Auteur : Syed Armani
Compilation : 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 des conditions changeantes et d'agir en temps réel. Cette transition vers des systèmes physiques intelligents (IA physique) commence à remodeler diverses industries et promet d'influencer la vie domestique quotidienne à mesure que la technologie mûrit.
L'innovation dans le domaine de la robotique connaît une croissance sans précédent. Figure a récemment dévoilé le robot humanoïde Figure 03, conçu pour des applications domestiques et commerciales. Il peut effectuer des tâches ménagères comme plier le linge et charger le lave-vaisselle, mais n'est pas encore parfait. Tesla fait fonctionner son robot humanoïde Optimus dans le cadre d'un projet pilote interne limité sur ses chaînes de production. Les drones autonomes et les robots à pattes sont de plus en plus utilisés pour des missions d'inspection dangereuses. Parallèlement, des entreprises comme Unitree ainsi que des technologies haptiques comme FlexiTac travaillent à permettre aux robots de naviguer dans des environnements domestiques encombrés, d'assurer leur sécurité autour des animaux domestiques et des enfants, et d'aider aux tâches quotidiennes. Une fois prêts, les robots intelligents mettront l'accent sur l'intelligence générale et la conscience contextuelle, par exemple, reconnaître sans instruction explicite qu'un verre d'eau renversé doit être nettoyé.
Les investisseurs injectent des capitaux importants dans la pile technologique qui devrait soutenir la prochaine génération de matériel robotique. En janvier 2026, Skild AI a levé 14 milliards de dollars en série C, portant sa valorisation à 140 milliards de dollars, pour étendre son modèle de base pour robots généralistes ; tandis que Figure AI a levé plus de 10 milliards de dollars dans sa série C en 2025, avec une valorisation post-investissement de 390 milliards de dollars, pour accroître ses capacités de fabrication et ses déploiements industriels. Apptronik a étendu sa série A à 935 millions de dollars, et NEURA Robotics a ajouté 120 millions d'euros à sa série B. Cela souligne un consensus croissant : l'IA physique devient une base stratégique pour la robotique grand public et industrielle.
Le point de basculement pour la普及 des robots intelligents est-il arrivé ?
L'accélération actuellement observée dans ce domaine est le résultat de la convergence de plusieurs technologies. Pendant des décennies, les différents modules constituant un robot intelligent ont été développés indépendamment, comme 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 fusionner, permettant aux robots de percevoir, raisonner et agir efficacement dans des environnements réels. Voici les facteurs clés propulsant ce « point de basculement de la robotique » :
Facteurs économiques : Le matériel est enfin devenu une commodité. Autrefois, les robots étaient coûteux car chaque composant était sur mesure. Aujourd'hui, ils bénéficient des chaînes d'approvisionnement de l'électronique grand public et des véhicules électriques.
-
Actionneurs : Les actionneurs pour robots humanoïdes à couple élevé ont historiquement été coûteux, coûtant souvent plus de 1000 dollars par articulation dans les systèmes industriels à faible volume. De nouvelles conceptions intégrées verticalement, comme celles de 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 des lidars et des caméras de profondeur a considérablement baissé. Des équipements haut de gamme qui coûtaient autrefois environ 10 000 dollars sont désormais disponibles pour quelques centaines de dollars. Ceci est dû aux progrès des conceptions à semi-conducteurs, à la production de masse et aux applications dans les secteurs automobile et mobile.
-
Batteries : 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 2 à 4 heures sur une seule charge.
Informatique en périphérie (Edge Computing) : Les robots doivent traiter les informations localement, car des tâches de contrôle en temps réel comme l'équilibrage ou la saisie d'objets ne tolèrent pas la latence du réseau. Des puces comme le Jetson Thor de NVIDIA sont conçues pour exécuter l'inférence d'IA à bord tout en traitant plusieurs flux de données de capteurs. Cela permet aux robots de traiter et de suivre leur environnement localement, répondant rapidement aux changements sans dépendre d'une connexion réseau.
Percée du « cerveau » (modèles d'IA) : C'est le plus grand changement. On passe d'une programmation « if/then » aux « modèles mondiaux » (World Models). Un modèle mondial est un modèle d'IA qui apprend 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 de personnes ouvrant des portes. L'IA observe simplement les vidéos, construit un modèle mental du fonctionnement de la physique, développe une intuition physique et simule mentalement des scénarios avant d'agir. Google Deepmind Genie 3 et NVIDIA Cosmos sont des exemples de ces nouveaux modèles mondiaux.
Alors que les machines deviennent plus intelligentes, les coûts continuent de baisser. Par exemple, le robot Noetix Bumi (à 1400 dollars) coûte désormais à peu près le même prix qu'un iPhone 17 Pro Max. La baisse du coût du matériel, l'amélioration des performances des puces d'IA et les capacités accrues des modèles mondiaux se combinent pour rendre les robots intelligents plus accessibles au grand public et élargir le champ de la R&D des laboratoires de pointe à un domaine plus vaste.
Si le « moment ChatGPT » de la robotique arrive bientôt, on verra probablement d'abord des applications dans l'industrie et la logistique, avant les robots humanoïdes domestiques à part entière. Bien que de nombreux défis subsistent avant une véritable普及 des robots intelligents, les optimistes rationnels réalisent que les tendances actuelles pointent vers un avenir où une adoption généralisée des robots intelligents est de plus en plus probable.
Les percées logicielles majeures s'accompagnent souvent de percées matérielles. L'émergence d'Instagram et de TikTok est due au matériel nécessaire. Si le matériel des robots intelligents devient largement disponible dans un avenir proche, une question intéressante se pose : les applications robotiques seront-elles la prochaine vague ?
Quels sont les défis actuels qui entravent cet élan ?
Données d'entraînement des robots : C'est le plus grand goulot d'étranglement pour le développement de robots intelligents généralistes. Contrairement à l'IA textuelle qui peut aspirer tout Internet, les robots ont besoin d'expérience du monde réel, comme ressentir la force, maintenir l'équilibre et interagir avec des objets. Collecter ce type de données est lent, coûteux et très laborieux.
Problèmes de « physicalité » : Regarder des vidéos n'apprend pas complètement à un robot comment manipuler des objets ou se déplacer en sécurité ; il doit ressentir la force et le contact par lui-même. La téléopération, où un humain guide le robot en temps réel, capture à la fois l'intention et la force, et constitue la norme optimale pour la collecte de données. Générer des centaines d'heures de données de haute qualité nécessite la présence constante d'un opérateur, ce qui est beaucoup moins évolutif que la collecte de données numériques.
Écart entre la simulation et la réalité : La simulation peut générer de vastes quantités de données à faible coût, mais en raison de phénomènes physiques non modélisés ou d'environnements imprévisibles, les robots échouent souvent à transférer leurs compétences dans le monde réel.
L'économie des machines sur la chaîne (On-Chain Machine Economy)
La combinaison de la blockchain et de la robotique offre une solution tangible aux défis actuels de la robotique. Les incitations tokenisées peuvent aider à coordonner des millions de robots et à récompenser les contributeurs qui téléopèrent des équipements ou fournissent des données de capteurs. Chaque interaction devient un actif de données précieux, construisant un ensemble de données robotiques communautaire et en croissance rapide, dont l'ampleur dépasse celle de toute entreprise unique.
Tokenisation de la collecte de données
Les données robotiques sont extrêmement précieuses, mais les données d'interaction et de détection du monde réel sont rares. Les grandes entreprises collectent des quantités massives de données de conduite et industrielles grâce à leurs flottes, leur conférant un avantage d'échelle inaccessible aux développeurs indépendants.
L'IA physique décentralisée permet aux utilisateurs de téléopérer des robots ou de contribuer avec des données de capteurs et d'être incités par des tokens. Les réseaux décentralisés peuvent coordonner des milliers d'enthousiastes à travers le monde, aidant les robots à naviguer sur des terrains complexes, ou les contributeurs d'environnements spéciaux peuvent télécharger des données et être récompensés. Bien que ces plateformes en soient encore à leurs débuts, elles préfigurent un avenir où les données robotiques peuvent être partagées plus largement, affaiblissant le monopole de quelques grandes entreprises.
Le robot en tant qu'agent économique
Dans le modèle « robot as a service », le robot intelligent lui-même peut devenir un actif « tokenisé ». Chaque robot (ou droit d'usage) peut être représenté par un token numérique, permettant à multiple utilisateurs de posséder ou de louer. Les frais de service payés au robot peuvent être versés directement dans le portefeuille du robot via des tokens ou des stablecoins. Cette configuration permet une génération de revenus autonome : le robot gagne de l'argent en travaillant, paie ses propres coûts opérationnels et distribue automatiquement les bénéfices aux détenteurs de tokens. Essentiellement, il s'agit d'un protocole Web3 qui transforme les robots en fournisseurs de services programmables, autonomes et autosuffisants, avec des revenus transparents et traçables.
Paysage du marché de l'IA physique
Alors que la nouvelle génération de machines intelligentes apprend et comprend la réalité complexe du monde en 3D, la frontière entre l'intelligence numérique et le comportement physique s'estompe.
Au cœur de cette révolution se trouvent les modèles d'IA. Les « cerveaux » sophistiqués développés par Physical Intelligence et Skild AI vont au-delà du code statique, fournissant une intelligence généraliste pour diverses formes physiques. Ces modèles permettent aux robots de considérer l'agilité et la mobilité comme des problèmes logiciels, permettant à un seul « cerveau » unifié de s'adapter à de multiples corps robotiques. Cette couche d'intelligence est soutenue par des plateformes de simulation et des pipelines de données (comme ceux fournis par Zeromatter), permettant aux systèmes de s'entraîner en toute sécurité dans des environnements virtuels avant d'être déployés dans le monde réel.
Évoluant de pair avec le cerveau des robots se trouve l'IA physique décentralisée. Par exemple, le réseau d'infrastructure décentralisé Fabric Protocol fournit une identité sur la chaîne et un portefeuille cryptographique aux robots autonomes, et utilise la cryptographie pour vérifier le travail des machines. Des entreprises comme Auki, Peaq et IoTeX construisent une « économie des machines » où les robots peuvent partager des cartes 3D, vérifier des données et effectuer des transactions de manière autonome. Cette approche décentralisée assure 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 s'occupe des travaux de maintenance quotidiens dans des environnements dangereux. Parallèlement, des percées sur le marché grand public en matière d'assistants domestiques sont imminentes avec les avancées de Figure et Unitree.
Perspectives pour 2030
D'un point de vue optimiste rationnel, la renaissance de la robotique est déjà là. Quatre forces irrésistibles convergent : les coûts matériels chutent en flèche, l'intelligence des modèles d'IA ne cesse de grimper, les puces d'informatique en périphérie offrent une puissance de calcul sans précédent, et une main-d'œuvre mondiale potentielle pourrait résoudre le problème des données. D'ici 2030, cette synergie poussera l'IA physique à pénétrer dans tous les coins du monde, de l'agriculture autonome aux domaines à haut risque comme la lutte contre les incendies et les soins aux personnes âgées.
L'histoire montre que l'innovation logicielle transformative se produit généralement après la stabilisation du matériel. Peut-être assistera-t-on à l'ère de la « location d'intelligence », où des robots humanoïdes standardisés exécuteront un système d'exploitation standard et intégreront un magasin d'applications. Tout comme la révolution du smartphone précédente, les prochaines années pourraient être définies par le « magasin d'applications robotiques », où les utilisateurs n'achètent pas d'appareil dédié mais s'abonnent aux compétences d'un robot. Dans ce modèle, la valeur passe de la machine elle-même à la « compétence » spécifique qu'elle peut exécuter. Vous n'achetez pas un robot tuteur de français dédié, vous téléchargez simplement une « application de compétence en français » sur votre robot humanoïde généraliste, et il devient votre professeur de français. D'ici 2030, pour les personnes aisées, le cadeau de fête privilégié ne sera plus le dernier smartphone pliant, mais un assistant intelligent qui peut réellement aider à gérer les tâches ménagères.
Cette prédiction est fondée sur un optimisme rationnel. Bien que la voie vers le futur soit rarement droite, la convergence des technologies laisse présager une transformation profonde de la technologie des machines.
Lecture connexe : Lorsque les robots apprennent à penser, à gagner de l'argent et à collaborer, analyse de 15 types de technologies et cas d'application robotiques
