96 % chez Mercedes-Benz : l'écart entre démo robotique et déploiement réel vient de se réduire
Le nouveau logiciel robotique de Google a obtenu 96 % de réussite sur une chaîne de production automobile en activité — ce qui signifie que les robots ne sont plus réservés aux démonstrations, ils font désormais du vrai travail industriel.
- 96%
- taux de réussite sur la ligne de production Mercedes-Benz
- 200
- tâches distinctes testées
- +43%
- plus sûr à proximité des personnes
- 20–30%
- accomplissement des tâches plus rapide
Le 10 novembre, Google DeepMind a lancé Gemini Robotics 2.5, une nouvelle version de son logiciel de contrôle robotique. Peu après, des robots humanoïdes du partenaire Apptronik opéraient sur des lignes de production actives de Mercedes-Benz en Hongrie et en Allemagne, triant des pièces automobiles avec un taux de réussite de 96 %. Ce n'est pas un test en laboratoire. C'est un robot qui effectue un vrai travail sur une chaîne de production active.
Le bond par rapport à la version précédente est frappant. DeepMind a testé le modèle sur 200 tâches différentes. Sur plusieurs d'entre elles, l'ancienne version obtenait zéro. Le nouveau modèle accomplit les tâches 20 à 30 % plus vite et réussit bien plus souvent — sur certaines tâches de dextérité, le taux de réussite est passé de quasi zéro à plus de 90 %. Un tel bond en une seule version est rare.
La sécurité s'est également nettement améliorée. Le modèle fonctionne 43 % mieux à proximité des personnes et 33 % mieux face aux obstacles. DeepMind a aussi publié ASIMOV-Jailbreak, un test public avec des centaines de prompts conçus pour inciter un robot à faire quelque chose de dangereux. Leur meilleur modèle a bloqué 99,5 % de ces tentatives — contre 82 % pour la version précédente.
Ce n'est pas seulement une mise à jour de modèle. C'est un signal. Les robots franchissent une ligne — des démonstrations impressionnantes aux déploiements industriels réels. La production, la logistique et l'entreposage seront les premiers concernés. Si votre activité implique des tâches physiques répétitives, l'écart entre la démo et le déploiement réel vient de se réduire — et cela change ce que vous devriez planifier dès maintenant.