OpenAI recrute massivement dans la robotique, avec des salaires jusqu'à 500 000 dollars

OpenAI a publié le 19 septembre 2026 vingt-sept offres d'emploi liées à la robotique, avec des salaires de base pouvant atteindre 500 000 dollars, pour construire l'infrastructure de collecte de données derrière son retour sur ce secteur qu'elle avait abandonné en 2021.

Jusqu'à 500 000 dollars pour un ingénieur en apprentissage automatique

Les fourchettes de salaires publiées vont de 255 000 à 325 000 dollars pour un ingénieur logiciel en robotique, jusqu'à 380 000-500 000 dollars pour un poste d'ingénieur en apprentissage automatique, et 380 000 dollars pour un ingénieur en inférence — des niveaux de rémunération qui reflètent la rareté des profils recherchés.

L'infrastructure de données, pas la construction de robots, au cœur du recrutement

Contrairement à ce que le terme « robotique » pourrait suggérer, la majorité des postes se concentrent sur « l'infrastructure d'entraînement et les flux de données » plutôt que sur la conception physique des robots eux-mêmes, un signe que la donnée reste le principal goulot d'étranglement du secteur.

18 600 m² loués à Richmond pour combiner robots physiques et entraînement IA

OpenAI a loué environ 18 600 mètres carrés à Richmond, en Californie, un espace destiné à combiner le développement de robots physiques avec des opérations d'entraînement de données à grande échelle — une infrastructure hybride pensée pour générer les données nécessaires à l'entraînement de modèles robotiques.

Un retour sur la robotique après un échec en 2021 faute de données

OpenAI avait fermé sa première équipe robotique en 2021, faute de données d'entraînement suffisantes, avant de relancer ses efforts en 2024 — le recrutement actuel couvre aussi bien des postes logiciels que des métiers manuels comme la conception d'actionneurs, l'ingénierie de firmware ou technicien prototypiste.

Notre avis

Miser autant sur des postes d'infrastructure de données que sur l'ingénierie robotique proprement dite confirme que la leçon de l'échec de 2021 a été retenue : sans données d'entraînement de qualité et en quantité suffisante, aucun modèle robotique ne peut vraiment progresser, quels que soient les moyens financiers engagés.

Sources

• Article GSMDome