Il y a une vidéo d’un robot dans le laboratoire de Figure en train de faire du café. Pas le genre de « bras robotisé suivant précisément un chemin préprogrammé pour fonctionner un Keurig ». Le genre où vous dites « hey, fais-moi un café » et il comprend les étapes — trouver la tasse, identifier la machine à café, appuyer sur les bons boutons, vous l’apporter. Le genre de faire du café qui nécessite de comprendre ce qu’est le café.
Nous avons eu des robots industriels pendant des décennies. Des robots de soudage dans les usines automobiles. Des machines de pick-and-place dans la fabrication électronique. Des bras de chaîne de montage qui répètent le même mouvement 10 000 fois par jour avec une précision sub-millimétrique. Ces robots sont impressionnants mais idiots. Ils font exactement ce pour quoi ils ont été 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 Donne aux Robots
Des yeux qui comprennent. La vision par ordinateur combinée à des 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 plancher d’usine.
Un cerveau qui planifie. C’est là 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 figure les commandes moteurs pour le réaliser — y compris pour des objets et des situations sur lesquels il n’a pas été spécifiquement formé. La même compréhension du langage qui alimente ChatGPT s’avère vraiment utile pour dire aux robots ce qu’ils doivent faire.
Des mains qui apprennent. Les robots traditionnels nécessitent 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 observant des humains. Pas parfaitement, mais suffisamment bien pour être utile.
Où les Robots Travaillent Réellement Aujourd’hui
Les entrepôts sont l’histoire à succès. Amazon a plus de 750 000 robots dans ses centres de distribution. Ce ne sont pas des robots humanoïdes qui se promènent — ce sont principalement des plates-formes plates qui transportent des unités de rayonnage vers des employés, plus des bras robotiques qui trient et emballent des articles. 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 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 une assistance à la position des instruments. Les chirurgiens gardent 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 les 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 tout au long de la journée. L’IA gère cette variabilité de manière que la programmation traditionnelle ne peut tout simplement pas.
La Course aux Humanoïdes
Tout le monde construit des robots humanoïdes maintenant, et les avis varient énormément sur la question de savoir si c’est du génie ou de l’orgueil.
Figure 01 et 02 sont les démonstrations les plus impressionnantes que j’ai vues. L’interaction en langage naturel, le comportement adaptatif, et la manipulation qui a vraiment l’air fluide plutôt que saccadée. Le partenariat avec OpenAI signifie que les robots de Figure comprennent le contexte et les instructions d’une manière qui semble vraiment intelligente.
Optimus de Tesla reçoit le plus de couverture médiatique parce que c’est Tesla. Les progrès ont été plus rapides que ce que les critiques s’attendaient — les démonstrations récentes montrent Optimus en train de marcher, de ramasser des objets et d’exécuter des tâches simples. Que les promesses de timeline d’Elon soient réalistes est une question distincte (spoiler : elles ne le sont probablement pas).
Atlas de Boston Dynamics est le robot humanoïde original, et la version électrique est vraiment impressionnante sur le plan athlétique. Des saltos arrière, du parkour, la navigation dynamique autour des obstacles. Mais l’écart 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 d’humain pour faire fonctionner 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 des objectifs spécifiques ont du sens pour des tâches spécifiques (entrepôts, chirurgie, agriculture).
Les Problèmes Non Résolus
La généralisation reste le point difficile. Un robot formé pour préparer du café dans une Cuisine A a du mal avec une Cuisine B, où la machine à café est différente et les tasses sont dans un cabinet différent. Les humains gèrent cela sans effort. Les robots ont besoin soit d’une reformation extensive, soit de modèles de base capables de généraliser — et nous n’en sommes pas encore là.
Sécurité autour des humains. Un robot d’entrepôt qui entre en collision avec une étagère est ennuyeux. Un robot domestique qui heurte un tout-petit est inacceptable. Les exigences de sécurité pour les robots proches des humains sont des ordres de grandeur plus élevées que pour les robots industriels, et nous sommes encore en train de développer les normes et les 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 initialement. C’est une voiture, pas un appareil. La robotique destinée aux consommateurs doit atteindre la fourchette de 5 000 à 10 000 dollars pour atteindre une adoption de masse.
Ma Prédiction sur Cinq Ans
Les robots d’entrepôt et de logistique seront partout. Les robots chirurgicaux s’élargiront à davantage de types de procédures. Les robots agricoles deviendront courants dans les grandes fermes. Les robots domestiques resteront des nouveautés coûteuses — suffisamment utiles pour justifier le prix pour les premiers adoptants riches, mais pas encore un incontournable comme le Roomba.
La variable dans l’équation est de savoir si les modèles de base pour la robotique réaliseront une percée dans la généralisation. Si un robot peut apprendre une nouvelle tâche à partir d’une démonstration de 30 secondes plutôt qu’à partir d’heures de formation, l’économie change complètement. Plusieurs groupes de recherche s’en rapprochent. Les prochaines années s’annoncent fascinantes.
🕒 Published: