Trente milliards d'images que personne ne savait qu'elles étaient prises
En 2016, des centaines de millions de personnes ont pris d'assaut les rues, téléphone à la main, à la recherche de créatures virtuelles. Personne ne leur a expliqué qu'en même temps, elles construisaient la carte visuelle la plus détaillée des environnements urbains jamais réalisée. Chaque coin photographié pour capturer un Pokémon, chaque statue scannée pour échanger des récompenses dans le jeu, chaque façade capturée sous différents angles : tout cela a été stocké, étiqueté et géoréférencé.
Ce fichier compte aujourd'hui plus de 30 milliards d'images. Et Niantic vient de le licencier pour guider des robots de livraison sur les trottoirs des villes réelles.
La filiale Niantic Spatial a annoncé cette semaine une alliance avec Coco Robotics pour équiper ses robots autonomes d'un Système de Positionnement Visuel (VPS) formé à partir de ce réservoir de données. La précision rapportée par ses ingénieurs atteint quelques centimètres, un ordre de grandeur au-dessus de ce que propose le GPS conventionnel dans les environnements urbains denses. Le PDG de Niantic Spatial, John Hanke, a résumé cela de manière directe : faire courir Pikachu de manière réaliste dans une rue et faire traverser un robot en toute sécurité sont, au fond, le même problème d'ingénierie.
Pourquoi le GPS ne suffit pas et ce qui change avec la vision
Le GPS fonctionne en triangulant des signaux satellites. En plein champ, la précision est acceptable. Mais dans un canyon urbain — avec des blocs de bâtiments, des viaducs, des tunnels piétonniers — les signaux rebondissent, se dégradent et entraînent des dérives de plusieurs mètres. Pour un conducteur humain, ces mètres sont insignifiants. Pour un robot qui doit naviguer entre des piétons, traverser une piste cyclable et s'arrêter précisément devant un bâtiment, cela représente la différence entre fonctionner et entrer en collision.
Le VPS résout le problème d'une autre manière : au lieu de chercher des satellites, il compare ce que voit la caméra du robot avec l'inventaire visuel stocké. Il reconnaît façades, escaliers, panneaux et jardinières comme points d'ancrage spatial. Si l'environnement a déjà été photographié sous différents angles — et dans les villes où Pokémon GO a été populaire, cela a été fait avec une densité difficile à répliquer par n'importe quelle flotte de véhicules de cartographie — le robot sait exactement où il est sans dépendre d'un signal externe qui peut échouer.
Le modèle Coco 2, présenté en février 2026, est le premier matériel conçu pour tirer parti de ce système à l'échelle commerciale. Il opère sur les trottoirs, pistes cyclables et certains segments de rue, ce qui élargit considérablement la couverture par rapport aux prototypes précédents qui se limitaient aux campus universitaires et qui, selon des rapports publics du secteur, se perdaient en essayant de traverser une rue ordinaire.
L'actif que personne n'a évalué tout en s'accumulant
Ce que Niantic a construit n'était pas intentionnellement une base de données pour la navigation robotique. C'était une mécanique de jeu qui, comme effet secondaire, a généré une valeur économique indépendante. Cette distinction est importante car elle explique l'avance structurelle que Niantic a sur tout compétiteur cherchant à reproduire l'ensemble de données aujourd'hui.
Le former à partir de zéro coûterait des années de déploiement de flottes de véhicules de cartographie, des contrats avec des municipalités, des accords d'accès à des espaces privés et un budget qu'aucune startup de robotique ne peut assumer comme dépense initiale. Niantic l'a accumulé parce que ses utilisateurs l'ont fait gratuitement, motivés par des points, des créatures virtuelles et la satisfaction de compléter des missions. Le coût marginal de chaque image supplémentaire était, en pratique, nul.
C'est la mécanique la plus intéressante du cas d'un point de vue économique : les données ont été produites avec une structure d'incitations totalement étrangère à leur utilisation finale. Le joueur n'a jamais réalisé qu'il travaillait pour un futur produit logistique. Niantic ne l'avait pas planifié ainsi dès le début. La valeur est émergée de l'accumulation, pas d'un design délibéré vers ce but.
Le marché de la livraison de dernier kilomètre — le segment final entre un centre de distribution et la porte du client — concentre une proportion disproportionnée des coûts totaux de logistique dans le e-commerce. Les estimations du secteur situent ce segment entre 40 % et 53 % du coût total de la chaîne. Les robots autonomes sont une réponse évidente au problème, mais leur adoption a été freinée précisément par les défauts de navigation que le VPS promet de résoudre. Si la technologie fonctionne à l'échelle, l'impact sur l'économie unitaire d'opérateurs comme Coco Robotics pourrait être substantiel : moins d'intervention humaine, des itinéraires plus rapides, moins d'erreurs de livraison.
Le marché compétitif autour de ce pari est déjà en mouvement. DoorDash a présenté son propre robot autonome avec une vitesse maximale de 32 km/h. Aurora fait opérer des camions de fret autonomes au Texas. Waymo et Tesla continuent de perfectionner leurs flottes avec des données de conduite réelle. Ce qui distingue la position de Niantic est que son avantage ne repose pas sur le matériel ni sur l'algorithme de conduite : il réside dans le volume et la densité du jeu de données visuelles préexistantes, que ses concurrents en robotique ne peuvent pas acheter car il n'existe nulle part ailleurs avec une telle granularité.
La carte vivante comme infrastructure, pas comme produit
Ce que Niantic Spatial est en train de construire n'est pas une solution ponctuelle pour Coco Robotics. C'est une couche d'infrastructure géospatiale qui peut être licenciée à tout système nécessitant un positionnement précis dans un environnement urbain : drones de livraison, fauteuils roulants autonomes, systèmes de guidage pour les personnes malvoyantes, véhicules d'inspection des infrastructures.
Chaque robot déployé avec un VPS actif contribue, à son tour, avec de nouvelles images au système, le mettant à jour avec les changements récents dans l'environnement : travaux, nouveaux commerces, mobilier urbain modifié. Cela transforme la carte en un actif qui s'auto-met à jour et devient plus précieux avec l'usage, générant un avantage cumulatif difficile à éroder.
Le modèle a une logique financière claire : Niantic ne fabrique pas de robots ni ne concurrence dans la logistique. Elle licence une couche d'intelligence spatiale et facture l'accès à celle-ci. Plus d'opérateurs adoptent le VPS, plus elle reçoit de données, plus le système devient précis et plus il devient difficile pour un concurrent d'offrir quelque chose d'équivalent à prix comparable.
Cela n'élimine pas les risques. La question de savoir quelles données sont précisément transférées au système central, qui les contrôle et dans quelles conditions elles pourraient être partagées avec des tiers, est pertinente d'un point de vue réglementaire, surtout dans des juridictions avec une législation stricte sur la vie privée. Niantic a déclaré qu'elle n'avait pas l'intention de mettre le VPS à la disposition des forces de sécurité, mais l'absence d'un cadre contractuel public et audité sur l'utilisation secondaire de ces données reste une variable ouverte que les opérateurs adoptant la technologie devront considérer dans leur analyse des risques.
Les données de loisirs comme infrastructure industrielle
Le marché de la navigation autonome urbaine traverse la phase où la dématérialisation du positionnement GPS — déjà gratuit mais imprécis — laisse place à une couche de positionnement visuel de haute précision dont la valeur est captée par licenciement. Niantic n'a pas démocratisé l'accès aux données géospatiales par altruisme : elle a construit un actif propriétaire à travers une plateforme de divertissement massif et le transforme maintenant en infrastructure pour des tiers sous un modèle de revenus récurrents.
Ce que cela démontre n'est pas seulement de l'ingéniosité commerciale. Cela prouve que les systèmes qui permettent à des millions de personnes de faire quelque chose qu'elles apprécient — ici, explorer leur ville — peuvent générer, comme sous-produit, une intelligence collective avec des applications industrielles que n'importe quelle corporation n'aurait pu financer directement. La technologie qui sert d'abord l'utilisateur construit l'actif le plus difficile à reproduire : la participation soutenue de gens réels dans des environnements réels, pendant des années, à l'échelle mondiale.
