Robotique 2026 : les robots sortent-ils enfin du laboratoire ?

Les robots vont-ils nous piquer notre boulot ? Je posais déjà la question sur ce blog en 2014, puis en 2017. À l'époque, ça relevait de la science-fiction de bureau. En 2026, la question revient, et cette fois avec des vidéos à l'appui. Des humanoïdes qui plient du linge, qui chargent des lave-vaisselle, qui jouent au ping-pong. En janvier, au CES 2026, « IA physique » était le mot à la mode dans toutes les allées. Alors, les robots sortent-ils enfin du laboratoire ? Réponse courte : certains, oui. Beaucoup moins que ce que les vidéos laissent croire.

Le robot, la chaussette et le champion d'échecs

N'importe quel gamin de quatre ans plie une chaussette mieux que le plus cher des robots du marché (moi, c'est moins sûr, demandez à ma famille). Les roboticiens ont même un nom pour ça : le paradoxe de Moravec, du nom du chercheur qui l'a décrit en 1988. En gros, ce qui nous paraît dur est facile pour une machine, et ce qui nous paraît bête comme chou lui est presque impossible. Deep Blue a battu Kasparov aux échecs en 1997. Trente ans plus tard, attraper un verre sans le casser, marcher sur un trottoir mouillé ou plier un t-shirt roulé en boule reste un exploit pour un robot.

La raison : ces gestes « simples » sont le fruit de millions d'années d'évolution. Nous ajustons en permanence la force de nos doigts, nous anticipons le glissement, nous corrigeons sans y penser. Pour un robot, chaque objet est différent, chaque situation nouvelle. Et contrairement au texte, il n'existe pas d'internet des gestes sur lequel l'entraîner.

Ce qui a changé : des « cerveaux » qui voient, comprennent et agissent

La révolution des grands modèles de langage a fini par toucher la robotique. C'est la même famille de modèles que celle des agents dont je parlais en mai, avec des bras et des jambes en plus. Les chercheurs ont construit des modèles dits VLA, pour vision-langage-action. En pratique, le modèle reçoit les images des caméras du robot et une consigne en langage courant (« range les assiettes dans le lave-vaisselle »), et il produit directement les commandes des moteurs.

Pour faire tenir ça en temps réel, plusieurs fabricants séparent le travail en deux, un peu comme notre cerveau. Chez Figure, par exemple, un premier système « lent » analyse la scène et décide quoi faire quelques fois par seconde. Un second système « rapide » traduit ces intentions en mouvements précis, 200 fois par seconde. L'analogie avec la réflexion et le réflexe est parlante, mais elle a ses limites : le modèle ne « comprend » pas ce qu'est une assiette, il a appris des corrélations très fines entre ce qu'il voit et les gestes qui réussissent.

Reste à lui apprendre ces gestes. Trois méthodes cohabitent :

• l'imitation : un humain pilote le robot à distance, avec des manettes ou une combinaison, et le modèle apprend à partir de ces démonstrations. Google DeepMind annonce qu'on peut adapter son modèle à une nouvelle tâche avec 50 à 100 démonstrations ;
• la simulation : le robot s'entraîne des millions de fois dans un monde virtuel, où il peut tomber sans rien casser. C'est la promesse des plateformes de Nvidia (Isaac, et Cosmos, que Jensen Huang présentait déjà au CES 2025). Le problème, c'est le fossé entre simulation et réalité : les frottements, la déformation d'un tissu ou le bruit d'un capteur ne sont jamais parfaitement simulés, et un geste parfait en virtuel peut échouer dans la vraie vie ;
• la pratique réelle : le robot s'améliore en travaillant, avec des corrections humaines. Fin 2025, la startup Physical Intelligence a montré un robot préparant des cafés de 5 h 30 du matin à 23 h 30 avec cette méthode.

Le carburant : des humains qui filment leur quotidien

Toutes ces méthodes ont le même appétit : des données de gestes, en quantité industrielle. Et comme l'internet des gestes n'existe pas, la Chine a décidé de le fabriquer.

Au Shandong, une mère au foyer d'une cinquantaine d'années se filme six heures par jour en faisant son ménage, une caméra fixée sur le front, pour 20 yuans de l'heure, un peu moins de 3 euros. Le reportage de Rest of World, publié en juin, décrit aussi des employés d'une maison de retraite et d'une ferme de kiwis équipés de la même façon, et des usines d'électronique du Guangdong où les ouvriers travaillent avec une caméra frontale et des capteurs aux poignets. Leurs patrons, eux, s'inquiètent surtout que ça ralentisse la production.

Le plus gros projet est celui de JD.com, le géant du e-commerce. Avec la ville de Suqian, il a lancé en mai ce qu'il présente comme la première « communauté de collecte de données » du pays : des habitants équipés d'une caméra frontale maison de 220 grammes enregistrent leurs gestes du quotidien. L'objectif affiché est de 10 millions d'heures en deux ans, quand l'industrie entière n'en aurait qu'environ un million selon JD. Des offres d'emploi de « collecteurs de données » fleurissent, entre 3 000 et 7 000 yuans par mois, avec une majorité de mères au foyer à temps partiel chez certains prestataires. En parallèle, des dizaines de centres financés par les pouvoirs publics font travailler des opérateurs qui pilotent des robots à distance toute la journée, pour leur apprendre à ouvrir un micro-ondes ou à essuyer une table. Chez AgiBot, à Shanghai, on parle de dizaines de milliers d'enregistrements par jour.

Le phénomène ne se limite pas à la Chine. Aux États-Unis, Figure filme des volontaires dans de vrais logements pour entraîner ses robots, et des plateformes paient des gens au Nigeria, en Inde ou en Argentine pour se filmer en faisant leurs corvées. C'est le retour du travail du clic que l'on a connu avec l'IA générative, version gestes du quotidien.

Deux limites, quand même. D'abord, un bras humain ne bouge pas comme un bras de robot : une vidéo à la première personne sert, mais moins qu'une démonstration réalisée directement avec le robot. Ensuite, la vie privée : ces caméras filment des intérieurs, parfois des enfants, et les personnes qui les portent savent rarement qui achète leurs images ni à quoi elles serviront. Comme le résume un chercheur interrogé par Rest of World, le pari reste « très peu prouvé ».

L'autre voie : les « modèles du monde » de Yann LeCun

Tout le monde ne croit pas que des modèles de langage gonflés aux vidéos suffiront. Le plus célèbre des sceptiques est français : Yann LeCun, prix Turing et longtemps patron de la recherche en IA chez Meta. Son argument tient en une image qu'il répète depuis des années : un chat sait très bien ce qui va se passer s'il pousse une balle hors de la table. Un modèle de langage peut écrire un texte parfait sur la chute de la balle, sans aucune idée de pourquoi elle tombe. Il fait aussi un calcul qui calme : un enfant de quatre ans a déjà reçu par les yeux plus d'informations que tout le texte sur lequel on entraîne les plus grands modèles.

Sa réponse s'appelle JEPA (pour Joint Embedding Predictive Architecture). Pour la comprendre, il faut voir comment fonctionne un modèle génératif classique : quand il prédit la suite d'une vidéo, il essaie de deviner chaque pixel, y compris les détails imprévisibles comme les feuilles qui bougent ou les reflets sur une vitre. Il gaspille ainsi une énorme énergie sur ce qui n'a aucune importance. JEPA commence par traduire l'image en une représentation abstraite, une sorte de résumé chiffré de la scène (les objets, leurs positions, leurs mouvements), puis prédit l'évolution de ce résumé, en laissant tomber le décor. Pour faire simple : il apprend à anticiper ce qui compte plutôt qu'à redessiner le monde.

Les premiers résultats sont encourageants. En juin 2025, Meta a publié V-JEPA 2, entraîné sur plus d'un million d'heures de vidéo, puis sur seulement 62 heures de données de robot. Placé sur des bras robotiques dans des laboratoires qu'il n'avait jamais vus, avec une simple image de l'objectif à atteindre, il réussissait à saisir et déplacer des objets inconnus dans 65 à 80 % des cas, selon Meta. Le modèle imagine plusieurs actions possibles, choisit la plus prometteuse, bouge, puis recommence. C'est loin d'être parfait, mais c'est obtenu avec très peu de données de robot, justement là où tout le monde en manque.

Fin 2025, LeCun a quitté Meta pour fonder AMI Labs (Advanced Machine Intelligence), avec son siège à Paris. En mars, la startup a levé 1,03 milliard de dollars, présenté comme le plus gros tour d'amorçage de l'histoire européenne, avec Nvidia, Samsung, Toyota et Jeff Bezos parmi les investisseurs (et, clin d'œil à mon article sur le Web Summit, un certain Tim Berners-Lee). Objectif : des modèles du monde qui apprennent à partir de caméras et de capteurs, pour la robotique, la santé ou l'industrie. Pas encore de produit, et un horizon de recherche de plusieurs années. Mais si LeCun a raison, la course aux millions d'heures de vidéos filmées au front pourrait bien prendre un sacré coup de vieux.

Les humanoïdes : où en est-on vraiment ?

C'est là qu'il faut sortir la loupe, parce que la frontière entre démo, pilote et déploiement réel est souvent floue.

Ce qui tourne vraiment. Chez le logisticien GXO, aux États-Unis, des robots Digit d'Agility déplacent des bacs dans un entrepôt dans le cadre d'un contrat commercial. Ça reste modeste : environ une centaine de Digit répartis sur une dizaine de sites. Chez BMW, à Spartanburg, un humanoïde Figure a travaillé onze mois en pilote, sur des postes de dix heures, avant d'être remplacé par la génération suivante. Le constructeur revendique 30 000 voitures produites pendant la période. Son point faible principal : les avant-bras.

Ce qui monte en volume. La Chine domine. Selon le cabinet Omdia, environ 13 000 humanoïdes ont été livrés dans le monde en 2025, dont plus de 80 % par des fabricants chinois. AgiBot et Unitree en tête. Unitree vend un humanoïde d'entrée de gamme à moins de 6 000 dollars et vient d'obtenir son feu vert pour entrer en bourse à Shanghai. Pékin en a fait une priorité industrielle, au point que l'agence de planification chinoise a elle-même mis en garde contre une bulle, avec plus de 150 entreprises aux produits similaires.

Ce qui reste à prouver. Tesla promettait au moins 5 000 Optimus en 2025. La production de masse a été abandonnée en cours d'année, notamment parce que la main, de l'aveu même d'Elon Musk, est « particulièrement difficile ». Elle est désormais annoncée pour l'été 2026 à Fremont, « assez lentement ». Côté maison, 1X vend son robot NEO 20 000 dollars en précommande. Lors d'un test du Wall Street Journal, toutes les tâches étaient en fait pilotées à distance par un opérateur, et aucune livraison client n'est confirmée à ce jour. Boston Dynamics a présenté une version commerciale de son Atlas en janvier, mais toute la production 2026 est réservée à Hyundai, son propriétaire, et à Google DeepMind.

Retenez ce réflexe : devant une vidéo d'humanoïde impressionnante, demandez-vous s'il est autonome ou téléopéré, et combien de prises il a fallu. La plupart des entreprises ne publient pas leurs taux d'intervention humaine.

Pourquoi s'obstiner avec des robots à forme humaine ?

C'est une vraie question. Un bras industriel fixe est plus rapide, plus précis et bien moins cher. L'argument des fabricants : nos usines, nos entrepôts et nos maisons ont été conçus pour des humains, avec des escaliers, des poignées et des étagères à hauteur d'homme. Un robot de forme humaine pourrait s'y glisser sans qu'on refasse tout.

C'est aussi un pari risqué. Deux jambes, c'est instable et énergivore : un humanoïde tient en général deux à quatre heures sur batterie. Les mains restent le goulet d'étranglement. Et la sécurité n'est pas encore normée : la norme internationale dédiée aux robots à équilibre actif, comme les humanoïdes, est toujours en cours de rédaction. Pendant ce temps, les robots les plus utiles ne ressemblent à rien d'humain. Amazon a dépassé le million de robots dans ses entrepôts en 2025, et ce sont essentiellement des plateformes à roues qui déplacent des étagères.

Et à la maison ?

Les robots domestiques progressent, à leur rythme. Au CES, Roborock a montré un aspirateur capable de monter les escaliers sur des « jambes » à roues, sans date ni prix. Les tondeuses autonomes se multiplient. Mais l'épisode Yarbo, en mai, a rappelé une évidence : un robot connecté chez soi, c'est aussi une porte d'entrée. Un chercheur a pu accéder à distance à des milliers de robots de jardin, à leurs caméras et à leur position GPS, et même contourner leur arrêt d'urgence, à cause d'identifiants identiques sur tous les appareils. Quand un logiciel bugge, on redémarre. Quand un robot de 100 kilos bugge, c'est une autre affaire.

Et nos emplois ?

La question n'a pas pris une ride, et les chiffres commencent à tomber. Deux économistes, Daron Acemoglu et Pascual Restrepo, ont fait les comptes pour les États-Unis entre 1990 et 2007 : un robot industriel de plus, c'est en moyenne un peu plus de trois emplois de moins, et des salaires qui baissent dans le coin. Plus récent, et plus gênant : en octobre 2025, le New York Times a sorti des documents internes d'Amazon où il était question d'éviter quelque 600 000 embauches d'ici 2033. Avec une consigne de communication savoureuse : dire « cobots » plutôt que « robots », ça fait moins peur. Amazon assure que ce n'était que la vision d'une équipe. On veut bien le croire.

Mon avis, après une quinzaine d'années à dessiner des robots et une dizaine de CES dans les pattes : la technique a vraiment basculé en 2026. Pour la première fois, on n'écrit plus chaque geste du robot ligne par ligne, il les apprend. Côté économie, par contre, on n'y est pas. Ça prendra des années, et ce sont d'abord les boulots les plus ingrats qui vont y passer : porter des bacs, trier des colis, charger des palettes, là où les entreprises ne trouvent déjà plus personne. Ce qui me fait tiquer, c'est l'argent. Près de 19 milliards de dollars levés par les startups de robotique au premier semestre 2026, plus que sur toute l'année 2025. J'ai assez traîné dans les salons pour savoir comment finissent les histoires où les levées de fonds courent plus vite que les produits.