L'écart entre les robots de laboratoire et les robots d'usine vient de se réduire
Le nouveau modèle d'IA robotique de Google a atteint un taux de succès de 96% sur de vraies lignes de production Mercedes-Benz, montrant que l'IA physique avance aussi vite que l'IA logicielle.
- 200+
- tâches physiques testées
- 96%
- taux de succès dans les usines Mercedes-Benz
- 30–100%
- meilleur taux de réussite vs. version précédente
- 20–30%
- tâches accomplies plus rapidement
Pendant des années, les démonstrations de robots semblaient impressionnantes, mais ne fonctionnaient guère en dehors des laboratoires. Cette semaine, cela a changé. Le nouveau modèle d'IA de Google DeepMind tourne sur de vraies lignes de production chez Mercedes-Benz, emballant des pièces automobiles avec un taux de succès de 96% — pas dans un cadre de test, mais sur de vrais planchers d'usine en Hongrie et en Allemagne.
Le modèle s'appelle Gemini Robotics 2.5. C'est une sorte de cerveau d'IA — appelé modèle vision-langage-action (VLA) — qui apprend aux robots à regarder une scène, comprendre ce qui doit se passer, et se déplacer pour le faire. Il a été testé sur plus de 200 tâches physiques distinctes : nouer des nœuds sur des boîtes-cadeaux, servir de la nourriture avec des pinces, ramasser des pièces délicates. Comparé à la version précédente, il réalise les tâches avec un taux de succès de 30% à 100% plus élevé, selon la tâche, et les accomplit 20% à 30% plus rapidement.
Le résultat Mercedes-Benz est le chiffre sur lequel il faut s'arrêter. Faire en sorte qu'un robot effectue de manière fiable la même tâche de préhension et d'emballage 96 fois sur 100, sur une vraie chaîne de production, c'est difficile. Cela signifie que l'écart entre les performances en laboratoire et les performances réelles — toujours le principal problème en robotique — commence enfin à se réduire. Jeff Cardenas, PDG d'Apptronik, l'entreprise qui a construit le matériel robotique Apollo 2, a déclaré que c'était « la base pour amener les robots humanoïdes dans des environnements industriels et commerciaux à grande échelle ».
Le modèle est actuellement déployé via les partenaires robotiques de DeepMind — des entreprises comme Apptronik, Agile Robots et Boston Dynamics — et non comme un outil public auquel tout le monde peut s'inscrire. Mais la direction est claire : l'IA physique suit la même courbe que l'IA logicielle, devenant moins chère, plus rapide et plus fiable tous les quelques mois. Si votre entreprise déplace des objets physiques — dans un entrepôt, une usine, une cuisine — c'est maintenant le moment d'y prêter attention, avant qu'elle soit largement disponible et que vos concurrents sachent déjà comment elle fonctionne.