Cerveaux Robotiques : Sortir Enfin De L’Ère Gpt-2

Et si la prochaine révolution industrielle n’attendait plus un bras plus fort, mais un cerveau un peu moins naïf ? Depuis deux ans, l’argent afflue vers ce que les investisseurs appellent désormais l’IA physique : des modèles capables de faire bouger des machines dans le monde réel, pas seulement de rédiger des e-mails. Des milliards ont été levés. Une entreprise chinoise de robots a même frôlé une valorisation de soixante-six milliards de dollars. Puis le sol s’est dérobé. Le constat, un peu cruel, est le même dans les laboratoires et dans les usines : les corps progressent plus vite que l’intelligence qui les habite.

Pourquoi L’IA Physique Ressemble Encore À Gpt-2

On compare souvent cette période à l’ère GPT-2. L’expression, lancée par un fondateur de startup spécialisée dans la simulation, n’est pas une boutade. GPT-2 savait déjà produire du texte cohérent. Il impressionnait les initiés. Il ne changeait pas encore la vie de cent millions de personnes. L’IA incarnée en est là : des démos spectaculaires, des levées records, et une fiabilité encore trop fragile pour justifier un déploiement massif hors des laboratoires.

La conférence Actuate, qui rassemble les équipes qui construisent ces cerveaux, a triplé de taille depuis 2023. Mille cinq cents personnes se pressaient la semaine dernière autour des stands. L’enthousiasme était palpable. Une enseigne, celle d’Avala, promettait pourtant de résoudre la crise des données robotiques. Ce seul slogan résume le vrai goulot d’étranglement. Sans données riches, variées et correctement annotées, un modèle de manipulation reste un élève brillant le jour de l’examen et perdu dès qu’on change la salle.

Un Marché En Ébullition, Une Bourse Qui Se Réveille

Le secteur attire les fonds parce qu’il promet de relier deux vagues déjà énormes : les grands modèles de langage et l’automatisation industrielle. Appliquer aux robots les recettes qui ont fait exploser les assistants conversationnels paraît, sur le papier, d’une logique implacable. Plus de données. Plus de calcul. De meilleurs régimes d’entraînement. Un peu de renforcement bien calibré. Et voilà un ouvrier qui ne dort jamais.

La réalité boursière a rappelé que le papier n’est pas l’atelier. Unitree, figure de proue de la robotique chinoise, a connu une introduction fracassante sur l’équivalent local du Nasdaq, avant de voir presque la moitié de sa valeur s’évaporer. Les analystes n’ont pas cherché bien loin. Les machines marchent mieux, sautent mieux, tiennent mieux l’équilibre. Elles ne savent toujours pas accomplir, de façon répétée et rentable, le travail que les clients veulent payer.

Cette phrase, entendue dans les allées d’Actuate, devrait être affichée au-dessus de chaque table de levée de fonds. Une démonstration filmée à quatre-vingts pour cent de réussite fait rêver un investisseur. Elle fait fuir un directeur d’entrepôt. Dans un entrepôt, le vingtième échec casse une palette, retarde un camion, ou blesse quelqu’un.

La Crise Invisible : Des Données Trop Pauvres Pour Un Monde Trop Riche

Les laboratoires de langage ont pu avaler internet. Les laboratoires de robots n’ont pas d’internet du toucher. Une image de chat suffit à un modèle visuel. Une séquence de saisie d’une tasse exige la force, le frottement, l’angle du poignet, la déformation du liquide, la réaction de la table, la lumière changeante, et parfois le chat qui passe. Multipliez cela par des milliers de gestes, d’objets et de lieux. Vous obtenez une famine de données, pas une abondance.

Les équipes tentent donc de copier, avec un décalage de plusieurs années, la stratégie des laboratoires de frontière. Collecter plus large. Synthétiser ce qui manque. Mixer des régimes d’apprentissage. Inventer des terrains de jeu pour l’apprentissage par renforcement. Rien de tout cela n’est magique. Tout cela coûte des GPU, des ingénieurs, et surtout du temps passé à trier le chaos visuel et lidar qui sort d’un robot en mouvement.

Harry Mellsop, cofondateur d’Antioch, insiste sur un détail souvent oublié : les puces utiles ne sont pas seulement celles qui entraînent les grands modèles. Pour fabriquer des mondes virtuels assez crédibles, il faut des accélérateurs capables de lancer des rayons, de simuler la lumière et les contacts avec une fidélité presque photographique. Sans cette couche, le robot apprend dans un décor de carton et se casse la figure dès qu’une ombre réelle traverse l’atelier.

• Des jeux de données trop peu diversifiés, donc des modèles qui surapprennent un entrepôt et échouent dans le suivant.
• Des simulations encore trop propres, trop géométriques, trop peu « sales » pour coller au monde réel.
• Des boucles de renforcement trop longues, trop chères, trop fragiles dès que le matériel change.
• Une densité de flux caméra et lidar qui noie les équipes avant même l’entraînement.

Foxglove, fondée par d’anciens de Cruise, s’est spécialisée dans ce cauchemar logistique. Visualiser, chercher, découper, évaluer. Cette semaine, la société a annoncé un outil bâti sur le modèle de monde ouvert Cosmos de Nvidia. L’idée est simple et puissante : interroger des heures de capteurs avec une phrase en langage naturel, extraire les scènes utiles, construire plus vite des évaluations et des simulations. Moins de temps perdu à chercher la séquence où le bras a raté la poignée. Plus de cycles d’itération.

Les Voitures Autonomes Ont Une Longueur D’Avance

Si un domaine de l’IA physique avance plus vite, c’est la conduite. Pas parce que le problème serait plus simple. Parce que la collecte est déjà en place. Des millions de kilomètres parcourus par des humains fournissent des traces pertinentes. Et parce que la mission principale, au fond, consiste à éviter le contact plutôt qu’à le maîtriser. Ne pas percuter un piéton n’est pas la même famille de gestes que glisser une pièce dans un assemblage serré.

Une grande partie de la boîte à outils actuelle vient d’ailleurs de cette industrie. Foxglove n’est pas un cas isolé. Les pipelines de données, les bancs de simulation, les pratiques d’MLOps ont d’abord été rodés sur la route. Désormais, plusieurs acteurs de la voiture autonome se disent qu’ils peuvent reconvertir cet héritage vers l’humanoïde. Tesla le tente avec Optimus. Wayve a ouvert un laboratoire robotique. Uber aussi, sous forme d’effort de recherche plutôt que de produit immédiat.

Kendall pousse une thèse délibérément prudente. Trop tôt, selon lui, pour se marier à une seule plateforme matérielle. Les capteurs évoluent trop vite. Un modèle vraiment général devrait rester agnostique. L’infrastructure de données, la simulation, les outils d’entraînement pourront être largement partagés. Le modèle de monde, lui, demandera un post-entraînement différent selon que l’on habite un coffre de voiture, un torse articulé ou un bras d’excavatrice.

Cette vision a le mérite de calmer la fièvre du « tout humanoïde ». Elle a aussi un angle mort. Si tout le monde attend le cerveau universel, personne ne livre la machine qui range aujourd’hui les cartons. Or le marché paie les cartons, pas les promesses de 2030.

Cerveau Seul Ou Duo Matériel-Logiciel ?

Théophile Gervet, à la tête de Genesis AI, défend l’inverse. La société, intégrée verticalement, a levé cent cinq millions de dollars dès l’amorçage. Son pari : il est trop tôt pour une stratégie « cerveau d’abord ». Les opportunités se trouvent dans le co-design, ce dialogue serré entre la forme de la main, le couple du moteur, la latence du contrôleur et l’architecture du modèle.

Ce désaccord n’est pas académique. Il dessine deux familles de startups. D’un côté, celles qui veulent un modèle portable d’une machine à l’autre, comme un système d’exploitation de l’incarnation. De l’autre, celles qui acceptent de sculpter le corps et l’esprit ensemble, quitte à moins bien généraliser demain. Les premières séduisent par l’ampleur de l’ambition. Les secondes ont plus de chances d’émettre une facture cette année.

Le débat se complique encore quand on descend dans les verticales. Gritt installe des robots sur des chantiers solaires. Agility envoie les siens dans l’industrie. Bedrock fait travailler des pelles en autonomie. Ces entreprises sortent des laboratoires. Les humanoïdes généralistes, eux, y restent trop souvent.

Gervet résume le piège avec une formule qui reste en tête. Construire une verticale étroite au-dessus d’un modèle encore de niveau GPT-2, c’est s’exposer à se faire écraser le jour où un voisin entraînera l’équivalent de GPT-4. Refuser toute verticale, c’est n’offrir aucune valeur aujourd’hui. Entre la facture et le futur, le secteur hésite, parfois dans la même réunion d’investisseurs.

Pourquoi La Niche N’Est Pas Qu’Une Reculade

Kevin Peterson, directeur technique de Bedrock, raconte un chemin plus humble et plus rusé. Commencer par l’excavation, ce n’est pas se condamner à creuser des trous toute sa vie. C’est affronter la manipulation dans la nature : sol mouvant, poussière, pluie, pièces qui ne sont jamais exactement où le plan l’indiquait. De cette école de rudesse, l’entreprise veut tirer une couche d’intelligence transposable à d’autres engins de chantier.

La niche fournit deux nourritures que le laboratoire ne donne presque jamais. De l’argent, d’abord, qui finance la suite. Des traces réelles, ensuite, avec leurs erreurs, leurs surprises, leurs opérateurs fatigués. Ces traces n’ont pas toujours la diversité nécessaire pour un modèle universel. Elles ont en revanche la densité nécessaire pour qu’une machine cesse d’être un prototype et devienne un outil.

On touche là le paradoxe central de 2026. Les données trop spécialisées n’élèvent pas un cerveau général. Les données trop générales n’existent pas encore à l’échelle. Les équipes les plus lucides acceptent donc un va-et-vient : une verticale pour apprendre à servir, une ambition plus large pour ne pas mourir quand le modèle suivant arrivera.

Derrière Les Démos, Une Intendantce De L’Ombre

Le public voit un humanoïde qui plie un linge. L’ingénieur voit des téraoctets de nuages de points, des décalages de calibration, des étiquettes manquantes, des simulations qui mentent sur le frottement du tissu. Gérer cette matière est devenu un métier à part entière. La densité visuelle et lidar n’a rien à voir avec un corpus de pages web. On n’y « scrolle » pas. On s’y noie.

Les produits d’infrastructure comme ceux de Foxglove ou d’Avala ne font pas rêver les unes de la presse grand public. Ils décident pourtant qui itère en deux jours et qui passe deux semaines à retrouver la séquence fautive. Dans une course où tout le monde prétend manquer seulement de données, celui qui retrouve plus vite la bonne donnée gagne un cycle. Puis un autre. Puis l’avantage.

Le recours à un modèle de monde ouvert n’est pas un gadget marketing. Il change la grammaire du travail. Au lieu de filtrer par horodatage et par capteur, on décrit la scène : « bras qui glisse sur une poignée humide, éclairage latéral, opérateur à gauche ». Si l’outil répond juste, l’évaluation cesse d’être un artisanat. Elle devient une conversation. Ce détail, apparemment banal, rapproche enfin la robotique des pratiques qui ont accéléré les modèles de langage.

Quel Serait Le Vrai Moment Chatgpt Des Robots ?

Sam Altman a évoqué un basculement à quelques années. La formule circule, un peu trop commode. Chacun y projette son produit. Alex Kendall, lui, refuse le critère de l’investisseur déjà très excité. Il cherche un choc grand public. Son exemple n’est pas un androïde qui sert le café. C’est une autonomie « yeux détournés » dans une voiture, pour moins de mille dollars de matériel embarqué. Pas un salon. Une route. Un prix. Une sensation de bascule dans la vie quotidienne.

Wayve licencie d’ailleurs ses modèles à des constructeurs. Le dirigeant y voit un marché de plusieurs milliards, et le tremplin vers un modèle incarné plus général. La logique est claire : d’abord un usage massif, ensuite la diversité des situations, enfin la généralisation. C’est l’inverse du rêve du robot de salon qui sait tout faire dès le premier jour.

Gervet place le curseur ailleurs, plus près de la main. Le moment décisif, selon lui, ce sera une manipulation qui fonctionne sortie de boîte. Parler à la machine comme à un collègue. Lui demander de pousser, tirer, fermer un ordinateur portable, débarrasser une table. Obtenir, sans réglage d’une semaine, une fiabilité d’au moins quatre-vingts pour cent. Ce seuil n’est pas magique. Il ressemble au premier étonnement devant un chatbot qui cesse de dérailler au bout de trois phrases.

Adrian Macneil casse le récit le plus séduisant. ChatGPT a basculé parce que le logiciel se copie à l’infini. Un million d’utilisateurs en une semaine. Un robot ne se télécharge pas. Il se fabrique, se livre, se répare, s’assure, s’intègre à un appartement trop petit ou à une usine trop ancienne. Macneil préfère parler d’un moment Apple II ou IBM PC : le jour où l’on pourra acheter, sans être ingénieur, une machine domestique qui rend enfin quelques services utiles et un peu amusants.

Le détail a son importance. Le plus grand déploiement robotique de la planète, rappelle Kendall, reste le robot aspirateur. Pas l’humanoïde de science-fiction. L’objet un peu ridicule, un peu attachant, qui se coinçait sous le canapé et que l’on a fini par adopter. Les bascules culturelles commencent souvent par là : un geste limité, un prix acceptable, une habitude qui s’installe.

Ce Que Les Investisseurs Regardent Trop Vite

La fièvre du capital-risque a un effet secondaire connu : elle confond la démo et le produit. Une marche fluide filmée au ralenti ne dit rien de la tenue de poste à deux heures du matin, quand le tapis est gras et que la pièce à saisir n’est plus celle du catalogue. Les valorisations intègrent un calendrier que les laboratoires eux-mêmes n’osent plus afficher sur leurs murs.

Unitree l’a appris à ses dépens. L’appétit pour le récit chinois de la robotique grand public a d’abord tout emporté. Puis le marché a demandé la preuve du travail utile. Cette correction n’enterre pas le secteur. Elle le rappelle à une discipline que le logiciel avait pu oublier : ici, le monde résiste. Il pèse. Il casse. Il refuse de se laisser tokeniser aussi facilement qu’un paragraphe.

Les fondateurs les plus intéressants ne promettent plus « l’ouvrier universel pour 2027 ». Ils parlent d’infrastructures de données, de simulateurs moins menteurs, de verticales qui rapportent, de modèles de monde que l’on pourra spécialiser. Moins de science-fiction. Plus de plomberie. C’est moins photogénique. C’est probablement la seule voie qui mène à une machine que l’on achète deux fois.

Trois Tensions Qui Décideront Des Gagnants

La première tension oppose généralité et valeur immédiate. Celui qui vise trop large n’entre pas chez le client. Celui qui vise trop étroit se fait rattraper dès qu’un modèle plus puissant arrive. Les survivants apprendront à empiler les deux horizons dans la même feuille de route, sans mentir ni à l’atelier ni au fonds.

La deuxième tension oppose cerveau portable et couple matériel-logiciel. Wayve parie sur des briques communes et des post-entraînements distincts. Genesis AI parie sur le dialogue intime entre capteurs, actionneurs et réseau. Les deux camps peuvent coexister. Ils ne construiront pas les mêmes entreprises, ni les mêmes délais de mise sur le marché.

La troisième tension oppose simulation et terrain. Sans simulation, on n’explore pas assez d’accidents rares. Sans terrain, on entraîne un athlète en salle qui n’a jamais vu la pluie. Les piles modernes devront cesser de traiter ces deux mondes comme des camps adverses. Le modèle de monde, le nuage de points réel et la phrase de l’opérateur devront entrer dans la même boucle.

• Mesurer la réussite hors caméra, sur des heures de production, pas sur une minute de vidéo.
• Investir dans l’intendance des données autant que dans le dernier article de recherche.
• Accepter qu’un premier revenu de niche n’est pas une trahison de l’ambition générale.
• Garder le matériel assez ouvert pour ne pas se réveiller prisonnier d’un capteur dépassé.

Ce Que Change Vraiment Le Passage À L’Échelle

Dans le langage, l’échelle a tout transformé. Des lois empiriques, des corpus plus vastes, des fenêtres de contexte plus longues. Dans le physique, l’échelle se heurte à la matière. On ne duplique pas une usine comme on duplique une instance cloud. On ne relance pas une journée de collecte si le robot a tordu un doigt. Cette friction explique pourquoi le secteur peut lever des montagnes d’argent et avancer comme un alpiniste attaché.

Elle explique aussi la migration des compétences. Les profils venus de la conduite autonome apportent une culture de la flotte, de la sécurité, de la relecture implacable des échecs. Les profils venus de la recherche en apprentissage profond apportent l’appétit pour les architectures nouvelles. Les profils venus de l’automatisation classique apportent le souvenir, parfois amer, des cellules qui marchaient en catalogue et s’arrêtaient dès qu’une vis n’était plus à sa place. Le mélange est fécond. Il est aussi conflictuel.

On le voit dans les choix de calcul. Entraîner un modèle de langage, c’est une affaire de matrices. Entraîner un robot, c’est aussi une affaire de contacts, d’ombres, de délais. D’où l’intérêt soudain pour le lancer de rayons, pour les jumeaux plus sales, pour les générateurs de scènes qui acceptent le désordre. La course n’est plus seulement au plus grand réseau. Elle est au monde artificiel le moins menteur.

Des Usines, Des Chantiers, Puis Peut-Être Des Salons

L’ordre de bataille le plus crédible n’est pas celui des films. D’abord les lieux où le coût de la main-d’œuvre, le danger ou la répétition justifient une machine imparfaite mais déjà utile. Chantiers solaires, quais, terrassement, certaines lignes industrielles. Ensuite seulement le domicile, où l’échec est socialement plus visible et économiquement plus difficile à encaisser.

C’est pourquoi les déclarations sur le compagnon domestique universel sonnent encore creux. Fermer un ordinateur portable dans une cuisine encombrée, avec un enfant qui traverse le champ, n’est pas une variante mineure du picking en entrepôt. C’est un autre métier. Ceux qui le nient vendent un récit. Ceux qui l’admettent construisent une pile, verticale après verticale, jusqu’à ce que le geste « de base » cesse d’être un exploit.

Le consommateur, lui, n’attendra pas un manifeste. Il attendra qu’une machine range vraiment la table, ou qu’une voiture le dispense enfin de surveiller la route pour un prix qui ne soit pas celui d’un second loyer. Entre ces deux images, le secteur devra choisir ses preuves. Les investisseurs sont déjà convaincus. Le public, pas encore. C’est peut-être la définition la plus honnête de l’ère GPT-2 appliquée aux corps mécaniques.

Ce Qu’Il Faut Retenir Sans Se Laisser Enivrer

L’IA physique n’est pas une mode de plus. Les outils qui ont transformé le texte et l’image commencent à toucher le mouvement, le contact, la décision dans un espace qui se venge. Cette bascule justifie l’attention, l’argent, même certaines valorisations audacieuses. Elle ne justifie pas la confusion entre une marche élégante et un poste de travail tenu.

Les startups qui compteront dans cinq ans seront probablement celles qui auront traité la donnée comme un produit, la simulation comme un mensonge à réduire, la verticale comme un apprentissage plutôt que comme une prison. Unitree, Wayve, Genesis AI, Foxglove, Antioch, Bedrock et les autres n’écrivent pas le même chapitre. Elles avancent pourtant dans le même brouillard : un cerveau encore trop jeune pour un corps déjà impressionnant.

On peut se moquer de la comparaison avec GPT-2. On peut aussi la prendre au sérieux. Avant l’assistant qui a tout changé, il y a eu un modèle déjà capable, déjà publié, déjà discuté, et pourtant encore trop brut pour habiter nos journées. Les robots en sont là. Le saut suivant ne viendra pas d’un communiqué. Il viendra d’une série de gestes ennuyeux, réussis assez souvent pour que plus personne n’ait envie de filmer la démo.

Jusque-là, le plus utile n’est ni l’enthousiasme ni le cynisme. C’est une exigence un peu sèche : demander à chaque cerveau mécanique ce que l’on demande à un collègue humain le lundi matin. Pas d’être parfait. D’être assez fiable pour que l’on puisse enfin penser à autre chose. Quand cette phrase cessera d’être une boutade, l’ère GPT-2 des robots sera close. Et le travail, enfin, pourra commencer pour de bon.