Mecka AI lève 60 M$ (Sequoia, Nvidia) pour filmer le monde réel — et affiche déjà 100 M$ de run-rate

Mecka AI lève 60 M$ (Sequoia, Nvidia) pour filmer le monde réel — et affiche déjà 100 M$ de run-rate

🔎 La donnée physique devient le pétrole de la robotique

Les LLM ont eu leur internet : des milliers de milliards de mots, gratuits, déjà numérisés, prêts à être aspirés. Les robots, eux, n'ont rien. Un humanoïde n'apprend pas à faire couler un café en lisant Wikipédia — il lui faut des heures de gestes réels, avec la force exercée, la pression des doigts, le timing exact. Ce vide, Mecka AI a décidé d'en faire un business. Et le marché vient d'en mettre le prix.

Le 7 octobre 2026, la startup annonce une Series B de 60 M$ menée par Sequoia Capital, avec Nvidia, M12 (le fonds corporate de Microsoft), Qualcomm Ventures et Samsung en nouveaux investisseurs, selon WebProNews. Autour de la table : Tony Xu (CEO de DoorDash), Frank Slootman (ex-ServiceNow, ex-Snowflake) et Milan Kovac (ex-Tesla Optimus) en business angels. Quand ce casting rejoint un tour mené par Sequoia, on n'est plus dans le pari. On est dans le signal.

Le modèle, lui, tient en une phrase : payer des gens pour filmer leurs tâches quotidiennes — café, vélo, lessive — avec des capteurs corporels et des smartphones. De là naît EgoVerse, un dataset de 1 362 heures de démonstrations humaines. Et la société revendique déjà un run-rate de 100 M$ depuis juin 2026. Ma conviction après analyse des chiffres : la guerre des robots ne se gagnera pas sur les moteurs. Elle se gagnera sur les données.

L'essentiel

• Le tour : 60 M$ en Series B annoncés le 7 octobre 2026, menés par Sequoia Capital ; Nvidia, M12, Qualcomm Ventures et Samsung entrent au capital.
• La valuation : proche de 500 M$ selon un rapport TechCrunch de septembre 2026 (non confirmée officiellement) ; ~128 M$ levés au total depuis la seed de 8 M$ (août 2025).
• Le business : run-rate revendiqué de 100 M$ dès juin 2026, 300 M$ projetés d'ici fin 2026 (chiffres communiqués par la société).
• Le produit : des données égocentriques (mouvement, force, pression, timing) captées sur des humains équipés de capteurs corporels et de smartphones.
• Le dataset : EgoVerse — 1 362 heures, 80 000 épisodes, ~2 000 tâches, plus de 2 000 démonstrateurs.
• La thèse : la donnée physique, pas le hardware, est le nouveau champ de bataille robotique.

Outils recommandés

Ce tour ne se comprend pas isolément : il s'inscrit dans un écosystème « donnée pour robots » en pleine ébullition. Voici les acteurs à connaître (octobre 2026) :

Mon conseil : si vous débutez, commencez par LeRobot et Isaac Sim — gratuits et suffisants pour prototyper. Les données propriétaires type EgoVerse se négocient au niveau enterprise, et les budgets se chiffrent en centaines de milliers de dollars par contrat.

Qui est Mecka AI, et pourquoi Sequoia et Nvidia se sont mis à la table

Mecka AI est une société fondée en 2024, basée à New York et Toronto, qui vend aux roboticiens ce qu'ils ne peuvent pas produire eux-mêmes à l'échelle : des données du monde réel, captées sur des humains en train de vivre normalement (TechFundingNews). Son approche est dite « égocentrique » — la caméra est sur la personne, pas sur le robot — par opposition à la téléopération, où un opérateur pilote une machine dans un labo (TechJuice). L'ambition affichée : devenir le Scale AI — ou le Mercor — de la robotique.

L'historique de financement raconte une montée en puissance rapide :

Au total : environ 128 M$ levés en un peu plus d'un an. Framework Ventures, Kindred Ventures et Neo reviennent à chaque tour (CryptoBriefing). La valuation évoquée — proche de 500 M$ selon TechCrunch (septembre 2026) — reste d'ailleurs prudente pour une société qui revendique 100 M$ de run-rate. Notez la nuance journalistique : le post-money exact n'a jamais été officiellement confirmé.

Le plus révélateur, c'est le casting des angels. Tony Xu dirige DoorDash, c'est-à-dire la logistique du monde physique à l'échelle planétaire. Milan Kovac a piloté Optimus chez Tesla, c'est-à-dire les pipelines de données humanoïdes les plus avancés de l'industrie. Frank Slootman a fait croître ServiceNow puis Snowflake, c'est-à-dire vendre de l'infrastructure en entreprise. Ce cap table n'est pas une liste d'invités de prestige : c'est une carte des futurs clients de Mecka.

Et le timing n'est pas un hasard. Les humanoides sortent des labos et entrent dans les usines depuis 2025-2026 ; chaque constructeur découvre le même mur : il n'existe aucun corpus physique massif pour entraîner leurs politiques de contrôle. Mecka arrive exactement au moment où la demande explose et où l'offre est quasi inexistante.

Le modèle « humain caméra » : payer des gens pour vivre devant des capteurs

Mecka paie des volontaires pour filmer leurs gestes du quotidien — préparer un café, faire du vélo, plier une lessive — équipés de capteurs corporels et de smartphones. La capture ne se limite pas à l'image : les capteurs enregistrent le mouvement, la force, la pression et le timing, quatre dimensions totalement absentes des données web texte et image (The AI Insider).

La prouesse technique tient dans un chiffre : un tracking de pose de main sub-centimétrique, obtenu hors labo, avec du matériel grand public. En interne, un lab vidéo dédié au motion tracking et à la reconstruction 3D nettoie et structure le flux brut (CryptoBriefing). Autrement dit : la donnée est sale à l'entrée, propre à la sortie. C'est précisément là que se cache la valeur — n'importe qui peut filmer, presque personne ne peut industrialiser le nettoyage.

Pourquoi préférer cette approche à la téléopération ? Parce que la téléopération produit des données de labo : un opérateur, un robot, un environnement contrôlé, un coût faramineux par heure utile. L'approche égocentrique capture la vraie distribution des gestes humains, dans de vraies cuisines, avec des milliers de mains, de morphologies et de gestuelles différentes. L'humain est le robot le moins cher du marché : il se loue à la tâche, pas à l'heure d'ingénieur.

Cette logique n'est pas neuve — Figure AI transforme déjà les vidéos humaines en données d'entraînement — mais Mecka l'industrialise avec un réseau de contributeurs rémunérés et une infrastructure de collecte dédiée. C'est le playbook de Mercor appliqué au monde physique : payer des gens pour produire de l'expertise rare, puis la revendre sous forme structurée. La différence entre une intuition et une entreprise, c'est le pipeline.

Le flywheel est classique mais redoutable : plus de contributeurs, plus de tâches couvertes ; plus de tâches, de meilleurs modèles clients ; de meilleurs modèles, plus de contrats enterprise ; plus de contrats, plus d'argent pour payer les contributeurs. Chaque tour de manège renchérit le coût d'entrée pour les concurrents.

EgoVerse : ce que contient vraiment le dataset

EgoVerse, c'est aujourd'hui 1 362 heures de démonstrations humaines, 80 000 épisodes, environ 2 000 tâches distinctes et plus de 2 000 démonstrateurs (WebProNews, octobre 2026). Voici la photographie :

Mettez ces chiffres en perspective. Open X-Embodiment, le grand agrégat de Google DeepMind (2023), fédère plus d'un million de trajectoires issues de 22 types de robots — mais majoritairement de téléopération et de simulation, avec des modalités hétérogènes d'un labo à l'autre. EgoVerse est cent fois plus petit en volume brut, mais bien plus dense en information : force, contact, pression, positionnement 3D absolu. En donnée physique, la fidélité bat le volume.

Le nombre de démonstrateurs compte autant que les heures. Deux mille corps différents, deux mille façons de tenir une tasse : c'est ce qui évite qu'un modèle apprenne « la » façon de faire au lieu de « une » façon robuste aux variations. C'est l'argument massue contre les datasets de labo, captés sur une poignée d'opérateurs entraînés.

Le point le plus prometteur reste l'étude de transfert humain-vers-robot menée sur EgoVerse (The AI Insider, octobre 2026) : démontrer qu'un modèle entraîné sur des gestes humains se transfère effectivement sur un bras robotique changerait l'économie de toute l'industrie. C'est exactement l'hypothèse que l'argent de Sequoia vient financer.

Mon avis : 1 362 heures, c'est ridicule si on juge à l'aune des corpus LLM. C'est énorme si on juge à l'aune de ce qui existe en données physiques instrumentées. Le bon comparatif n'est pas « tokens contre heures », c'est « heures instrumentées contre heures instrumentées » — et sur ce terrain, Mecka est devant.

Run-rate de 100 M$ : ce que les chiffres disent — et ne disent pas

Mecka revendique un run-rate de 100 M$ dès juin 2026 et projette 300 M$ d'ici la fin de l'année. Traduction : le dernier mois connu, annualisé, vaudrait 100 M$. Si le premier chiffre est solide, le second reste une cible commerciale, pas un fait établi. Les deux méritent un traitement différent.

Pour mesurer la portée, regardez ce que le run-rate est devenu dans l'IA : le nouveau tableau des scores. Anthropic a d'abord dépassé OpenAI avec 30 milliards de dollars de run-rate (notre analyse), avant que les estimations ne grimpent à 47 milliards et lui fassent prendre la tête de la course (Anthropic atteint 47 milliards de dollars de revenue run-rate). Mecka pèse deux ordres de grandeur de moins — mais pour une société fondée en 2024 qui vend de la donnée physique, cette vitesse de monetisation est remarquable.

Trois précautions s'imposent pourtant. Un, le run-rate n'est pas le revenu encaissé : ce sont des contrats signés, parfois étalés sur des années. Deux, la Series A a été versée en tranches — novembre 2025 puis juin 2026 —, une structure qui suggère des jalons négociés, donc une croissance à confirmer trimestre par trimestre. Trois, les 300 M$ projetés émanent de la société elle-même ; aucun audit public ne les valide à ce jour.

Mon avis tranché : même à la moitié de ces chiffres, Mecka monétise plus vite que n'importe quel fabricant d'humanoides. La raison est structurelle — elle vend les pelles et les pioches de la ruée vers l'or robotique. Les vendeurs d'outils encaissent avant les chercheurs d'or, et les marges d'une plateforme de données, une fois le pipeline construit, n'ont rien à voir avec celles d'un fabricant de hardware.

Pourquoi la donnée physique — et pas le hardware — est le nouveau champ de bataille

Parce que le hardware se commoditise, et la donnée non. Les humanoides chinois se vendent désormais sous les 20 000 $ (Unitree G1, dès 2024), et chaque trimestre voit débarquer un nouveau châssis à la fiche technique impressionnante. Quand le robot devient une commodité, ce qui différencie n'est plus la machine : c'est le modèle qui la pilote. Et ce modèle a faim de données que personne n'a encore.

C'est là que l'entrée de Nvidia prend tout son sens. Nvidia ne vend pas seulement des GPU : elle vend l'infrastructure complète de l'IA — simulation avec Isaac, entraînement, déploiement. Investir dans Mecka, c'est sécuriser l'amont en données qui rend son aval en compute indispensable. La société a déjà démontré sa méthode : Nvidia a raflé l'âme de Groq pour 20 milliards de dollars (notre analyse), verrouillant au passage une brique d'infrastructure stratégique. Sur les données robotiques, elle préfère cette fois la participation à l'acquisition — plus rapide, moins coûteux, tout aussi efficace pour verrouiller l'écosystème.

Le parallèle avec le logiciel est frappant. Meta a injecté 14,3 Mds$ pour 49 % de Scale AI en juin 2025, valorisant la société de données autour de 29 Mds$. Mercor, l'autre star de la donnée d'expertise, a été valorisé 10 Mds$ début 2026. La donnée d'entraînement vaut déjà de l'or côté logiciel ; Mecka veut jouer exactement ce rôle côté robotique (TechJuice). Si la thèse tient, la valuation de 500 M$ d'aujourd'hui ressemblera à une aubaine dans trois ans.

Ma conviction : celui qui tient l'amont de la donnée physique fixe les conditions de toute l'économie robotique en aval. Les fabricants de robots négocieront, les labos s'abonneront, et les futurs modèles de fondation robotiques s'entraîneront sur ce que Mecka — et une poignée de rivaux — auront capté. C'est une position de goulot d'étranglement, la plus rentable qui soit en tech.

Les fragilités : concurrence, qualité des données et dépendance aux capteurs

Le modèle Mecka est séduisant, mais il repose sur trois hypothèses qui peuvent craquer. Les passer en revue, c'est évaluer honnêtement le risque plutôt que de se laisser porter par le storytelling.

Première fragilité : la concurrence vient de quatre directions à la fois. La téléopération des grands labos, les données synthétiques de simulation (Nvidia Isaac en tête), le minage de vidéos existantes — l'approche de Figure — et surtout les constructeurs qui collectent en interne. Tesla alimente Optimus avec ses propres pipelines, et Milan Kovac, l'angel de Mecka, le sait mieux que personne : il vient de là-bas. Si chaque fabricant d'humanoides construit sa ferme à données privée, le marché tiers se réduit aux acteurs qui n'ont pas les moyens de le faire eux-mêmes.

Deuxième fragilité : la qualité et la conformité. Des capteurs grand public produisent du bruit ; des tâches auto-déclarées produisent des biais ; et filmer l'intérieur des foyers soulève des questions de consentement et de vie privée que le RGPD et ses équivalents américains ne pardonneront pas facilement. Le lab vidéo interne et le tracking sub-centimétrique répondent en partie au problème technique — pas au problème juridique, qui pourrait freiner l'expansion européenne du réseau de contributeurs.

Troisième fragilité : le pivot vers le déploiement. La levée finance aussi une infrastructure de déploiement robotique (The AI Insider). Passer de vendeur de données à partenaire de déploiement, c'est changer de métier : vendre des API de données et opérer des flottes de robots n'ont rien en commun, ni en compétences ni en cycles de vente. L'ambition est louable — elle transforme Mecka en plateforme complète — mais l'exécution reste à prouver, et les entreprises qui s'éparpillent sur deux métiers le paient souvent cher.

Ce que ça change pour les développeurs et les entreprises

Trois conséquences concrètes, selon votre position dans la chaîne de valeur.

Si vous êtes chercheur ou développeur : surveillez l'ouverture d'EgoVerse. Une fraction publique de ces 1 362 heures instrumentées vaudrait plus que des pétaoctets de vidéo YouTube brute, faute de capteurs. En attendant, le duo Hugging Face LeRobot + Isaac Sim couvre gratuitement l'essentiel des besoins de prototypage — commencez par là avant de rêver à des contrats enterprise.

Si vous réfléchissez aux modèles embarqués : les robots ne passeront pas leurs politiques de contrôle dans le cloud, ne serait-ce que pour la latence et la vie privée. La contrainte embarquée favorise les modèles compacts et efficaces — la même logique que pour les meilleurs LLM à exécuter en local. Les modèles ouverts auto-hébergeables comme Kimi K2.6 (Self-host) ou GLM-5 (Reasoning) donnent un aperçu de ce qui tournera demain dans le torse d'un humanoïde. Et côté compréhension vidéo, les géants multimodaux comme Gemini 3.1 Pro ou GPT-5.5 digèrent déjà des heures de flux : la distance entre « comprendre une vidéo » et « piloter un robot » se comble à mesure que des datasets comme EgoVerse relient perception et action.

Si vous êtes une entreprise : les partenariats de données se négocient tôt, pas quand le dataset est saturé des besoins de vos concurrents. Les contrats enterprise signés aujourd'hui fixent les conditions pour les années suivantes. Et si vous lancez votre propre projet de collecte ou voulez simplement publier vos expériences robotiques pour vous faire repérer, un site vitrine bien construit suffit pour démarrer — Hostinger fait le travail pour quelques dollars par mois (prix constatés octobre 2026, vérifiez sur hostinger.com).

❌ Erreurs courantes

Trois pièges reviennent systématiquement dans les commentaires et les analyses superficielles de ce tour. Les éviter, c'est déjà analyser mieux que 90 % de la presse tech.

Erreur 1 : confondre run-rate et revenus encaissés

Le run-rate annualise le dernier mois : ce n'est ni le chiffre d'affaires réalisé, ni la trésorerie disponible. Une société peut afficher 100 M$ de run-rate avec 40 M$ effectivement facturés et encaissés. La solution : croiser systématiquement avec la structure du financement — les tranches de la Series A indiquent des jalons négociés, donc une croissance à confirmer trimestre par trimestre avant de crier au triomphe.

Erreur 2 : juger EgoVerse avec une règle de LLM

Comparer 1 362 heures aux milliers de milliards de tokens des LLM n'a aucun sens : ce ne sont pas les mêmes unités de valeur. Une heure de vidéo instrumentée (force, pression, 3D) vaut des milliers d'heures de vidéo brute. La solution : évaluer un dataset physique sur la couverture des tâches, la richesse des capteurs et la preuve de transfert vers le robot — jamais sur le volume brut.

Erreur 3 : croire que Mecka n'a pas de concurrents

Le récit « Mecka seule sur la donnée robotique » est faux : téléopération, simulation, minage vidéo et collecte interne des constructeurs (Tesla en tête) sont quatre voies concurrentes bien financées. La solution : suivre les contrats enterprise réellement signés — c'est le seul indicateur qui départage les approches, pas les communiqués de levée de fonds.

❓ Questions fréquentes

Réponses courtes et sourcées aux questions qui reviennent le plus sur ce tour.

Qu'est-ce que Mecka AI ?

Une startup fondée en 2024, basée à New York et Toronto, qui produit des données d'entraînement pour la robotique. Son modèle : payer des personnes pour filmer des tâches quotidiennes avec des capteurs corporels et des smartphones, générant des données égocentriques (mouvement, force, pression, timing) organisées dans le dataset EgoVerse.

Qui a investi dans la Series B de Mecka AI ?

Sequoia Capital mène le tour de 60 M$ annoncé le 7 octobre 2026. Nvidia, M12 (fonds de Microsoft), Qualcomm Ventures et Samsung entrent comme nouveaux investisseurs ; Framework Ventures, Kindred Ventures et Neo reviennent. Tony Xu (DoorDash), Frank Slootman et Milan Kovac (ex-Tesla Optimus) participent comme business angels.

Quelle est la valuation de Mecka AI ?

Proche de 500 M$, selon un rapport TechCrunch de septembre 2026 relayé par la presse spécialisée. Précision importante : la valuation post-money n'a pas été officiellement confirmée par la société, qui ne commente pas les chiffres de la ronde. Prudence donc sur ce chiffre, même s'il fait consensus dans la couverture médiatique.

Qu'est-ce que le dataset EgoVerse ?

Le jeu de données phare de Mecka : 1 362 heures de démonstrations humaines, 80 000 épisodes, environ 2 000 tâches et plus de 2 000 démonstrateurs, captées en approche égocentrique avec capteurs de mouvement, de force et de pression. Une étude de transfert humain-vers-robot l'accompagne, condition de sa valeur réelle pour la robotique.

Comment devenir démonstrateur rémunéré pour Mecka AI ?

La société rémunère des contributeurs pour filmer des tâches du quotidien (café, vélo, lessive) avec des capteurs et un smartphone. L'extension du réseau de contributeurs figure parmi les postes d'investissement de la Series B ; les inscriptions passent par le programme officiel de contributeurs sur le site de la société.

Mecka AI est-elle le « Scale AI de la robotique » ?

C'est l'ambition affichée (TechJuice), et les similitudes sont réelles : données d'entraînement rares, vendues en enterprise, sur un marché en explosion. La différence majeure : Scale AI est née du texte et de l'image, Mecka capture le monde physique, avec des contraintes de capteurs, de logistique et de conformité inédites.

✅ Conclusion

La levée de 60 M$ de Mecka AI officialise un basculement : la donnée physique est devenue l'actif stratégique de la robotique, et Sequoia comme Nvidia viennent d'en acheter une part substantielle à une valuation de 500 M$. Restez attentif aux prochains contrats enterprise signés — c'est là, et nulle part ailleurs, que la thèse se confirmera ou s'effondrera.