Au CES 2025, Nvidia fait de l’IA physique son pari pour la robotique

La prochaine grande frontière de l’intelligence artificielle ne se trouve pas seulement dans les écrans ou les centres de données, elle se déplace aussi dans le monde physique. C’est le message qu’a voulu faire passer Jensen Huang, le PDG de Nvidia, lors de sa conférence au CES de Las Vegas, le 6 janvier 2025. Face au regain d’intérêt pour les robots humanoïdes et les machines autonomes, le fabricant américain entend mettre à leur disposition ce qui a fait son succès dans l’IA générative : une puissance de calcul considérable, des logiciels spécialisés et des volumes de données difficiles à réunir autrement.

Pour Nvidia, l’enjeu dépasse donc la production de puces graphiques. L’entreprise veut bâtir l’infrastructure qui permettra aux robots de percevoir leur environnement, de comprendre une consigne, d’anticiper les conséquences de leurs mouvements et d’agir avec suffisamment de fiabilité dans une usine, un entrepôt ou, à terme, dans d’autres lieux de travail. Cette approche porte un nom de plus en plus employé par le groupe : l’IA physique, c’est-à-dire une intelligence artificielle appliquée à des objets qui doivent évoluer dans le monde réel.

Nvidia veut entraîner les robots avant de les envoyer sur le terrain

L’annonce la plus structurante du CES est Cosmos, une plateforme de modèles d’IA conçue pour les systèmes physiques, notamment les robots et les véhicules autonomes. Son principe est simple à formuler, même si sa mise en œuvre est extrêmement complexe : produire des vidéos synthétiques crédibles afin de multiplier les situations auxquelles une machine peut être confrontée.

Un robot qui doit déplacer une boîte, éviter une personne ou circuler dans un entrepôt ne peut pas apprendre uniquement à partir de quelques démonstrations. Il lui faut être exposé à un très grand nombre de variations : objets déplacés, éclairage changeant, gestes imprévus, obstacles, sols différents ou encore erreurs de manipulation. Filmer et annoter toutes ces scènes dans le monde réel demande du temps, de l’argent et peut poser des problèmes de sécurité. Les données synthétiques offrent une autre voie : générer par ordinateur des scènes plausibles, puis les utiliser pour l’entraînement et l’évaluation.

Cosmos doit aider les développeurs à produire ce matériau visuel et à simuler l’évolution d’une scène. L’objectif n’est pas que le robot regarde simplement une vidéo, mais qu’il apprenne des régularités utiles : la manière dont les objets tombent, se déplacent, se cachent ou réagissent à une action. Pour une machine, comprendre la physique du quotidien reste un défi considérable. Une tasse renversée, une porte entrouverte ou un carton mal saisi sont des situations banales pour un humain, beaucoup moins pour un robot.

Comment l’IA physique relie simulation et robot réel

Nvidia ne part pas de zéro dans ce domaine. Le groupe propose déjà Omniverse, son environnement de simulation, ainsi que la plateforme Isaac, dédiée au développement de robots. Au CES 2025, l’entreprise a aussi mis en avant un blueprint Isaac GR00T destiné à générer des données synthétiques de mouvements de manipulation pour les robots humanoïdes. Le terme blueprint désigne ici une recette logicielle préconfigurée, pas un robot ou un modèle clé en main.

L’idée consiste à relier plusieurs étapes qui étaient souvent séparées : la création d’un environnement numérique, la génération de scénarios, l’entraînement d’un modèle d’IA, puis sa validation avant son installation sur une machine physique. Cette continuité est stratégique pour Nvidia, car elle valorise aussi bien ses processeurs graphiques que ses outils logiciels.

Ce processus répond à une difficulté bien connue de la robotique, souvent appelée le passage de la simulation à la réalité. Un système peut donner d’excellents résultats dans un monde numérique propre et prévisible, puis échouer lorsque les capteurs sont perturbés, qu’un objet est abîmé ou qu’un humain intervient. La simulation doit donc être suffisamment riche et variée pour ne pas donner au robot une vision artificiellement simplifiée du réel.

Une stratégie d’écosystème plutôt qu’un robot signé Nvidia

Nvidia ne présente pas son propre robot humanoïde destiné aux usines ou aux foyers. Sa stratégie est différente : devenir le fournisseur des outils dont auront besoin les fabricants de robots, les industriels, les laboratoires et les jeunes pousses du secteur. C’est une extension logique de son rôle dans l’IA générative, où ses puces et ses logiciels sont devenus une infrastructure centrale pour de nombreux acteurs.

Cette ambition passe par des partenariats. Nvidia a notamment cité des entreprises de robotique telles que 1X, Agility Robotics, Apptronik, Figure AI, Franka Robotics et Neura Robotics parmi les acteurs de son écosystème. Le groupe cherche également à travailler avec des institutions de recherche et des start-up capables de développer des usages spécialisés, des bras industriels aux robots mobiles en passant par les véhicules autonomes.

Le CES a également servi de vitrine à Project DIGITS, un ordinateur personnel pour l’IA annoncé à partir de 3 000 dollars, avec une disponibilité prévue en mai 2025. Fondé sur une puce Grace Blackwell, ce système n’est pas un produit robotique en lui-même. Il illustre toutefois la volonté de Nvidia de mettre davantage de capacité de calcul entre les mains des chercheurs, développeurs et entreprises qui construisent des applications d’IA, y compris pour la robotique.

Pourquoi les robots humanoïdes attirent autant l’industrie

Les robots humanoïdes occupent une place importante dans le discours de Nvidia parce qu’ils promettent, en théorie, de s’adapter à des lieux conçus pour les humains. Une usine, un entrepôt ou un bâtiment de soins sont déjà organisés autour de portes, d’étagères, de chariots, d’escaliers et d’outils manipulés à hauteur humaine. Une machine dotée de deux bras, de capteurs et d’une mobilité adaptée pourrait y prendre en charge certaines tâches sans qu’il soit nécessaire de reconstruire entièrement les espaces.

Dans l’industrie manufacturière, l’intérêt se situe d’abord dans les opérations répétitives, physiquement exigeantes ou potentiellement dangereuses : manutention, approvisionnement de postes, contrôle visuel ou déplacement de pièces. Dans la logistique, les robots pourraient assister la préparation de commandes et le transport interne. Ces perspectives correspondent à l’ambition affichée par Nvidia d’améliorer la précision et l’efficacité des processus, avec à la clé une réduction possible de certains coûts opérationnels.

Mais l’humanoïde n’est pas la seule forme pertinente. Un robot à roues, un bras fixé à une chaîne de production ou une machine spécialement conçue pour un entrepôt peut être plus simple, plus stable et plus efficace pour une tâche précise. L’argument de Nvidia est donc moins de faire de l’humanoïde une solution universelle que de proposer une base logicielle et matérielle qui puisse servir à des catégories variées de machines.

Des applications possibles bien au-delà des usines

La vision présentée par Jensen Huang ne se limite pas aux chaînes de montage. Nvidia évoque aussi des usages dans la santé et la logistique, deux secteurs où la capacité à observer un environnement et à assister les équipes pourrait se révéler utile. Dans les établissements de soins, un robot intelligent pourrait par exemple contribuer au suivi de certaines situations ou au transport de matériel. Il ne s’agit pas, à ce stade, de l’annonce d’un produit médical Nvidia, mais d’un champ d’application possible pour les technologies d’IA et de simulation de l’entreprise.

Les zones sinistrées et les interventions d’urgence constituent un autre horizon. Des machines capables d’évoluer dans des lieux difficiles d’accès pourraient assister les secours, notamment pour inspecter un espace dangereux ou acheminer du matériel. Ces scénarios restent exigeants : les environnements y sont imprévisibles, les communications peuvent être dégradées et une erreur peut avoir des conséquences graves.

C’est précisément pourquoi l’entraînement dans des mondes synthétiques intéresse autant le secteur. Il permet de rejouer des incidents rares ou risqués sans exposer immédiatement des personnes ou du matériel. La promesse doit toutefois être examinée avec rigueur : une simulation convaincante visuellement ne garantit pas qu’un robot saura gérer tous les imprévus d’une situation réelle.

Les limites techniques, éthiques et réglementaires restent décisives

Les avancées mises en avant par Nvidia ne lèvent pas les principaux obstacles au déploiement à grande échelle des robots équipés d’IA. Le premier est la sûreté. Un assistant conversationnel qui se trompe peut fournir une réponse inexacte. Un robot qui se trompe dans un entrepôt, près d’un patient ou sur un site industriel peut heurter une personne, laisser tomber une charge ou interrompre une opération.

Le deuxième enjeu est la cybersécurité. Plus un robot est connecté à des systèmes de gestion, à des caméras, à des services cloud ou à un réseau d’entreprise, plus il doit être protégé contre les intrusions et les manipulations. La confidentialité est également en jeu lorsque les machines évoluent dans des lieux où elles peuvent capter des images ou des informations sensibles.

Enfin, l’automatisation pose des questions d’emploi, de responsabilité et d’acceptabilité sociale. Les robots peuvent transformer certaines tâches répétitives et créer de nouveaux besoins en maintenance, supervision, intégration logicielle et sécurité. Mais leur adoption ne peut pas être évaluée uniquement à partir d’un gain de productivité. Les entreprises devront définir clairement ce que la machine peut faire, à quelles conditions elle doit s’arrêter et qui reste responsable en cas d’incident.

Ce qu’il faut surveiller en 2025

Après les annonces du CES, le test le plus important sera celui de l’adoption réelle. Il faudra observer si les plateformes comme Cosmos et les outils Isaac permettent effectivement de réduire le temps nécessaire pour entraîner, tester et déployer des robots. La qualité des simulations, le coût de calcul et la facilité d’intégration avec les machines existantes seront déterminants.

Il faudra aussi distinguer les démonstrations spectaculaires des usages fiables et répétables. Les robots humanoïdes attirent l’attention parce qu’ils ressemblent aux humains, mais les premiers déploiements utiles pourraient concerner des systèmes beaucoup plus spécialisés. Le succès de Nvidia se mesurera donc autant à la diffusion discrète de ses logiciels dans les usines et les entrepôts qu’aux images de robots capables de marcher ou de manipuler des objets.

La feuille de route esquissée par Jensen Huang confirme en tout cas une évolution de la stratégie du groupe. Nvidia veut être présent à chaque niveau de l’IA physique, du calcul au simulateur, de la donnée synthétique au logiciel embarqué. Si cette vision se concrétise, la compétition dans la robotique ne se jouera pas seulement sur la forme des machines, mais aussi sur la qualité des données et de l’infrastructure qui leur apprennent à agir dans le monde réel.