Auteur : Syed Armani
Compilé par Felix, PANews
L'IA ne se limite plus aux écrans et aux logiciels. Avec la fusion de l'IA et de la robotique, les machines acquièrent progressivement la capacité de percevoir le monde, d'interpréter les conditions changeantes et d'agir en temps réel. Cette transition vers des systèmes physiques intelligents, c'est-à-dire l'IA physique, commence à transformer divers secteurs et devrait, à mesure que la technologie mûrit, influencer la vie quotidienne à la maison.
L'innovation dans le domaine des robots augmente à un rythme sans précédent. Figure a récemment lancé le robot humanoïde Figure 03, conçu pour des applications domestiques et commerciales. Il peut accomplir certaines tâches ménagères, comme plier des vêtements et charger un lave-vaisselle, mais n'est pas encore parfait. Tesla fait fonctionner des robots humanoïdes Optimus dans des projets pilotes limités au sein de ses ateliers de production. Des drones autonomes et des robots à pattes sont de plus en plus utilisés pour des missions d'inspection dangereuses. Parallèlement, des technologies tactiles telles que Unitree et FlexiTac travaillent à permettre aux robots de se déplacer dans des environnements domestiques encombrés, en garantissant une sécurité autour des animaux de compagnie et des enfants, et en aidant à gérer les tâches quotidiennes. Une fois prêts, les robots intelligents se concentreront sur l'intelligence générale et la perception contextuelle, par exemple, en identifiant automatiquement qu'une tasse renversée nécessite une intervention, sans instruction explicite.
Les investisseurs placent d'importantes sommes d'argent dans les piles technologiques susceptibles de soutenir la prochaine génération de matériel robotique. En janvier 2026, Skild AI a levé 1,4 milliard de dollars lors de son financement de série C, avec une valorisation de 14 milliards de dollars, afin d'étendre son modèle fondamental universel pour les robots ; tandis que Figure AI a levé plus de 1 milliard de dollars lors de son financement de série C en 2025, avec une valorisation post-financement de 39 milliards de dollars, pour élargir ses capacités de fabrication humaine et son déploiement industriel. Apptronik a augmenté son financement de série A à 935 millions de dollars, et NEURA Robotics a ajouté 120 millions d'euros à son financement de série B. Ces opérations soulignent un consensus croissant : l'IA physique devient la base stratégique des robots de consommation et industriels.
Le point de bascule de la généralisation des robots intelligents est-il atteint ?
L'accélération observée actuellement dans ce domaine est le résultat de la convergence de plusieurs technologies. Pendant des décennies, les différents modules constituant les robots intelligents ont été développés indépendamment, tels que les algorithmes d'IA avancés, les capteurs haute fidélité, les bras mécaniques et les systèmes de contrôle en temps réel. Ce n'est que récemment que ces modules ont commencé à se combiner, permettant aux robots de percevoir, raisonner et agir efficacement dans des environnements réels. Voici les facteurs clés qui propulsent ce « point de bascule de la robotique » :
Facteurs économiques : les composants matériels ont enfin été commercialisés. Autrefois, les robots étaient chers car chaque pièce était sur mesure. Maintenant, ils bénéficient de la chaîne d'approvisionnement des produits électroniques grand public et des véhicules électriques.
Les actionneurs : les actionneurs pour robots humanoïdes à fort couple ont traditionnellement été coûteux, avec un coût par articulation dépassant généralement 1 000 dollars dans les systèmes industriels à petite échelle. Les nouvelles conceptions verticalement intégrées proposées par des entreprises telles que Tesla et Unitree réduisent le coût de certains composants d'actionneurs à quelques centaines de dollars.
Capteurs : Au cours de la dernière décennie, le coût du LiDAR et des caméras de profondeur a fortement diminué. Les appareils haut de gamme qui coûtaient environ 10 000 dollars il y a quelques années ne coûtent plus que quelques centaines de dollars aujourd'hui. Cela est dû aux progrès des conceptions à état solide, à la production à grande échelle et à leur utilisation dans l'industrie automobile et les appareils mobiles.
Batterie : Les investissements mondiaux massifs dans les véhicules électriques ont réduit le coût et amélioré la fiabilité des batteries lithium-ion à haute densité, permettant à de nombreux robots de fonctionner pendant 2 à 4 heures avec une seule charge.
Calcul en périphérie : les robots doivent traiter les informations localement, car des tâches de contrôle en temps réel telles que l'équilibre ou la prise d'objets n'autorisent aucune latence réseau. Des puces comme le Jetson Thor de NVIDIA sont conçues pour exécuter des inférences IA en local tout en traitant plusieurs flux de données capteurs. Cela permet aux robots de traiter et de suivre leur environnement localement, réagissant rapidement aux changements sans dépendre d'une connexion réseau.
« Cerveau » breakthrough (AI models) : c'est le changement le plus important. Passage de la programmation « if/then » aux « modèles du monde (World Models) ». Les modèles du monde sont des modèles d'IA qui apprennent le fonctionnement du monde réel en regardant des vidéos. Au lieu de programmer un robot pour « tourner une poignée de porte », on lui montre 10 000 vidéos d'ouverture de portes. L'IA, en observant simplement les vidéos, construit un modèle mental du fonctionnement de la physique, développe une intuition physique et simule mentalement les scénarios avant d'agir. Google Deepmind Genie 3 et NVIDIA Cosmos sont des exemples de ces nouveaux modèles du monde.
Alors que les machines deviennent de plus en plus intelligentes, leurs coûts continuent de diminuer. Par exemple, le robot Noetix Bumi (prix de 1400 $) coûte désormais à peu près autant qu’un iPhone 17 Pro Max. La baisse des coûts matériels, l’amélioration des performances des puces IA et l’augmentation des capacités des modèles mondiaux agissent ensemble pour rendre les robots intelligents plus accessibles au grand public et élargir la portée de la recherche et du développement au-delà des laboratoires de technologie de pointe.
Si le moment « ChatGPT » du domaine des robots survient bientôt, il sera probablement d'abord observé dans les secteurs de l'industrie et de la logistique, avant d'atteindre les robots humanoïdes domestiques au sens véritable du terme. Bien que de nombreux défis subsistent avant la diffusion généralisée des robots intelligents, les optimistes rationnels reconnaîtront que les tendances actuelles pointent vers un avenir où l'adoption massive des robots intelligents devient de plus en plus probable.
Les grandes avancées logicielles sont généralement accompagnées de progrès matériels. La naissance d'Instagram et de TikTok a été rendue possible grâce aux composants matériels nécessaires. Si les composants matériels pour robots intelligents deviennent largement accessibles dans un avenir proche, une question intéressante se pose : les applications robotiques seront-elles la prochaine vague ?
Quels sont les défis actuels qui entravent cette dynamique ?
Données d'entraînement pour les robots : c'est le plus grand obstacle au développement des robots à intelligence générale. Contrairement aux IA textuelles capables d'analyser l'ensemble d'Internet, les robots ont besoin d'expériences dans le monde réel, telles que la sensorialité, l'équilibre et l'interaction avec les objets. Collecter ce type de données est lent, coûteux et extrêmement exigeant en main-d'œuvre.
Problèmes physiques : regarder une vidéo ne permet pas d'enseigner entièrement à un robot comment manipuler des objets ou se déplacer en toute sécurité ; il doit ressentir personnellement les forces et les contacts. L'opération à distance, consistant à guider en temps réel le robot par une personne, permet de capturer à la fois l'intention et les forces, et constitue la référence optimale pour la collecte de données. Générer des centaines d'heures de données de haute qualité nécessite la présence constante d'opérateurs, ce qui limite fortement son évolutivité par rapport à la collecte de données numériques.
Écart entre simulation et réalité : la simulation peut générer de grandes quantités de données à faible coût, mais en raison de phénomènes physiques non modélisés ou d’un environnement imprévisible, les robots échouent souvent lorsqu’ils transposent leurs compétences dans le monde réel.
Économie de machine sur chaîne
La combinaison de la blockchain et des robots offre une solution pratique aux défis actuels de la robotique. Les mécanismes d'incitation par jetons peuvent coordonner des millions de robots et récompenser les contributeurs de dispositifs opérés à distance ou de données de capteurs. Chaque interaction devient un actif de données précieux, construisant un ensemble de données robotiques en croissance rapide et détenues par la communauté, bien plus vaste que celui de n'importe quelle entreprise unique.
Tokenization of data collection
Les données des robots sont extrêmement précieuses, mais les données de capteurs et d'interaction du monde réel sont très rares. Les grandes entreprises collectent d'énormes volumes de données de conduite et industrielles via leur flotte, leur conférant un avantage d'échelle inaccessible aux développeurs indépendants.
L'IA physique décentralisée permet aux utilisateurs de contrôler à distance des robots ou de contribuer des données de capteurs en échange de récompenses en jetons. Un réseau décentralisé peut coordonner des milliers d'enthousiastes à travers le monde, aidant les robots à naviguer sur des terrains complexes, tandis que les contributeurs dans des environnements spécifiques peuvent télécharger des données et recevoir des récompenses. Bien que ces plateformes soient encore à un stade précoce, elles annoncent un avenir où les données robotiques pourront être partagées plus largement, réduisant le monopole de quelques grandes entreprises.
Les robots en tant qu'agents économiques
Dans le modèle « Robot as a Service », les robots intelligents eux-mêmes peuvent devenir des actifs « tokenisés ». Chaque robot (ou droit d'utilisation) peut être représenté par un jeton numérique, permettant à plusieurs utilisateurs d'en être propriétaires ou de le louer. Les frais payés pour les services du robot peuvent être versés directement dans son portefeuille sous forme de jetons ou de stablecoins. Ce dispositif permet une génération de revenus autonome : le robot gagne de l'argent en travaillant, couvre ses coûts opérationnels et distribue automatiquement les bénéfices aux détenteurs de jetons. En substance, il s'agit d'une protocole Web3 qui transforme les robots en fournisseurs de services programmables et autonomes, avec des revenus transparents et traçables.
Carte du marché de l'IA physique
Avec la nouvelle génération d'apprentissage automatique intelligent et de compréhension du monde tridimensionnel et de sa complexité, la frontière entre l'intelligence numérique et le comportement physique disparaît.
Le cœur de cette révolution réside dans les modèles d'IA. Le « cerveau » complexe développé par Physical Intelligence et Skild AI dépasse le code statique pour offrir une intelligence générale à diverses formes physiques. Ces modèles permettent aux robots de traiter l'agilité et la mobilité comme des problèmes logiciels, permettant à un seul et même « cerveau » unifié de s'adapter à plusieurs corps robotiques. Cette couche d'intelligence est soutenue par des plateformes de simulation et des pipelines de données (par exemple, celles fournies par Zeromatter), permettant au système de s'entraîner en toute sécurité dans un environnement virtuel avant d'être déployé dans le monde réel.
Le développement des cerveaux de robots s'accompagne de l'IA physique décentralisée. Par exemple, le réseau d'infrastructure décentralisée Fabric Protocol fournit aux robots autonomes une identité sur chaîne et un portefeuille cryptographique, tout en utilisant la cryptographie pour vérifier le travail des machines. Des entreprises comme Auki, Peaq et IoTeX construisent une « économie des machines » dans laquelle les robots peuvent partager des cartes 3D, valider des données et effectuer des transactions autonomes. Cette approche décentralisée garantit que la couche de coordination n'est pas contrôlée par une seule entreprise.
Dans le secteur industriel, les équipements de construction autonomes de Bedrock Robotics et l'automatisation des entrepôts de Mytra redéfinissent la main-d'œuvre, tandis qu'ANYbotics gère les tâches de maintenance quotidienne dans des environnements dangereux. Parallèlement, avec les avancées de Figure et d'Unitree, une percée sur le marché de la consommation en matière d'assistants domestiques est à portée de main.
Perspective 2030
Du point de vue d’un optimisme rationnel, la renaissance de la robotique est déjà en cours. Quatre forces irrépressibles se combinent : le coût des composants matériels chute drastiquement, l’intelligence des modèles d’IA ne cesse d’augmenter, les puces de calcul en périphérie offrent une puissance sans précédent, et la main-d’œuvre industrielle mondiale est sur le point de résoudre les défis liés aux données. D’ici 2030, cette synergie poussera l’IA physique à s’immiscer dans tous les recoins du monde, des exploitations agricoles autonomes aux domaines à haut risque tels que la lutte contre les incendies et les soins aux personnes âgées.
L'histoire montre que les innovations logicielles révolutionnaires se produisent généralement après que le matériel se soit stabilisé. Peut-être assisterons-nous à l'ère de la « location intelligente », où des robots humanoïdes standardisés exécuteront un système d'exploitation standard et intégreront un magasin d'applications. Comme pour la révolution précédente des smartphones, les prochaines années seront définies par des « magasins d'applications pour robots », où les utilisateurs ne paient pas pour des appareils dédiés, mais pour des abonnements à des compétences robotiques. Dans ce modèle, la valeur passe de la machine elle-même aux « compétences » spécifiques qu'elle peut exécuter. Vous n'avez pas besoin d'acheter un robot spécialisé pour apprendre le français ; il vous suffit de télécharger une « application de compétence en français » sur votre robot humanoïde universel, qui devient alors votre professeur de français. D'ici 2030, pour les personnes aisées, le cadeau de fête préféré ne sera plus le smartphone pliable phare, mais un assistant intelligent capable d'aider réellement à gérer les tâches ménagères.
Cette prévision repose sur un optimisme rationnel : bien que le chemin vers l'avenir soit rarement linéaire, la convergence de diverses technologies présage une transformation profonde de la technologie machine.
Lecture complémentaire : Lorsque les robots apprennent à penser, à gagner de l'argent et à collaborer, analyse de 15 technologies et cas d'utilisation de robots