# Helm.ai décroche 70 millions de dollars de contrats > Helm.ai annonce 70 millions de dollars de contrats commerciaux signés en douze mois pour ses modèles fondamentaux dédiés à l’IA physique. Type : Actualité IA · Catégorie : Secteur · Publié le 2026-10-09 · Signal IA - Order & Chaos · Secteur : Industrie Source : https://www.orderchaos.eu/signal-ia/actu/helmai-signe-70-millions-de-dollars-de-contrats-en-douze-mois Tags : robotique, automobile, ia physique, autonomie, modèles fondamentaux --- ## En résumé - Helm.ai a signé 70 millions de dollars de contrats commerciaux en douze mois. - Ses modèles couvrent l’automobile, les mines, la construction et la robotique. - Sa méthode de formation vise à réduire les besoins en données des systèmes physiques. **Le signal :** Helm.ai a signé 70 millions de dollars de contrats commerciaux en douze mois pour ses modèles fondamentaux d’IA physique. **Helm.ai annonce** 70 millions de dollars de contrats commerciaux signés sur douze mois pour ses [modèles fondamentaux](/signal-ia/actu/gen-15-de-generalist-ai-apprend-aux-robots-en-une-demonstration) dédiés à l’IA physique. L’entreprise californienne travaille avec des constructeurs automobiles mondiaux, des équipementiers de premier rang et des sociétés d’automatisation industrielle. Ses partenaires couvrent la perception, la conduite autonome intégrée, l’étiquetage automatisé des données et la simulation générative. Helm.ai considère l’automobile comme son principal terrain de déploiement. Ses projets incluent aussi des clients dans les mines et la construction. Vladislav Voroninski, fondateur et directeur général, affirme que ces projets atteignent désormais un niveau de maturité compatible avec des déploiements dans le monde réel. ([The Robot Report](https://www.therobotreport.com/helm-ai-reaches-70m-signed-commercial-contracts-foundation-models/)) **Une trajectoire rentable** Helm.ai indique que ses logiciels couvrent des programmes de véhicules autonomes SAE de niveau 2 à 4. Ils comprennent également la perception destinée à la production dans l’industrie lourde et des développements croissants en [robotique](/signal-ia/actu/arm-presente-a-robobusiness-sa-methode-pour-fiabiliser-lia). Fondée en 2016, l’entreprise dit suivre une trajectoire vers l’équilibre financier. Voroninski présente cette trajectoire comme un effet de l’efficacité capitalistique de son approche. Les contrats annoncés concernent plusieurs catégories d’acteurs industriels, plutôt qu’un seul programme. L’entreprise dispose déjà de projets destinés à la production dans les véhicules autonomes, les mines et la construction. Elle a aussi appliqué sa technologie d’IA aux drones de livraison. ## Helm.ai structure ses modèles **Une méthode supervisée autrement** Helm.ai entraîne ses modèles fondamentaux avec une méthode non supervisée appelée « deep teaching ». Cette méthode cherche à apprendre la structure du monde physique. L’entreprise sépare ainsi la compréhension d’un environnement de l’action dans cet environnement. Son architecture commence par la perception, puis traite les fonctions situées en aval. Chaque partie de la pile reste apprise de bout en bout avec des réseaux neuronaux profonds. Selon Voroninski, cette organisation permet au système de percevoir le monde avant d’agir sur cette perception. Helm.ai affirme que ses modèles apprennent avec une fraction des données, généralisent à des environnements inconnus et fonctionnent sous les contraintes de calcul des systèmes physiques. **Les données restent centrales** Voroninski relie cette approche aux besoins particuliers de la robotique. Les constructeurs automobiles doivent encore organiser la collecte de données pour augmenter leurs volumes d’entraînement. Les entreprises de robotique ne disposent généralement pas d’une grande flotte de robots, ni de volumes comparables de données. Helm.ai considère donc l’efficacité des données comme particulièrement importante dans ce domaine. La séparation entre perception et fonctions en aval joue aussi un rôle dans l’efficacité des données et la certification de [sécurité](/signal-ia/actu/brain-corp-fait-franchir-un-cap-a-la-robotique-autonome), selon l’entreprise. Les véhicules autonomes imposent déjà des contraintes de latence en temps réel et des règles de sécurité rigoureuses. Helm.ai dit avoir appris à composer avec ces contraintes dans l’automobile. ## La conduite prépare d’autres déploiements **Un socle multi-environnements** Les racines automobiles de Helm.ai servent de base à une généralisation vers d’autres environnements. Un système de conduite autonome peut devoir traiter une rue urbaine très fréquentée ou une route désertique. L’entreprise affirme utiliser la même pile de perception pour la conduite autonome, une mine à ciel ouvert et d’autres sites industriels. Ses modèles fondamentaux sont entraînés sur des ensembles de données dépassant les applications ciblées. Helm.ai les présente donc comme adaptés à plusieurs domaines, sans les limiter aux données de conduite. La société travaille déjà sur des projets liés aux mines et à la construction, tandis que des applications concernent aussi les drones de livraison. **Des robots différents** Helm.ai affirme que sa technologie peut s’appliquer aux véhicules autonomes, aux drones, aux robots humanoïdes et à d’autres formes de robots. Le problème de perception commence par les capteurs utilisés et leur configuration. Pour un véhicule autonome, cela inclut généralement une vue à 360 degrés avec caméras, lidar et radar. L’entreprise dit pouvoir traiter et simuler ces modalités simultanément. Dans d’autres domaines, les capteurs restent installés sur une forme physique particulière. Les objets à détecter, leur localisation et les comportements à anticiper changent toutefois selon le site. Voroninski estime que la robotique entre dans une phase d’accélération et veut appliquer les acquis commerciaux de Helm.ai à plusieurs secteurs.