elle casse le monopole des solutions de vision propriétaires vendues par les constructeurs de robots avec des marges abusives.
Applications concrètes : au-delà du bin picking
Si le bin picking est l'application la plus visuelle, Inbolt cible un spectre plus large d'opérations industrielles.
Assemblage avec tolérance
Dans l'assemblage automobile ou aéronautique, les pièces ne sont jamais exactement à la position nominale. Les tolérances d'usinage, les déformations de montage, les jeux mécaniques créent des écarts. Un robot programmé en dur rate son insertion ou, pire, endommage les pièces.
Avec Inbolt, le robot voit l'état réel des pièces avant l'assemblage et adapte son mouvement. L'insertion d'un joint, le vissage d'un bouchon, l'emboîtement de deux composants deviennent des opérations robustes malgré les variations géométriques.
Contrôle qualité intégré
Puisque la caméra 3D est déjà là, pourquoi ne pas l'utiliser pour vérifier le résultat ? Inbolt peut valider la pose d'un composant après insertion, détecter un défaut d'alignement, ou vérifier la présence d'un élément. Le contrôle qualité n'est plus une station séparée — il est intégré au geste robotique.
Lignes en mouvement
C'est peut-être l'application la plus impressionnante documentée par Automation.com. Sur une ligne où les pièces défilent sur un convoyeur, le robot doit non seulement localiser la pièce mais aussi la suivre dans son mouvement. Cela nécessite une fusion temps réel entre la vision et le contrôle motion. Inbolt gère ce cas nativement, ouvrant la porte à l'automatisation de lignes de conditionnement, d'emballage et de logistique.
Le modèle économique : vendre le cerveau, pas le bras
Inbolt ne construit pas de robots. Elle vend un système logiciel-hardware (caméra 3D + logiciel de programmation + modèle IA) qui s'interface avec les robots industriels existants. C'est un choix de modèle économique délibéré.
Le marché mondial des robots industriels est dominé par quatre acteurs (KUKA, FANUC, ABB, Yaskawa) qui représentent ensemble plus de 60% des ventes. Essayer de les concurrencer sur le hardware serait suicidaire pour une startup. En revanche, le marché de l'intelligence embarquée pour ces robots est fragmenté et naissant. Chaque constructeur propose sa propre solution de vision, souvent limitée et coûteuse. Inbolt se positionne comme un tiers indépendant, compatible multi-marques, qui apporte une couche d'intelligence supérieure.
Le pricing est sur devis, ce qui est standard dans l'automatisation industrielle. Le modèle repose probablement sur une licence par cellule robotique, avec des frais d'intégration et de maintenance. Pour un intégrateur, le calcul est simple : si Inbolt réduit le temps de commissionnement de 3 semaines à 3 jours, le ROI est immédiat même avec un coût de licence significatif.
Concurrence et positionnement
Le paysage de la vision IA pour la robotique industrielle compte plusieurs acteurs, mais aucun ne propose exactement la même combinaison.
Les constructeurs de robots (KUKA, ABB, FANUC) ont leurs propres solutions de vision intégrées. Mais elles sont propriétaires, enfermées dans l'écosystème du constructeur, et souvent limitées à des cas d'usage pré-définis.
Les éditeurs de vision pure (Cognex, Keyence, SICK) excellent dans le contrôle qualité et l'inspection, mais ne gèrent pas le contrôle motion. Ils fournissent des données au robot, mais c'est à l'intégrateur de faire le pont — ce qui recrée la complexité que Inbolt élimine.
Les startups de vision 3D (Photoneo, Pickit, Mech-Mind) sont les concurrents les plus directs. Mais là où la plupart se concentrent sur le bin picking comme fonctionnalité isolée, Inbolt construit un système de programmation complet qui intègre la vision comme composant natif du workflow CAO-à-exécution.
Ce que ça implique pour les modèles d'IA sous-jacents
Un point technique mérite d'être souligné. Le Inbolt Vision Model n'est pas un LLM. C'est un modèle de vision spécialisé, probablement basé sur des architectures de type transformer ou CNN avancé, entraîné sur des millions d'images de pièces industrielles.
Cela dit, la tendance dans l'IA industrielle est à la convergence. Des modèles comme Gemini 3.1 Pro de Google (score 92 au benchmark de référence) ou GPT-5.5 d'OpenAI (score 91) démontrent des capacités de raisonnement spatial et de compréhension d'images 3D qui pourraient, à terme, se substituer ou compléter les modèles de vision spécialisés.
Pour l'instant, Inbolt fait le choix pragmatique d'un modèle sur mesure pour la reconnaissance de pièces industrielles. Mais la frontière entre vision spécialisée et vision généraliste est en train de s'effacer. Dans 2-3 ans, il est envisageable qu'un modèle comme Claude Opus 4.7 d'Anthropic (score 90) puisse, avec un fine-tuning léger, accomplir des tâches de localisation 3D aujourd'hui réservées à des modèles dédiés.
Inbolt se prépare à cette convergence en construisant un système dont la valeur ne réside pas uniquement dans le modèle de vision, mais dans l'intégration complète CAO-vision-motion. Même si le modèle de vision devient une commodité, le pipeline d'exécution reste un avantage compétitif durable.
❌ Erreurs courantes
Erreur 1 : Confondre vision embarquée et vision fixe
Beaucoup d'intégrateurs pensent qu'une caméra 3D au plafond suffit. Le problème : le point de vue est fixe, les occlusions sont fréquentes, et la calibration doit être refaite à chaque modification de la cellule. La solution : l'approche on-arm d'Inbolt déplace le point de vue avec le robot, éliminant les angles morts et réduisant la sensibilité au layout de la cellule.
Erreur 2 : Sous-estimer le temps de commissionnement vision
Intégrer un système de vision 3D classique prend souvent plus de temps que prévu. Calibration caméra, éclairage, définition des régions d'intérêt, gestion des réflectivités — chaque cas est un projet. La solution : en partant du modèle CAO comme prior, Inbolt supprime une grande partie de cette configuration manuelle. La géométrie est déjà connue.
Erreur 3 : Vouloir remplacer le robot au lieu de l'augmenter
L'erreur stratégique consiste à penser qu'il faut attendre les robots humanoïdes pour automatiser les tâches non rigides. La solution : Inbolt prouve qu'un bras industriel standard, augmenté de vision IA, peut déjà gérer des tâches réputées impossibles sans jigs. Pas besoin d'attendre Figure ou Tesla Optimus.
❓ Questions fréquentes
Inbolt fonctionne-t-il avec tous les robots industriels ?
Inbolt s'interface avec les principaux constructeurs (KUKA, FANUC, ABB, Yaskawa, Universal Robots). La compatibilité exacte dépend de la version du contrôleur et du protocole de communication. Vérifiez auprès d'Inbolt pour votre configuration spécifique.
Quel est le temps de mise en œuvre typique ?
Inbolt vise une réduction drastique du temps de commissionnement. L'approche CAO-vers-exécution permet de passer de semaines à quelques jours pour des applications standard de bin picking ou d'assemblage adaptatif.
Le système fonctionne-t-il avec des pièces brillantes ou réfléchissantes ?
Les pièces métalliques brillantes sont un défi classique en vision 3D. Inbolt utilise son IA hybride (géométrie + deep learning) pour compenser les artefacts de réflectivité. Les résultats dépendent du matériau, mais le système est conçu pour les environnements industriels réels, y compris pièces huilées et métalliques.
Inbolt remplace-t-il les intégrateurs robotiques ?
Non. Inbolt fournit l'outil, l'intégrateur déploie la solution. Le rôle de l'intégrateur évolue — moins de temps sur la programmation teach pendant, plus de temps sur l'optimisation du process et l'interface avec le reste de la ligne.
Quelle est la différence avec un système de vision Cognex ou Keyence ?
Cognex et Keyence sont excellents pour l'inspection et le contrôle qualité. Inbolt intègre la vision dans le pipeline de contrôle motion du robot. La vision n'est pas une étape séparée — elle fait partie du mouvement.
✅ Conclusion
Inbolt ne fait pas de la magie : elle prend un problème industriel réel (l'aveuglement des robots), l'attaque avec les bons outils (vision 3D embarquée + IA hybride + boucle CAO-exécution), et le déploie au bon moment (quand la pénurie de main-d'œuvre rend l'automatisation agile urgente). Le lancement à Automate 2026 sera le premier vrai test grandeur nature face aux intégrateurs nord-américains. Si le système tient ses promesses en conditions réelles de salon, la startup parisienne aura toutes les cartes en main pour devenir le standard de facto de l'intelligence robotique embarquée.