Robots humanoïdes : l’IA conversationnelle accélère la course aux androïdes utiles

Au 28 janvier 2025, l’intelligence artificielle ne se limite plus à répondre à des questions dans une fenêtre de discussion. Les progrès qui ont popularisé ChatGPT nourrissent aussi une ambition plus concrète : doter des robots d’une capacité à comprendre les consignes humaines, observer leur environnement et enchaîner des actions utiles. L’objectif n’est pas encore de créer des machines indiscernables des humains, mais de rendre des robots humanoïdes assez fiables pour travailler dans des lieux conçus pour nous, notamment les entrepôts et les usines.

Cette évolution explique l’effervescence autour de jeunes entreprises comme Figure AI, 1X et Apptronik. Elles conçoivent des robots à deux bras, deux jambes et une tête, capables en théorie de se déplacer dans des espaces existants, d’utiliser des outils et de manipuler des objets. Les modèles de langage issus de l’IA générative changent la manière d’envisager leur commande : plutôt que de programmer chaque geste de façon rigide, il devient possible de formuler une instruction en langage courant et de laisser le système décomposer la tâche.

Il faut toutefois distinguer l’impression produite par une conversation fluide et la difficulté de l’action physique. Un robot peut très bien comprendre une phrase sans parvenir à saisir un objet glissant, à contourner une personne ou à réagir correctement à un imprévu. C’est précisément cet écart que tente de combler la nouvelle génération de robotique.

Des chatbots aux machines qui agissent

OpenAI s’est imposée auprès du grand public grâce à ses agents conversationnels et à ses modèles de langage. GPT-4 a notamment illustré la capacité d’une IA à produire, résumer et analyser du texte dans des échanges cohérents. Ces systèmes peuvent servir d’interface : un opérateur formule une demande, le modèle identifie l’intention, demande si nécessaire une précision et propose une suite d’actions.

Dans un robot, cette couche de dialogue n’est qu’un élément d’un ensemble beaucoup plus vaste. Pour accomplir une mission physique, la machine doit réunir plusieurs compétences :

• La perception, pour repérer les objets, les personnes, les obstacles et parfois estimer les distances.
• La compréhension de la consigne, afin de relier des mots comme « ranger », « apporter » ou « vérifier » à un objectif concret.
• La planification, qui consiste à ordonner les étapes nécessaires pour atteindre cet objectif.
• Le contrôle moteur, pour marcher, garder l’équilibre, saisir un objet sans l’écraser et le déposer au bon endroit.
• La sécurité, indispensable pour ralentir, s’arrêter ou demander de l’aide face à une situation incertaine.

Les modèles dits de vision et langage sont particulièrement importants dans cette architecture. Ils associent des images ou des séquences vidéo à des descriptions textuelles. En pratique, cela peut aider un robot à identifier un carton, un bac, une poignée ou un outil, puis à relier cette reconnaissance à une commande reçue par la voix ou par écrit. La manipulation elle-même reste cependant une épreuve exigeante : le poids, la forme, la fragilité et la position d’un objet changent constamment les calculs à effectuer.

Pourquoi choisir une forme humanoïde ?

La silhouette humaine n’est pas choisie seulement pour son effet spectaculaire. Une grande partie des lieux de travail ont été aménagés pour des personnes : escaliers, portes, rayonnages, établis, caisses, chariots et outils sont dimensionnés pour deux bras et deux jambes. Un robot humanoïde pourrait donc, en principe, intervenir sans imposer une transformation complète des bâtiments.

Cette promesse a toutefois un coût. Marcher de façon stable, alimenter des moteurs puissants et articuler deux mains polyvalentes exige des composants complexes. Dans bien des cas, un robot spécialisé à roues ou un bras fixe demeure plus simple, moins cher et plus efficace. Un humanoïde prend tout son sens lorsque les tâches varient suffisamment, lorsque l’espace est peu standardisé ou lorsqu’il faut utiliser des équipements pensés pour un humain.

La compétition porte ainsi moins sur l’apparence que sur l’utilité. Les démonstrations vidéo peuvent montrer des mouvements impressionnants, mais une utilisation professionnelle suppose de répéter la même opération pendant des heures, de gérer les erreurs et de cohabiter avec des équipes humaines. C’est sur cette fiabilité quotidienne que les fabricants seront jugés.

Figure AI, 1X et Apptronik s’installent dans la course

Parmi les entreprises les plus visibles, Figure AI développe des robots humanoïdes destinés en priorité aux métiers physiques, répétitifs, pénibles ou dangereux. La société a attiré l’attention des investisseurs avec un financement de 675 millions de dollars. Ce montant témoigne des attentes placées dans un marché encore largement expérimental, où les revenus et les usages à grande échelle restent à construire.

Figure AI s’est également associée à BMW pour déployer et expérimenter ses robots dans un contexte industriel. Ce type de partenariat est central : l’usine offre un environnement réel, avec des cadences, des consignes de sécurité, des objets standardisés mais aussi des aléas. C’est là que les promesses techniques peuvent être confrontées aux contraintes de production.

D’autres acteurs cherchent à prendre position. 1X développe le robot humanoïde NEO, tandis qu’Apptronik porte le projet Apollo. Tous poursuivent l’idée d’une machine polyvalente, capable d’assister les humains dans plusieurs catégories de tâches. Leur défi commun consiste à transformer des prototypes et des démonstrations en équipements déployables, maintenables et sûrs.

La présence d’OpenAI dans cet écosystème illustre un mouvement plus large : les entreprises de robotique veulent profiter de modèles capables de traiter des instructions complexes et de faire le lien entre mots, images et objectifs. Cela ne signifie pas qu’un modèle de langage pilote seul un robot. Il doit être intégré à des logiciels de perception, de planification, de contrôle et de supervision adaptés à chaque machine.

Ce que l’IA conversationnelle apporte réellement aux robots

L’apport le plus visible des systèmes conversationnels est l’amélioration de l’interface homme-machine. Au lieu de mémoriser des commandes techniques, un salarié pourrait demander à un robot de préparer une zone, d’apporter un objet ou de signaler une anomalie. L’IA peut également traduire cette demande en une séquence structurée, tout en expliquant ses limites ou en sollicitant une validation humaine.

Dans l’industrie, cette souplesse est attractive. Les lignes de production changent, les références de produits évoluent et les situations exceptionnelles sont fréquentes. Reprogrammer intégralement un système robotique pour chaque variation peut être coûteux. Une machine capable de comprendre une instruction plus générale pourrait réduire une partie de cette rigidité, à condition que ses actions soient correctement encadrées.

Les modèles de langage peuvent aussi assister les équipes qui exploitent les robots. Ils peuvent faciliter la consultation de procédures, la rédaction de comptes rendus ou le diagnostic de certaines anomalies à partir d’informations disponibles. Là encore, le mot important est « assister ». Dans un environnement où une erreur peut endommager un produit ou mettre une personne en danger, les décisions critiques nécessitent des mécanismes de vérification et des règles strictes.

Les limites techniques restent considérables

Les chatbots ont montré qu’une interaction textuelle pouvait sembler étonnamment naturelle. Mais ils peuvent produire une réponse erronée avec assurance ou mal interpréter une demande ambiguë. Transposé à la robotique, ce défaut ne se limite pas à une information inexacte : il peut conduire à une action inadaptée.

Les concepteurs doivent donc empêcher un système conversationnel de donner des ordres physiques sans contrôle. Plusieurs niveaux de protection sont nécessaires : limites de vitesse et de force, zones interdites, validation de certaines actions, détection des personnes, boutons d’arrêt et reprise par un opérateur. L’autonomie d’un robot doit être pensée comme graduelle, selon la tâche et le niveau de risque, plutôt que comme une capacité totale.

La fiabilité matérielle compte tout autant. Les batteries déterminent le temps de fonctionnement. Les capteurs peuvent être gênés par une lumière inhabituelle, une poussière ou un objet mal positionné. Les mains robotiques doivent réussir des gestes simples pour un humain, comme saisir un article souple, ouvrir un emballage ou placer une pièce avec précision. Enfin, un robot installé dans une entreprise doit pouvoir être entretenu sans immobilisations trop longues ni coûts excessifs.

L’enjeu est donc double : obtenir des capacités assez larges pour que la machine s’adapte à plusieurs situations, tout en limitant strictement son comportement pour qu’elle demeure prévisible. Cette tension explique pourquoi les déploiements débutent dans des tâches délimitées et dans des sites où les équipes peuvent superviser le matériel.

Quel impact sur le travail et la société ?

La promesse la plus souvent avancée est de confier aux machines les tâches les plus physiques, répétitives ou dangereuses. Dans une usine, cela peut concerner la manutention, le déplacement d’objets ou certaines opérations simples. L’intérêt ne se résume pas à supprimer des postes : il peut aussi s’agir de réduire l’exposition à des efforts pénibles, de répondre à des difficultés de recrutement ou de réaffecter des salariés vers des fonctions de contrôle, de maintenance et de coordination.

Toutefois, l’automatisation modifie toujours l’organisation du travail. Certaines missions peuvent disparaître ou être profondément transformées, tandis que de nouveaux besoins émergent autour de l’installation, de la maintenance, de la supervision et de la sécurité des robots. Les entreprises ont intérêt à anticiper cette évolution avec les salariés, plutôt qu’à présenter la technologie comme une substitution automatique et sans conséquences.

La protection des données est un autre sujet majeur. Un robot doté de caméras et de microphones peut capter des informations sur un atelier, des produits, des procédures ou des personnes. Les règles sur la collecte, le stockage, l’accès et l’effacement de ces données doivent être définies clairement. La transparence est aussi essentielle : chacun doit savoir lorsqu’il interagit avec une machine, quelles données sont traitées et qui est responsable en cas d’incident.

Les grandes entreprises technologiques, notamment Meta, Google et Microsoft, développent elles aussi des assistants IA de plus en plus capables. Leur progression alimente les attentes autour d’agents numériques multicompétents. Mais passer de l’assistant qui organise une information au robot qui agit dans le monde physique reste une étape bien plus complexe, sur les plans technique, juridique et social.

Ce qu’il faut surveiller

La question décisive, dans les prochains mois, sera celle du passage à l’échelle. Des robots humanoïdes peuvent-ils effectuer une tâche précise avec régularité, à une cadence compatible avec l’entreprise qui les emploie et dans des conditions de sécurité satisfaisantes ? Les essais menés dans des environnements industriels, comme ceux associés à BMW, fourniront des indications plus utiles que les seules démonstrations contrôlées.

Il faudra également observer le coût complet de ces machines. Au prix d’achat ou de location s’ajoutent la maintenance, l’énergie, les mises à jour logicielles, la formation des équipes et les aménagements éventuels des sites. Un humanoïde ne sera adopté durablement que s’il apporte une valeur mesurable par rapport à un robot spécialisé ou à une organisation du travail différente.

Enfin, les progrès des modèles de langage et de vision devront s’accompagner de garanties concrètes. Les robots les plus convaincants ne seront pas nécessairement ceux qui parlent le mieux, mais ceux qui comprennent leurs limites, signalent leurs doutes et accomplissent de façon sûre les tâches qui leur sont confiées. La course aux androïdes se joue donc autant sur la confiance que sur la performance technique.