Modèles de fondation robotiques : la véritable percée est logicielle, pas matérielle

Le moment logiciel de la robotique

Pendant des décennies, la robotique a été une histoire de matériel. Les jalons de l’industrie ont été physiques : l’humanoïde faisant des saltos arrière de Boston Dynamics, les robots d’entrepôt d’Amazon, le prototype Optimus de Tesla. Les investissements ont afflué vers des entreprises construisant de meilleurs actionneurs, capteurs, préhenseurs et plateformes mécaniques. L’hypothèse implicite était que le goulot d’étranglement en robotique était le corps — que si nous pouvions construire un robot se mouvant comme un humain, l’intelligence suivrait.

Cette hypothèse s’est inversée. En février 2026, les investissements les plus importants en robotique ne vont pas aux entreprises construisant des corps de robots mais à celles construisant des esprits de robots. Physical Intelligence a levé 600 millions de dollars à une valorisation de 5,6 milliards de dollars — soutenu par Jeff Bezos — pour son modèle de fondation robotique universel. RLWRLD a sécurisé 41 millions de dollars pour entraîner des modèles d’IA robotique dans des environnements d’usine en activité. Et Nvidia, au CES 2026, a publié une suite de modèles d’IA physique conçus pour donner à toute plateforme robotique l’intelligence nécessaire pour percevoir, planifier et agir dans le monde physique.

Le parallèle avec la révolution des modèles de langage est délibéré et instructif. Avant que GPT-3 ne démontre en 2020 qu’un seul grand modèle pouvait effectuer des milliers de tâches linguistiques, le traitement automatique du langage naturel (NLP) était dominé par des systèmes spécialisés — un modèle pour la traduction, un autre pour l’analyse de sentiment, un autre pour la synthèse. L’approche par modèle de fondation a remplacé cette fragmentation par un système unique et polyvalent pouvant être adapté à n’importe quelle tâche.

La robotique en 2025 occupait une position analogue au NLP en 2019. Chaque application robotique — préparation de commandes en entrepôt, assistance chirurgicale, récolte agricole, assemblage industriel — nécessitait un système de contrôle sur mesure entraîné pour cette tâche spécifique. Un robot entraîné pour saisir des colis ne pouvait pas les trier. Un robot entraîné pour une configuration d’usine ne pouvait pas s’adapter à une autre. Le travail de programmation de chaque robot pour chaque tâche était le coût principal du déploiement, dépassant largement le coût du matériel robotique lui-même.

Les modèles de fondation pour la robotique promettent de changer fondamentalement cette équation.

Physical Intelligence : le pari à 5,6 milliards de dollars

Physical Intelligence (Pi) est l’entreprise la plus médiatisée poursuivant l’approche des modèles de fondation robotiques. Fondée par des chercheurs de UC Berkeley, Stanford et Google, la thèse de l’entreprise est que les mêmes lois d’échelle qui ont transformé les modèles de langage s’appliquent au contrôle robotique : entraîner un modèle suffisamment grand sur des données d’interaction robotique suffisamment diverses, et il développera une intelligence physique polyvalente transférable entre corps et tâches robotiques.

La levée de 600 millions de dollars à une valorisation de 5,6 milliards de dollars, avec Jeff Bezos parmi les investisseurs, fait de Pi l’entreprise d’IA robotique la plus valorisée de l’histoire. La connexion avec Bezos n’est pas fortuite : Amazon exploite la plus grande flotte mondiale de robots d’entrepôt et bénéficierait énormément d’une intelligence robotique polyvalente pouvant réduire le coût de programmation du déploiement de robots dans ses centaines de centres de distribution.

L’approche de Pi consiste à entraîner des modèles basés sur les transformers sur de vastes ensembles de données d’interactions robotiques — des démonstrations enregistrées par des opérateurs humains, des interactions simulées dans des environnements virtuels, et de l’exploration autonome par des systèmes robotiques en conditions réelles. Le modèle résultant encode une compréhension générale de l’interaction physique : comment les objets répondent aux forces, comment planifier des séquences d’actions pour atteindre des objectifs, comment s’adapter lorsque quelque chose d’inattendu se produit.

L’entreprise a démontré son modèle contrôlant plusieurs plateformes robotiques — différentes configurations de bras, différents types de préhenseurs, différentes suites de capteurs — effectuant des tâches pour lesquelles le modèle n’avait pas été explicitement entraîné. Les démonstrations sont impressionnantes mais soigneusement mises en scène, et l’écart entre une démonstration en laboratoire et un fonctionnement fiable dans un environnement réel chaotique reste significatif.

Ce qui distingue Pi des efforts précédents en IA robotique est l’échelle tant du modèle que des données d’entraînement. Les systèmes d’apprentissage robotique précédents s’entraînaient sur des milliers ou des dizaines de milliers d’épisodes d’interaction. Le modèle de Pi s’entraîne sur des millions d’épisodes, combinant démonstrations réelles et données synthétiques issues de simulations physiquement fidèles. L’hypothèse — non prouvée mais théoriquement fondée — est que les mêmes capacités émergentes apparues dans les modèles de langage à grande échelle (raisonnement, généralisation, apprentissage à quelques exemples) apparaîtront dans les modèles d’IA physique avec suffisamment de données et de puissance de calcul.

RLWRLD : apprendre à l’intérieur de l’usine

RLWRLD (prononcé « real world ») représente une approche complémentaire à Physical Intelligence. Là où Pi construit un modèle de fondation polyvalent en laboratoire, RLWRLD entraîne ses modèles à l’intérieur d’environnements d’usine en activité, apprenant des conditions réelles que les robots doivent naviguer en production.

L’entreprise a levé 41 millions de dollars pour déployer son infrastructure d’entraînement — une combinaison de capteurs, de matériel’informatique et de systèmes d’IA en périphérie — directement sur les sols d’usine. Les plateformes robotiques équipées du système de RLWRLD apprennent en interagissant avec de vrais produits, de vrais convoyeurs et de vraies conditions environnementales, guidées par des algorithmes d’apprentissage par renforcement qui optimisent l’accomplissement des tâches tout en respectant les contraintes de sécurité.

L’avantage de RLWRLD est le réalisme des données. Les environnements simulés, aussi fidèles physiquement soient-ils, ne peuvent pas parfaitement reproduire la variabilité de la fabrication en conditions réelles : la manière dont un matériau spécifique se plie lorsqu’il est saisi, les propriétés optiques d’un produit spécifique sous un éclairage spécifique, les vibrations et le bruit d’un sol d’usine spécifique. En s’entraînant dans des environnements de production, les modèles de RLWRLD rencontrent et s’adaptent à ces conditions réelles dès le départ, réduisant potentiellement l’écart de transfert simulation-réalité qui a limité les approches précédentes d’apprentissage robotique.

Le compromis est la vitesse et la scalabilité. L’entraînement en usine réelle est plus lent que l’entraînement en simulation (les actions physiques prennent du temps réel) et nécessite un accès physique aux environnements de production (toutes les usines ne sont pas disposées à héberger un entraînement d’IA expérimental sur leur ligne de production). Le modèle économique de RLWRLD implique des partenariats avec des fabricants qui fournissent l’accès à leurs installations en échange d’un accès anticipé aux capacités d’IA résultantes.

La stratégie de plateforme d’IA physique de Nvidia

La publication par Nvidia de modèles d’IA physique au CES 2026 représente la stratégie de plateforme qui pourrait accélérer l’ensemble du secteur. Plutôt que de construire des applications robotiques spécifiques, Nvidia fournit les modèles d’IA fondamentaux, l’infrastructure de simulation et les cadres de déploiement que d’autres entreprises — tant des startups que des fabricants de robots établis — utilisent pour développer des systèmes robotiques intelligents.

L’approche de Nvidia comporte trois composantes. Premièrement, Isaac Sim, une plateforme de simulation physiquement fidèle propulsée par la technologie Omniverse de Nvidia, fournit l’environnement virtuel où l’IA robotique peut être entraînée à grande échelle. Isaac Sim permet à des milliers de robots simulés de s’entraîner simultanément, comprimant des mois d’entraînement réel en heures d’expérience simulée.

Deuxièmement, Nvidia a publié des modèles d’IA physique pré-entraînés — incluant des modèles pour la manipulation d’objets, la navigation et l’interaction humain-robot — que les développeurs peuvent utiliser comme points de départ pour des applications spécifiques. Ces modèles sont à la robotique ce que GPT est aux applications linguistiques : une fondation polyvalente pouvant être affinée pour des tâches spécifiques avec des quantités relativement faibles de données spécifiques à la tâche.

Troisièmement, la plateforme de calcul Jetson de Nvidia fournit le matériel en périphérie qui exécute les modèles d’IA sur les plateformes robotiques en temps réel. Les derniers modules Jetson offrent les performances de calcul requises pour la perception, la planification et le contrôle en temps réel à des niveaux de puissance compatibles avec le budget énergétique d’un robot.

La stratégie d’IA physique de Nvidia reflète son approche réussie dans le centre de données : fournir la pile matérielle et logicielle complète qui facilite la construction sur la plateforme Nvidia, et capturer de la valeur à chaque couche. Si l’approche des modèles de fondation robotiques réussit, Nvidia est positionnée pour être le fournisseur de plateforme dominant, indépendamment des entreprises spécifiques qui l’emportent dans des domaines d’application spécifiques.

Le parallèle avec la révolution des LLM

La thèse des modèles de fondation robotiques s’appuie explicitement sur les leçons de la révolution des grands modèles de langage (LLM). Cette révolution a suivi un schéma spécifique : de grands modèles polyvalents entraînés sur des données diverses à grande échelle ont développé des capacités émergentes que les modèles spécialisés ne pouvaient pas égaler. Le changement résultant — de dizaines de systèmes NLP spécialisés à un seul modèle de fondation adapté pour de nombreuses tâches — a comprimé des années de développement applicatif en mois et a rendu l’IA accessible à des organisations sans expertise approfondie en apprentissage automatique.

Les défenseurs de l’approche des modèles de fondation robotiques soutiennent que le même schéma se reproduira en robotique. Les ingrédients clés sont les mêmes : des architectures transformer capables de traiter diverses modalités d’entrée, des lois d’échelle qui prédisent comment la capacité du modèle s’améliore avec la taille et les données, et une infrastructure d’entraînement capable de générer des données d’interaction diverses à grande échelle.

L’analogie a des limites importantes. Le langage est fondamentalement numérique — il peut être tokenisé, traité et généré en symboles discrets. L’interaction physique est continue, de haute dimension et implacable. Un modèle de langage qui génère un mot légèrement erroné produit une phrase modérément incohérente. Un modèle robotique qui génère un vecteur de force légèrement erroné casse l’objet qu’il essaie de manipuler — ou pire, blesse une personne à proximité.

Les exigences de sécurité pour l’IA physique sont qualitativement différentes de celles de l’IA numérique. Un chatbot qui hallucine cause de l’embarras. Un robot qui hallucine cause des dommages matériels ou corporels. Cette asymétrie signifie que les modèles de fondation robotiques doivent atteindre une fiabilité significativement plus élevée que les modèles de langage avant de pouvoir être déployés à grande échelle, ce qui peut ralentir la courbe d’adoption par rapport au déploiement rapide des LLM.

Implications pour les entrepôts, la logistique et la fabrication

Les applications commerciales immédiates des modèles de fondation robotiques se trouvent dans les environnements structurés avec des volumes élevés de tâches physiques répétitives : entrepôts, plateformes logistiques et installations de fabrication. Ces environnements partagent des caractéristiques qui les rendent propices aux capacités actuelles de l’IA robotique — agencements prévisibles, objets standardisés, ensembles de tâches relativement contraints — tout en offrant des retours économiques clairs qui justifient l’investissement.

Dans les opérations d’entrepôt, l’état de l’art actuel implique des robots capables de naviguer de manière autonome (robots mobiles autonomes, ou AMR) et des robots capables de saisir des articles spécifiques sur des étagères (systèmes de pick-and-place). Ces systèmes sont efficaces mais étroits : un AMR ne peut pas saisir d’articles, et un robot de saisie ne peut pas naviguer. Des modèles de fondation permettant à une seule plateforme robotique d’effectuer plusieurs tâches — naviguer vers une étagère, identifier l’article correct, le saisir, le transporter vers un poste d’emballage et le placer pour l’expédition — augmenteraient considérablement le retour sur investissement de la robotique d’entrepôt.

Amazon, qui déploie plus de 750 000 robots dans son réseau de distribution, est le bénéficiaire le plus évident. L’entreprise utilise actuellement des systèmes robotiques distincts pour le transport, le tri et la saisie, chacun nécessitant une programmation et une gestion indépendantes. Un modèle de fondation permettant un comportement robotique polyvalent pourrait permettre à Amazon de remplacer plusieurs systèmes spécialisés par moins de plateformes plus versatiles — réduisant les coûts en capital, simplifiant les opérations et permettant un déploiement plus rapide dans de nouvelles installations.

En fabrication, l’opportunité réside dans la production en petites séries et à haute diversité — le paradigme manufacturier où les produits changent fréquemment et les séries de production sont courtes. Les robots industriels traditionnels excellent dans les tâches répétitives mais nécessitent une reprogrammation extensive pour chaque nouveau produit ou processus. Des modèles de fondation permettant aux robots d’apprendre de nouvelles tâches à partir d’un petit nombre de démonstrations — analogue à la capacité d’apprentissage à quelques exemples des modèles de langage — rendraient la robotique économiquement viable pour les fabricants qui ne peuvent actuellement pas justifier le coût de programmation pour des séries de production courtes.

La question du matériel

La thèse du logiciel d’abord ne signifie pas que le matériel robotique est sans importance. Cela signifie que le goulot d’étranglement s’est déplacé. Il y a dix ans, la contrainte sur la robotique utile était la plateforme physique : les capteurs étaient trop coûteux, les actionneurs trop imprécis, et le matériel’informatique trop encombrant. Ces contraintes ont été substantiellement atténuées. Des caméras de profondeur de haute qualité coûtent moins de 200 $. Des servo-actionneurs précis sont disponibles en tant que composants courants. Les processeurs d’IA en périphérie offrent la puissance de calcul nécessaire au contrôle en temps réel dans des boîtiers compacts et économes en énergie.

Le résultat est que le matériel robotique performant devient une commodité. Plusieurs entreprises proposent des plateformes de bras robotiques polyvalents à des prix inférieurs à 30 000 $ — une fraction du coût des robots industriels traditionnels. Les plateformes humanoïdes, bien qu’encore coûteuses et limitées, sont développées par Tesla, Figure AI, 1X Technologies et d’autres avec l’objectif explicite de devenir des plateformes physiques polyvalentes.

Dans cet environnement, le différenciateur est l’intelligence, pas la mécanique. Un bras robotique à 25 000 $ doté d’une IA sophistiquée capable d’apprendre de nouvelles tâches en heures a plus de valeur qu’un robot industriel à 100 000 $ nécessitant des semaines de programmation pour chaque nouvelle application. L’économie favorise de plus en plus l’investissement dans le logiciel d’IA — qui se déploie à coût marginal nul sur les plateformes robotiques — par rapport à l’investissement dans du matériel sur mesure qui se déploie linéairement avec le déploiement.

Ce changement a des implications profondes pour la structure de l’industrie robotique. Les entreprises de matériel qui ne développent ni n’intègrent de capacités d’IA risquent la banalisation. Les entreprises d’IA indépendantes du matériel — comme Physical Intelligence, qui conçoit ses modèles pour fonctionner sur toutes les plateformes robotiques — captent une valeur disproportionnée. Le parallèle avec l’industrie des smartphones, où les plateformes logicielles (iOS, Android) ont capturé plus de valeur que les fabricants de matériel (à l’exception d’Apple), est pertinent.

Ce qui vient ensuite

Les modèles de fondation robotiques en sont au tout début de leur arc de développement. Les démonstrations sont prometteuses mais les déploiements en production sont limités. L’écart entre un robot capable de saisir des objets divers dans un environnement de laboratoire contrôlé et un robot fonctionnant de manière fiable 20 heures par jour dans un entrepôt chaotique est substantiel.

La trajectoire à court terme la plus probable implique des modèles de fondation déployés pour des applications spécifiques à haute valeur dans des environnements structurés — saisie en entrepôt, inspection qualité, assemblage répétitif — plutôt que de la robotique polyvalente. Ces applications fournissent les revenus et les données réelles qui financent l’amélioration continue des modèles, créant le cycle vertueux des données qui a accéléré le développement des modèles de langage.

La trajectoire à moyen terme — 3 à 5 ans — pourrait voir les modèles de fondation permettre aux robots d’apprendre de nouvelles tâches à partir d’une démonstration minimale, réduisant considérablement le coût et le temps de déploiement de la robotique dans la fabrication, la logistique et potentiellement les environnements de service. Cela représenterait le moment équivalent en robotique à GPT-3 dans le langage : la démonstration que la capacité polyvalente, et non la programmation spécialisée, est la voie vers un déploiement large.

La trajectoire à long terme — 5 à 10 ans — implique des robots dotés d’une intelligence physique suffisamment sophistiquée pour opérer dans des environnements non structurés aux côtés des humains. La santé, la construction, l’agriculture et les applications domestiques représentent des marchés énormes qui nécessitent ce niveau de capacité. Que les modèles de fondation puissent atteindre ce niveau d’intelligence physique, ou que des approches fondamentalement différentes soient nécessaires, reste une question ouverte.

Ce qui n’est pas en question, c’est la direction de l’investissement et de l’attention de la recherche. Le centre de gravité de l’industrie robotique s’est déplacé de l’ingénierie matérielle vers le logiciel d’IA. La valorisation de 5,6 milliards de dollars de Physical Intelligence, la plateforme d’IA physique de Nvidia et la constellation croissante de startups entraînant des modèles de fondation robotiques pointent toutes vers la même conclusion : la véritable percée en robotique est logicielle, et elle se produit maintenant.

Questions Fréquemment Posées

Sources et lectures complémentaires

• Physical Intelligence Raises $600M at $5.6B Valuation — The Information
• RLWRLD Raises $41M to Train Robot AI in Live Factories — TechCrunch
• Nvidia Releases Physical AI Models at CES 2026 — Nvidia Blog
• The Robot Foundation Model Thesis — Sequoia Capital
• Amazon’s 750,000 Robot Fleet and the Future of Warehouse Automation — Reuters