Il y a une vidéo d’un robot dans le laboratoire de Figure préparant du café. Pas le genre de « bras robotique suivant avec précision un chemin préprogrammé pour utiliser une Keurig ». Le genre où vous dites « hey, fais-moi un café » et il détermine les étapes — trouver la tasse, identifier la machine à café, appuyer sur les bons boutons, vous l’apporter. Le genre de préparation de café qui nécessite de comprendre ce qu’est le café.
Nous avons des robots industriels depuis des décennies. Des robots de soudage dans les usines automobiles. Des machines de prise et de placement dans la fabrication électronique. Des bras de ligne d’assemblage qui répètent le même mouvement 10 000 fois par jour avec une précision submillimétrique. Ces robots sont impressionnants mais stupides. Ils font exactement ce pour quoi ils sont programmés et rien d’autre.
Ce qui est différent maintenant, c’est la partie IA. Les robots apprennent à voir, comprendre et s’adapter. Et cela change tout ce que les robots peuvent faire.
Les Trois Choses Que L’IA Apporte Aux Robots
Des yeux qui comprennent. La vision par ordinateur combinée aux capteurs de profondeur permet aux robots de construire un modèle 3D de leur environnement en temps réel. Pas seulement « il y a un objet aux coordonnées (3, 4, 2) » mais « c’est une tasse à café, elle est droite, elle est au bord de la table et elle a l’air fragile. » Cette compréhension sémantique est ce qui rend un robot utile dans un environnement non structuré comme votre cuisine par rapport à un environnement structuré comme un atelier.
Un cerveau qui planifie. C’est ici que les LLM entrent en jeu, et honnêtement, cela m’a surpris de voir à quel point cela fonctionne bien. Le RT-2 de Google prend une instruction en langage naturel comme « prends la canette de Coca et mets-la dans le recyclage » et détermine les commandes motrices nécessaires pour que cela se produise — y compris pour des objets et des situations sur lesquelles il n’a pas été explicitement formé. La même compréhension linguistique qui alimente ChatGPT se révèle vraiment utile pour dire aux robots quoi faire.
Des mains qui apprennent. Les robots traditionnels ont besoin que chaque mouvement soit préprogrammé. Les robots alimentés par l’IA apprennent par démonstration — vous leur montrez comment plier une serviette, et ils comprennent le principe général du pliage de serviette, puis l’adaptent à des serviettes de différentes tailles et formes. Le système Mobile ALOHA de Stanford a appris des tâches de cuisine, de nettoyage et d’organisation en regardant des humains. Pas parfaitement, mais assez bien pour être utile.
Où Les Robots Travaillent Réellement Aujourd’hui
Les entrepôts sont l’histoire de succès. Amazon a plus de 750 000 robots dans ses centres de distribution. Ce ne sont pas des robots humanoïdes qui se baladent — ce sont principalement des plateformes plates qui transportent des étagères vers des préparateurs humains, plus des bras robotiques qui trient et emballent des objets. L’IA gère la navigation dans un environnement dynamique où des milliers de robots et d’humains partagent l’espace. C’est le plus grand déploiement de la robotique IA au monde, et cela fonctionne.
La chirurgie a progressé plus que la plupart des gens ne le réalisent. Le système chirurgical da Vinci a été utilisé dans plus de 12 millions de procédures. L’IA fournit un filtrage des tremblements (plus stable que n’importe quelle main humaine), une visualisation 3D agrandie et de l’assistance pour le positionnement des instruments. Les chirurgiens gardent toujours le contrôle — le robot améliore leurs capacités plutôt que de les remplacer.
L’agriculture est étonnamment avancée. Il existe des robots qui récoltent sélectivement des fraises — seulement celles qui sont mûres, laissant les fruits non mûrs pour plus tard. D’autres robots identifient et éliminent les mauvaises herbes sans herbicides. Le défi ici est la variabilité — chaque champ est différent, chaque plante est légèrement différente, et l’éclairage change au cours de la journée. L’IA gère cette variabilité d’une manière que la programmation traditionnelle ne peut tout simplement pas.
La Course Aux Humanoïdes
Tout le monde construit des robots humanoïdes maintenant, et les opinions varient énormément sur la question de savoir si c’est du génie ou de l’hubris.
Figure 01 et 02 sont les démonstrations les plus impressionnantes que j’ai vues. Interactions en langage naturel, comportement adaptatif et manipulation qui semble vraiment fluide plutôt que saccadée. Le partenariat avec OpenAI signifie que les robots de Figure comprennent le contexte et les instructions d’une manière qui se sent réellement intelligente.
L’Optimus de Tesla reçoit le plus de couverture médiatique parce que c’est Tesla. Les progrès ont été plus rapides que prévu par les critiques — les démonstrations récentes montrent l’Optimus marchant, ramassant des objets et effectuant des tâches simples. La question de savoir si les promesses de calendrier d’Elon sont réalistes est une question à part (alerte : elles ne le sont probablement pas).
L’Atlas de Boston Dynamics est le robot humanoïde originel, et la version électrique est véritablement impressionnante sur le plan athlétique. Saltos arrières, parkour, navigation dynamique d’obstacles. Mais le fossé entre « démonstration impressionnante » et « produit utile » reste large.
Mon avis honnête sur les humanoïdes : la question n’est pas de savoir s’ils fonctionneront un jour — ils le feront. La question est de savoir si un facteur de forme humanoïde est la bonne approche. Pourquoi construire un robot en forme humaine pour utiliser un lave-vaisselle alors que vous pourriez construire un meilleur lave-vaisselle ? Les robots humanoïdes ont du sens pour des environnements conçus pour des humains (maisons, bureaux, magasins). Les robots conçus pour un but spécifique ont du sens pour des tâches spécifiques (entrepôts, chirurgie, agriculture).
Les Problèmes Non Résolus
La généralisation reste la partie difficile. Un robot formé pour faire du café dans la Cuisine A a du mal dans la Cuisine B, où la machine à café est différente et les tasses se trouvent dans un autre cabinet. Les humains gèrent cela sans effort. Les robots ont besoin soit d’une formation extensive soit de modèles de base capables de généraliser — et nous n’en sommes pas encore là.
La sécurité autour des humains. Un robot d’entrepôt qui heurte une étagère est ennuyeux. Un robot domestique qui heurte un enfant en bas âge est inacceptable. Les exigences de sécurité pour les robots proches des humains sont d’un ordre de grandeur supérieur à celles des robots industriels, et nous sommes encore en train de développer les normes et technologies pour y répondre.
Le coût est prohibitif pour les consommateurs. Figure n’a pas annoncé de prix pour les consommateurs, mais les estimations placent les robots humanoïdes entre 50 000 et 100 000 dollars au départ. C’est une voiture, pas un appareil. La robotique de consommation doit atteindre une fourchette de 5 000 à 10 000 dollars pour parvenir à une adoption massive.
Mon Prédiction Pour Cinq Ans
Les robots d’entrepôt et de logistique seront partout. Les robots chirurgicaux s’étendront à davantage de types de procédures. Les robots agricoles deviendront courants dans les grandes exploitations. Les robots domestiques resteront des nouveautés coûteuses — suffisamment utiles pour justifier le prix pour les riches premiers adoptants, mais pas encore des essentiels de ménage comme le Roomba.
Le facteur imprévisible est de savoir si les modèles de base pour la robotique réaliseront une avancée dans la généralisation. Si un robot peut apprendre une nouvelle tâche à partir d’une démonstration de 30 secondes plutôt que d’heures d’entraînement, l’économie change complètement. Plusieurs groupes de recherche sont proches. Les prochaines années seront fascinantes.
🕒 Published: