Le fait
General Intuition (New York), spin-out de la plateforme de clips gaming Medal, annonce une Series A de 320 millions de dollars qui porte sa valorisation à 2,3 milliards de dollars. Total levé divulgué : 454 M$, après une première levée d’environ 134 M$ à son lancement (octobre précédent). La ronde est menée par Khosla Ventures, avec notamment General Catalyst, Jeff Bezos, Eric Schmidt, Nico Rosberg, et des profils issus de Google DeepMind et du MIT.
La thèse produit est claire et répétée : construire des modèles capables de percevoir, prédire et agir dans des environnements virtuels et physiques — pas un LLM textuel de plus, mais une intuition générale du réel. La matière première n’est ni du texte web, ni des milliers d’heures robotiques coûteuses, ni de la simu pure : ce sont des milliards de clips de gameplay uploadés sur Medal, enrichis d’action labels embarqués (quel bouton le joueur a pressé, et quand). Ces labels lient le contexte visuel à une décision humaine dans le temps — l’ingrédient que le CEO Pim de Witte juge manquant chez les concurrents qui tentent d’inférer l’action depuis la vidéo seule.
L’usage du capital est net : l’essentiel va au compute (accord CoreWeave) pour le pré-entraînement de la prochaine version du modèle ; une tranche finance l’ouverture plus large de l’API vers la fin de l’été. Aujourd’hui, General Intuition compte une poignée de clients en gaming, simulation et robotique. Démo marquante : le même cerveau qui joue des heures dans un environnement type Fortnite pilote un quadrupède en exploration, fine-tuné avec seulement ~8 minutes de données robotiques réelles — collectées dans la rue, pas dans le bureau où le robot circule.
Contexte
Du text-world au action-world. Les fondations LLM ont appris le langage. General Intuition part du constat inverse : l’intelligence humaine s’est construite par cycles intention → action → conséquence dans des mondes divers, pas par la lecture. Les modèles purement textuels décrivent la réalité ; ils ne suffisent pas à entraîner du Physical AI. Les clips Medal (des millions d’heures, des dizaines de millions de joueurs actifs mensuels selon les communications) offrent une diversité d’environnements et, surtout, une supervision d’action native — rare et propriétaire.
World model = gym, pas le produit. En interne, le world model (environnement simulé généré frame par frame, pas un moteur de jeu classique) sert de salle de sport pour entraîner le modèle agentique. De Witte insiste : ce que l’entreprise veut vendre, c’est l’agent (décider quoi faire), pas la démo immersive. Les action labels aideraient le modèle à distinguer le soi de l’environnement et à construire une causalité plus riche — thèse Khosla : le « quantum leap » des world models serait l’émergence d’une intuition proche de celle des humains, nourrie par ces données d’action/réaction.
Généalogie Medal → General Intuition. Medal a refusé des offres d’acquisition de labs majeurs ; la startup est née en partie de la volonté de garder le contrôle sur cette mine de données. Co-fondateurs cités : Pim de Witte, Eloi Alonso, Adam Jelley, Vincent Micheli. Positionnement cible : devenir un fournisseur de modèles (type OpenAI / Anthropic) sur lequel d’autres construisent — voiture autonome, robot industriel, agent de jeu — plutôt que de devenir eux-mêmes un OEM robotique. « On ne va pas construire une boîte de self-driving car ; on va rendre ça dix fois plus facile pour le prochain. »
Embodiments et flywheel. Quadupède d’abord, mais aussi drones et tests en jeux de conduite : tout ce qu’on peut piloter au manette / clavier-souris. La stratégie clients priorise ceux qui apportent des données réelles diversifiées et des équipes agiles pour co-apprendre — flywheel données Medal → modèle → déploiements → données physiques → retrain. Plateforme Nerve : marketplace qui rémunère des gamers (labelling, puis téléopération robot) pour élargir la boucle données tout en adressant la génération la plus exposée au déplacement par l’IA.
Garde-fous affichés. De Witte (parcours humanitaire, dont MSF) trace une ligne : pas d’autonomie létale, pas d’usage pour nuire aux humains ; OK pour search & rescue. Identité volontairement non-Silicon-Valley (équipe largement européenne, New York) dans un climat VC de plus en plus militaire.
Pourquoi ça compte
1. 320 M$ à 2,3 Md$ valident la thèse « gameplay = pré-training physical AI ». Ce n’est plus une anecdote de dataset niche : c’est une valorisation frontier-scale pour une approche data-différenciée (action-labeled) face aux stacks sim-to-real classiques et aux fleets robotiques chères.
2. Percevoir / prédire / agir devient le triptyque commercial. Le slogan n’est pas marketing creux : il cadre le produit (perception spatiale-temporelle, world model prédictif, policy d’action) et permet à un acheteur robotics/sim de situer General Intuition face aux VLA purs, aux foundation models robotiques et aux LLM.
3. Transfert jeu → robot avec peu de données réelles. Le claim ~8 minutes de fine-tuning quadrupède (données rue → bureau) est le chiffre à stress-tester en pilote. S’il tient hors démo, il change l’économie du sim-to-real.
4. Positionnement « model provider » vs robot maker. Pour les OEM, intégrateurs et studios : possibilité d’API foundation plutôt que de reconstruire un stack agentique. Pour les fonds : thesis plateforme, pas hardware.
5. Propriété des données Medal = moat contesté mais réel. Khosla le dit : à ce stade, racheter serait surtout une data acquisition « peu intéressante » — signal que le dataset action-labeled est le cœur de la thèse générationnelle. La question ouverte reste la scalabilité du transfer monde virtuel → monde physique hors demos.
6. Timing API + CoreWeave. Ouvrir l’API fin d’été tout en scalant le pré-train = passage de lab confidentiel à écosystème testable (digital twin usine, bot de studio, quadrupède environnements hostiles). C’est le moment où les équipes EU peuvent entrer en évaluation technique, pas seulement en lecture presse.
Lecture Neurone21
Thèse courte : la Series A General Intuition n’est pas « encore un lab world model » — c’est la monétisation d’un avantage données Medal (clips + action labels) pour un modèle unique percevoir → prédire → agir, avec ambition de backbone agentique du virtuel au robot, valo 2,3 Md$, et roadmap compute CoreWeave + API. Pour une équipe FR/EU (robotique, sim industrielle, gaming tech, fonds deeptech) : (1) exiger une eval cross-embodiment (jeu → sim → quadrupède/drone) avec protocole de mesure du transfer, pas une vidéo Fortnite ; (2) tester si les action labels apportent un gain mesurable vs baselines vidéo-only ; (3) cartographier l’usage API (digital twin, agent de jeu, navigation hazardous) avant tout discours « LLM robotique » ; (4) intégrer Nerve / données gamers dans la réflexion éthique et RH (téléopération, labelling) ; (5) noter la ligne rouge militaire — critère de due diligence pour certains acheteurs publics EU.
À suivre : disponibilité réelle de l’API, benchmarks publiés hors demos, diversification des embodiments clients, et si le flywheel données physiques tient face aux fleets robotiques concurrentes (Tesla Optimus data, lab VLA EU/US, etc.).
Sources : TechCrunch — General Intuition $2.3B bet, video games to real world, 25/06/2026 · The Robot Report — General Intuition raises $320M for robot AI, 26/06/2026 · GamesBeat — General Intuition $320M at $2.3B valuation.