Google DeepMind lance trois modèles sous Gemini Robotics 2, avec un vrai saut sur la vidéo, la coordination et l’adaptation des robots.
Google DeepMind dévoile Gemini Robotics 2, une pile en trois modèles pour piloter des robots jusqu’au corps entier, avec ER 2 comme couche de raisonnement. Le point fort n’est pas seulement la marche ou la préhension, mais la capacité à suivre une tâche en vidéo continue, décider sans pause visible et coordonner plusieurs machines. Le modèle de raisonnement arrive dès maintenant via l’API Gemini et Google AI Studio.
Ce que Google DeepMind montre aujourd’hui n’est pas juste une démo de plus. Le groupe essaie de transformer Gemini en pile logicielle générale pour robots, du raisonnement jusqu’au mouvement, avec en ligne de mire la même idée depuis des mois, un modèle pour plusieurs corps.
La rupture, ici, tient autant au périmètre qu’au tempo. Les anciens systèmes savaient surtout manipuler sur table. Cette fois, Google pousse vers le corps entier, la vidéo continue et la collaboration entre machines, comme détaillé sur son blog DeepMind.
Trois briques, un même pari logiciel
La famille se découpe en trois. Gemini Robotics 2 est le modèle VLA qui convertit vision et langage en commandes motrices. Gemini Robotics ER 2 sert de cerveau haut niveau, il planifie, échange avec l’humain, appelle des outils comme Google Search et délègue l’exécution à des modèles d’action. Gemini Robotics On-Device 2, lui, tourne localement, sans connexion.
Côté accès, ER 2 est disponible via l’API Gemini, Google AI Studio et en preview privée sur Gemini Enterprise Agent Platform. Les modèles VLA et on-device restent réservés à des partenaires early access. L’ambition est limpide, et assez cohérente, faire de l’IA la couche portable au-dessus du hardware.
One brain. For any robot. 🤖
We’re launching Gemini Robotics 2: our next-generation physical AI bringing full body intelligence to humanoids, advanced dexterity, multi-robot teamwork and more. pic.twitter.com/1rFw3NUytb
— Google DeepMind (@GoogleDeepMind) July 30, 2026
Le point clé, c’est le temps réel
L’avancée la plus intéressante n’est peut-être pas la marche. C’est le fait qu’un robot puisse suivre une tâche pendant qu’il agit. Selon la présentation de Google, ER 2 s’intègre à l’API Gemini Live via un endpoint bidirectionnel optimisé pour la latence, afin d’éviter les pauses « stop-and-think ».
Concrètement, le modèle classe la progression d’une tâche frame par frame en cinq paliers, de 0 à 100%. Il atteint 57,4% de précision sur cette classification. Sur le moment finding, c’est-à-dire repérer l’instant exact où une étape critique est accomplie, il monte à 91,3%, avec 0,96 seconde de distance absolue moyenne et une exécution 4 fois plus rapide que des catégories de modèles plus lourdes.
Du bras à l’humanoïde complet
Les démos servent bien le propos. Sur Apollo 2 d’Apptronik, le système peut marcher, se baisser, s’étirer puis ranger un arrosoir dans un bac en bas d’une étagère. Sur Spot de Boston Dynamics, ER 2 orchestre navigation et bras manipulateur pour aller chercher un snack. Il peut aussi faire travailler ensemble Apollo 2 et Franka F3 Duo.
La dextérité progresse aussi. La main SharpaWave à 22 degrés de liberté sait nouer ou fermer un sac zip. Mais comme le notait Wired, on reste loin d’une polyvalence humaine native. Carolina Parada parle d’« un autre jalon sur notre chemin vers ce que nous appelons l’AGI physique ».
Une annonce solide, avec des limites très visibles
DeepMind insiste sur la sécurité, et c’est logique. ER 2 progresse sur les benchmarks Safety Instruction Following et Human Proximity, au point d’arrêter un humanoïde si quelqu’un s’approche puis de reprendre quand la zone est libre. Le groupe lance aussi ASIMOV-Agentic, un benchmark pour tester le refus d’actions dangereuses, l’évaluation de faisabilité et la demande d’aide humaine.
Mais les chiffres rappellent où ça coince encore. D’après The Next Web, Google reconnaît des robots encore lents, avec 92% de réussite pour dévisser une ampoule, contre 44% pour nouer un sac-poubelle et 40% pour fermer un ziplock. On-Device 2 sait s’adapter à un nouveau corps avec moins de 200 exemples en quelques heures, ce qui compte beaucoup. Le reste dépendra aussi du hardware, or une partie de l’offre mondiale est chinoise, pendant que Google avance avec Apptronik, Boston Dynamics, Agile Robots et plus de 100 testeurs, sous la pression d’OpenAI et d’Nvidia.
