À Olympie, les robots humanoïdes impressionnent, mais restent loin du foyer

En septembre 2025, les robots-humanoides/">robots humanoïdes se sont invités dans un lieu emblématique du sport : l’Olympic Academy d’Olympie, en Grèce. Football, boxe, tir à l’arc : les démonstrations ont offert des images saisissantes de machines capables de se mouvoir et d’interagir dans un cadre public. Mais ce spectacle met aussi en évidence une réalité moins visible : entre réussir une séquence préparée et devenir un auxiliaire fiable dans une maison, l’écart reste considérable.

Les échanges organisés autour de l’événement ne portaient donc pas seulement sur les prouesses physiques des robots. Ils ont aussi posé une question centrale pour la robotique moderne : comment donner à une machine un corps suffisamment habile, prudent et adaptable pour agir dans le monde réel ? Les réponses passent par les données, l’apprentissage, les capteurs, l’ingénierie et des tests plus exigeants que les vidéos de démonstration.

Des démonstrations conçues pour rendre les progrès visibles

À Olympie, les robots humanoïdes ont pris la scène avec des exercices immédiatement compréhensibles pour le public. Certains ont joué au football, d’autres ont participé à des démonstrations de boxe qui ont amusé les enfants, et des robots ont aussi tiré des flèches. Ces activités mettent en jeu, à des degrés divers, l’équilibre, le positionnement du corps, la coordination des mouvements et la capacité à manipuler un objet.

Le choix de disciplines sportives n’est pas anodin. Le sport fournit des gestes spectaculaires, mais aussi des critères intuitifs : le robot reste-t-il debout ? Peut-il orienter son bras ? Son mouvement paraît-il suffisamment précis pour atteindre une cible ou frapper un ballon ? Ce sont des jalons utiles pour visualiser les progrès matériels d’une machine humanoïde.

Pour autant, une démonstration publique ne suffit pas à établir qu’un robot peut travailler seul dans un environnement ordinaire. Les conditions d’une prestation, le nombre de tentatives, l’assistance humaine éventuelle et la répétabilité du résultat comptent autant que la séquence la plus réussie. C’est précisément cette distinction entre prouesse ponctuelle et utilité quotidienne qui a traversé les discussions à Olympie.

Pourquoi comparer les humanoïdes à l’IA est trompeur, mais utile

Dire que les robots humanoïdes sont en retard sur l’intelligence artificielle demande une précision importante. Un robot humanoïde est une machine physique, avec des moteurs, des articulations, des caméras, des capteurs et une alimentation électrique. L’IA désigne des méthodes logicielles capables notamment d’analyser des données, de reconnaître des motifs ou de produire des réponses. Les deux ne sont pas des adversaires directs : un humanoïde a justement besoin d’algorithmes d’IA pour percevoir son environnement et décider de ses gestes.

La comparaison reste utile parce que les progrès récents de l’IA ont été très rapides dans les domaines numériques. Les systèmes entraînés sur de grands volumes de textes, d’images ou de sons peuvent tirer parti de données déjà largement disponibles sous forme numérique. En robotique, la machine doit au contraire apprendre à agir avec un corps dans un monde où les objets bougent, glissent, résistent, se cassent parfois et n’apparaissent jamais exactement sous le même angle.

Minas Liarokapis, académicien et organisateur de la manifestation, s’est montré prudent sur l’arrivée des humanoïdes dans les foyers. Selon lui, il faudra plus de dix ans avant que ces robots puissent accomplir les tâches courantes attendues dans un cadre domestique. Cette réserve ne remet pas en cause l’intérêt des prototypes présentés à Olympie. Elle rappelle que l’autonomie domestique exige bien plus que la réalisation d’un mouvement convaincant devant un public.

Le véritable goulot d’étranglement : apprendre dans le monde réel

La formule de Ken Goldberg, professeur à l’Université de Californie à Berkeley, a marqué les débats. Il a estimé que les robots étaient en retard d’environ 100 000 ans sur l’IA en matière d’apprentissage. Cette image ne correspond pas à une mesure scientifique du temps : elle résume l’ampleur du décalage entre la disponibilité des données numériques et la difficulté de constituer des données utiles pour enseigner des gestes à une machine.

Pour apprendre à un robot à saisir, déplacer, ranger ou manipuler, il faut lui fournir des exemples d’actions liés à leurs conséquences physiques. Il doit relier ce qu’il voit à ce qu’il touche, comprendre la position de son corps, mesurer l’effort fourni et réagir lorsqu’un objet ne se comporte pas comme prévu. Chaque tentative peut être lente, coûteuse et soumise à des contraintes de sécurité ou d’usure du matériel.

C’est là que se situe une différence fondamentale avec les corpus numériques. Un texte peut être copié, stocké et traité à grande échelle. Une action physique doit être enregistrée par des capteurs, répétée dans des situations variées, puis interprétée en tenant compte de paramètres nombreux : l’éclairage, la matière d’un objet, son poids, sa forme ou la présence d’un obstacle. Les données de robotique ne se limitent donc pas à une vidéo d’un geste réussi.

La simulation peut aider à entraîner certaines réactions sans multiplier les essais sur une machine réelle. Elle ne résout toutefois pas à elle seule le passage au monde physique. Un robot doit toujours faire face aux petites différences entre un environnement simulé et la réalité : une surface plus glissante que prévu, une prise moins ferme, un objet légèrement déplacé ou une personne qui traverse son champ de vision.

Des investissements importants, mais un besoin de preuves solides

Luis Sentis, professeur à l’Université du Texas à Austin, a insisté sur l’importance des alliances entre chercheurs, entreprises spécialisées dans les données et grands fabricants. Ces collaborations sont au cœur de la dynamique actuelle, car elles réunissent des compétences rarement présentes au même endroit : connaissance du corps robotique, systèmes de contrôle, collecte de données, calcul et capacité industrielle.

Selon lui, ces synergies attirent des investissements considérables dans les robots humanoïdes. Les capitaux peuvent accélérer la fabrication de prototypes et la recherche, mais ils ne font pas disparaître les difficultés fondamentales de l’apprentissage physique. Construire davantage de robots ne garantit pas automatiquement qu’ils sauront mieux agir dans une cuisine, une chambre ou un atelier.

L’événement a aussi illustré des stratégies de communication différentes. Des entreprises chinoises utilisent volontiers les manifestations publiques pour montrer leurs avancées robotiques. À l’inverse, les entreprises américaines se font souvent plus discrètes et privilégient des vidéos soigneusement montées. Une vidéo peut révéler une amélioration réelle, mais elle ne renseigne pas toujours sur les conditions complètes de l’essai, ni sur la capacité du robot à répéter l’action face aux imprévus.

Cette exigence de transparence explique l’intérêt d’événements comparables à celui d’Olympie. Les démonstrations ouvertes peuvent permettre de confronter les machines à des épreuves observables et de mieux distinguer une capacité reproductible d’un simple moment impressionnant. Les efforts de Samsung en faveur de robots susceptibles d’accomplir un jour des tâches ménagères montrent par ailleurs que l’usage domestique reste l’un des grands objectifs industriels du secteur.

Le retour sensoriel et l’informatique biologique, deux pistes explorées

La robotique ne progresse pas uniquement grâce à des logiciels plus performants ou à des moteurs plus puissants. À Olympie, Aadeel Akhtar, fondateur de Psyonic, a attiré l’attention avec une main robotique capable de fournir un retour sensoriel. L’enjeu est important : une main qui détecte le contact peut potentiellement mieux doser un geste et offrir une interaction plus riche qu’un dispositif qui se contente d’ouvrir ou de fermer ses doigts.

Le retour sensoriel ne transforme pas, à lui seul, un robot en assistant autonome. Il constitue néanmoins une brique essentielle pour réduire l’écart entre l’action d’une machine et la finesse de manipulation humaine. Saisir un objet sans l’écraser, percevoir un contact ou ajuster une pression sont des problèmes concrets dès qu’un robot doit interagir avec son environnement.

Hon Weng Chong, de Cortical Labs, a présenté une voie encore différente : le développement d’un ordinateur biologique intégrant de véritables cellules cérébrales. L’ambition est d’explorer des mécanismes d’analyse et d’adaptation inspirés du vivant. Cette recherche pourrait renouveler la manière dont les machines apprennent, mais elle ne constitue pas une preuve qu’un humanoïde puisse déjà raisonner ou se comporter comme un humain dans un foyer.

Ces deux approches soulignent la diversité des obstacles à résoudre. D’un côté, le robot doit mieux sentir son environnement. De l’autre, il faut inventer ou améliorer les méthodes qui lui permettent de tirer des leçons de ce qu’il perçoit. La progression dépendra vraisemblablement de cette combinaison entre matériel, données et apprentissage.

Une Olympiade annuelle pour mesurer les capacités, pas seulement les promesses

Patrick Jarvis, cofondateur d’Acumino, a expliqué que les organisateurs souhaitent installer une plateforme annuelle afin de valider les avancées dans le domaine des humanoïdes. L’objectif affiché est simple : montrer ce que les robots savent réellement accomplir. Cette approche est particulièrement utile dans un secteur où les images les plus frappantes peuvent parfois masquer la complexité de la préparation nécessaire.

Toutes les disciplines ne sont pas à portée des machines actuelles. Le lancer du disque, par exemple, est considéré comme trop complexe. Cette limite est révélatrice : il ne suffit pas de bouger un bras. Il faut coordonner l’ensemble du corps, maintenir son équilibre, transférer la force au bon moment et contrôler une trajectoire. Les tâches humaines les plus ordinaires reposent elles aussi sur une accumulation de compétences physiques difficiles à reproduire.

Une telle plateforme ne pourra jouer son rôle que si les épreuves sont clairement définies et répétées dans des conditions comparables. La question pertinente n’est pas seulement « le robot a-t-il réussi ? », mais aussi : peut-il recommencer, s’adapter à une variation et terminer l’action sans intervention imprévue ? Ce sont ces critères qui permettront de transformer des démonstrations captivantes en repères technologiques utiles.

Ce qu’il faut surveiller avant l’arrivée des humanoïdes dans les foyers

L’avenir des robots humanoïdes se jouera moins sur une seule prouesse que sur plusieurs évolutions simultanées. Les prochains événements devront notamment permettre d’observer :

• la capacité des robots à répéter une tâche et à gérer de petites variations ;
• les progrès de la collecte de données issues d’actions réelles ;
• l’amélioration des mains, des capteurs et du retour sensoriel ;
• la qualité des collaborations entre laboratoires, fournisseurs de données et fabricants ;
• l’émergence de tests publics permettant de comparer les performances de façon plus rigoureuse.

Les images venues d’Olympie montrent que les humanoïdes ont déjà franchi un cap de visibilité. Elles ne doivent pas faire oublier la distance qui sépare un terrain de démonstration d’une maison. Pour devenir véritablement utiles au quotidien, ces machines devront apprendre non seulement à bouger, mais aussi à comprendre les conséquences de chacun de leurs gestes dans un monde qui, lui, ne suit jamais parfaitement le scénario prévu.