Le toucher robotique bute souvent sur le même mur. Si vous voulez de la finesse, vous payez en calcul. Si vous voulez de la vitesse, vous perdez en détail. Et quand on ajoute la miniaturisation des doigts robotiques, la facture grimpe vite, côté capteurs comme côté latence.

C’est précisément là que le travail de Queen Mary University of London, relayé par Heise et SelectScience, devient intéressant. Le pari n’est pas d’ajouter encore de l’électronique. Il consiste à déplacer la détection dans la matière elle-même.

Le vieux problème du toucher robotique

Les peaux artificielles classiques reposent sur des réseaux denses de taxels, ces micro-capteurs qui mesurent localement pression ou déformation. C’est efficace, mais lourd à câbler, coûteux, et limité par la taille, l’espacement ou les interférences entre éléments. Les approches par caméra, elles, peuvent monter en résolution, mais demandent en général de reconstruire la géométrie du contact avec des pipelines de calcul assez lourds.

La littérature citée dans l’étude rappelle ce compromis. Les systèmes taxelisés fonctionnent en temps réel, mais dépassent rarement le millimètre. Les meilleurs systèmes visuels font mieux, au prix d’une latence qui finit par compter dans une pince ou un outil chirurgical.

Quand la matière fait le travail

L’équipe a donc conçu un capteur méchanochromique. En gros, le matériau change de couleur quand on le presse, l’étire ou le plie. Plus précisément, l’article publié dans Science Advances via Neuroscience News décrit un réflecteur de Bragg étirable pris entre deux couches de silicone souple.

La conséquence est simple à comprendre. L’information de pression n’est plus reconstruite après coup, elle est déjà encodée dans le signal lumineux. Comme l’a résumé James Busfield, « on ne reconstruit plus le toucher, on l’observe directement ».

Une résolution qui commence à compter

La démo n’est pas seulement jolie. Elle produit des cartes topologiques d’un bout de doigt, d’une feuille et d’une pièce d’un penny avec une résolution d’environ 100 micromètres. Les crêtes d’empreintes digitales apparaissent nettement, ce qui donne une idée du niveau de détail atteint sans réseaux de capteurs massifs ni amélioration par deep learning.

Une caméra USB basique suffit pour lire ces champs colorés en temps réel. Pas de reconstruction complexe, donc pas de délai computationnel ajouté.

Pourquoi ce n’est pas qu’une belle démo de labo

Les usages évoqués par les chercheurs sont assez cohérents avec la techno. D’abord les préhenseurs industriels, pour assembler des micro-composants fragiles sans les casser. Ensuite les prothèses, qui pourraient gagner un retour tactile plus riche. Enfin la chirurgie robotisée mini-invasive, où des signatures fines de pression aideraient à distinguer tissu sain et tissu anormal.

Une collaboration matériaux-robotique, publiée noir sur blanc

Le projet a été inventé par Giacomo Sasso à Queen Mary University of London, avec une collaboration impliquant aussi Federico Carpi et des équipes des universités de Florence, Trieste et Trento. Le papier s’intitule High-resolution real-time mechanochromic tactile sensors, DOI 10.1126/sciadv.aee5236. Pour la robotique, le point clé tient dans cette exécution assez élégante: moins d’architecture, moins de calcul, et plus d’information directement visible.

Un deuxième robot, mais surtout un autre niveau d’ambition

Selon le communiqué de BMW Group, Figure 03 va désormais trier et séquencer des pièces dans l’usine américaine. Ulrich Wieland, vice-président Production Control and Logistics de BMW Manufacturing, présente même Spartanburg comme le lieu de naissance de la robotique humanoïde dans les opérations quotidiennes du groupe. Le contraste est là. On passe d’un pilote ciblé à un usage qui revient sans cesse dans l’automobile, donc à un test plus sérieux sur la scalabilité.

Le précédent Figure 02 a servi de preuve en conditions réelles

Avant cela, Figure 02 avait travaillé pendant dix mois, ou onze selon les prises de parole de BMW et de Figure AI, dans l’atelier carrosserie. Sa tâche consistait à insérer des éléments de tôle pour le soudage, une opération rapide, précise et physiquement exigeante. Au total, le robot a contribué à la production de plus de 30 000 BMW X3, comme le rappellent BMWBlog et Heise. Brett Adcock, patron de Figure AI, résume ce bilan ainsi : « Notre déploiement de 11 mois de Figure 02 a prouvé que les humanoïdes ne sont plus des expériences de laboratoire ». C’est la vraie base du projet actuel.

Le cas d’usage visé est répétitif, physique, et très répandu

Cette fois, les composants arrivent mélangés dans de grands contenants. Figure 03 les prend, les trie, puis les place dans un chariot de séquençage. Le chariot rejoint ensuite un point de collecte avant d’être acheminé soit par un train tracteur automatisé, soit par un Smart Transport Robot, jusqu’à la ligne, où les pièces sont livrées just in sequence. C’est banal, justement. Et c’est pour ça que le choix est intéressant. BMW vise une tâche monotone, répétitive et pas très agréable ergonomiquement, pas une opération spectaculaire.

Hall 52, iFACTORY, AIQX, le robot n’arrive pas seul

Figure 03 entre dans le Hall 52, agrandi pour assembler le X3 et, plus tard, l’iX5 électrifié. Ce bâtiment fonctionne déjà avec les briques de BMW iFACTORY : simulations 3D, Virtual Factory pour ajuster les gestes humains et repérer tôt les problèmes d’ergonomie, puis AIQX pour la détection visuelle et acoustique des défauts en temps réel. BMW a déjà standardisé cet outil dans ses usines et étudie son ouverture à des fournisseurs.

Ce que BMW teste vraiment maintenant

Le matériel de Figure 03 suit cette logique. Le robot gagne des composants souples pour limiter le risque en cas de contact, une recharge sans fil pour améliorer sa disponibilité, un système audio pour parler avec les opérateurs, et des mains revues avec capteurs tactiles et caméras dans les paumes pour manipuler plus finement. D’autres sources insistent sur le même point : chez BMW, l’idée affichée n’est pas de remplacer la ligne, mais de déplacer vers le robot les tâches monotones, pénibles ou critiques pour la sécurité.

Le point intéressant n’est pas que les humanoïdes coûtent moins cher. Ça, on le savait déjà, et la baisse est réelle. Le point intéressant, c’est que la valeur glisse vite vers le software, puis vers toute l’infrastructure qu’une entreprise doit construire autour.

Dans la démo de Flexion Robotics, un robot Unitree traverse un bureau, repère une échelle, saisit une boîte et ouvre une porte. Ce n’est pas juste une vidéo propre. C’est une démonstration de ce qui compte désormais, l’autonomie en conditions réelles, racontée aussi par la démonstration détaillée de Wired.

Le robot n’est plus la pièce rare

Les prix tombent vite. Des quadrupèdes grand public démarrent autour de environ 1.400 euros (1600$), et le robot plieur de linge Isaac 0 de Weave Robotics arrive à environ 7.000 euros (7999$). Le Unitree R1 Air, lui, est affiché à environ 4.000 euros (4900$).

Mais ce tarif d’appel cache un verrou. Ces machines grand public interdisent souvent le « secondary development », autrement dit l’accès bas niveau et le code personnalisé. Pour une intégration entreprise, il faut des versions Education ou Developer, et la facture monte à environ 8.000 euros (9000$) ou plus, comme l’explique TechRepublic.

Flexion parie sur le cerveau, pas sur la coque

Flexion Robotics, startup suisse fondée par d’anciens chercheurs robotique de Nvidia, pousse exactement cette idée. Le robot n’est pas la révolution en soi, le vrai différenciateur est le modèle qui planifie, enchaîne des compétences et garde l’équilibre.

Selon Nikita Rudin, cofondateur et CEO, le test reste binaire : « Soit votre robot marche, soit il échoue ». Et quand il échoue, on ne parle pas d’un simple bug. On parle d’un objet lourd, métallique, dans un bureau ou sur une ligne.

Une pile technique très proche d’un SI industriel

Derrière un humanoïde, on retrouve une pile assez classique pour qui connaît l’IT industrielle, mais plus tendue. Une couche de contrôle temps réel tourne sur le robot pour les moteurs et l’équilibre. Un modèle VLA traduit vision et espace 3D en actions. Au-dessus, une couche de planning orchestre les tâches plus longues, souvent sur des serveurs locaux.

Bon, cela veut dire une chose simple. Les équipes IT devront gérer mises à jour de firmware, télémétrie, versions de comportements physiques, réseau privé et sécurité d’un système qui bouge.

La physique garde le dernier mot

L’apprentissage en simulation accélère beaucoup les choses. Rudin explique qu’il faut des dizaines d’années d’expérience virtuelle pour apprendre à se lever et marcher, mais que cette expérience se compresse en quelques heures de calcul. C’est le cœur de l’approche décrite aussi par TechBuzz, qui insiste sur un robot de bureau réellement opérationnel.

Reste la physique. La batterie du robot montré par Flexion Robotics tient environ 1h30 en marche normale, davantage pour certains gros robots, jusqu’à 4 ou 5 heures. Et dans l’industrie, les modèles lourds ne partiront pas dans le cloud pour réfléchir librement. Ils tourneront sur une infra on-prem, souvent isolée du net. Les premiers gros déploiements sont attendus entre fin 2026 et début 2027, d’abord en usine et en entrepôt, pas dans votre salon.

Alibaba ne se contente plus de faire tourner Qwen dans une fenêtre de chat. Avec Qwen-Robot Suite, le groupe chinois formalise son entrée dans l’IA incarnée, celle qui doit percevoir, raisonner puis agir dans un environnement réel. Le point qui saute aux yeux, c’est la découpe du problème. Pas un modèle unique censé tout faire, mais trois couches reliées entre elles. C’est plus sobre, et franchement plus crédible quand on parle de robotique.

Trois briques, trois rôles bien séparés

La suite réunit Qwen-RobotManip, un modèle VLA pour convertir vision et langage en actions physiques, Qwen-RobotNav pour la navigation en langage naturel, et Qwen-RobotWorld, un world model vidéo chargé d’anticiper l’évolution d’une scène. Alibaba présente l’ensemble comme une extension des capacités multimodales de Qwen vers le monde physique, avec mobilité, manipulation et compréhension de dynamiques réelles.

La manipulation, là où Alibaba avance ses chiffres

C’est sur Qwen-RobotManip que Alibaba met le plus de matière. Le modèle repose sur Qwen 3.5-4B VL et a été entraîné sur plus de 38 000 heures de données open source, entre dépôts robotiques, vidéos de manipulation humaine et jeux synthétiques humain-robot. Il a aussi été validé sur des plateformes comme AgileX et Franka. Sur les benchmarks, la société revendique une première place sur EBench, 69,4 % sur RoboTwin-Clean2Rand Hard et 72,0 % sur RoboTwin-IF. L’autre chiffre à retenir est ailleurs, jusqu’à trois fois mieux en transfert cross-embodiment que les précédents meilleurs systèmes, donc moins de réentraînement quand on change de matériel. Les détails techniques supplémentaires sont résumés par TechNode.

Navigation et agentique, le vrai sujet derrière le produit

Qwen-RobotNav a été entraîné sur 15,6 millions d’échantillons couvrant planification de trajectoire et raisonnement vision-langage. Pendant l’inférence, son module de planification choisit dynamiquement le mode de navigation sans réentraînement spécifique. C’est ce qui lui permet de servir de moteur de navigation, mais aussi d’interface unifiée pour des systèmes agentiques sur tâches longues, y compris l’EQA, quand un agent doit répondre à une question sur un lieu physique. Une autre source décrit une démo sur un Unitree Go2 avec matériel NVIDIA Jetson Thor et une seule caméra basse résolution, dans un appartement inconnu, avec 196 millisecondes de latence d’inférence. Elle évoque aussi Qwen-RobotClaw, un framework interne qui orchestre mémoire, contexte et appels aux modèles robots. Ces éléments figurent dans ce compte rendu du 17 juin 2026: TheElec.

Le world model comme couche de simulation

Qwen-RobotWorld a été entraîné sur 8,6 millions de paires vidéo-texte, soit plus de 200 millions d’images, couvrant plus de 20 types d’embodiments et 500 catégories d’action. Son rôle, prédire des futurs visuels cohérents avec les lois physiques, générer des données synthétiques et simuler des trajectoires avant exécution. En robotique, ce n’est pas un détail.

Pourquoi cette annonce compte maintenant

La suite est déjà en pilotes chez des clients entreprise de Alibaba Cloud, et Alibaba a aussi ouvert Chat2Robot, une plateforme web d’évaluation temps réel, avec un support actuel de Qwen-RobotManip sur 50 tâches issues de RoboTwin-Clean. Le vrai signal est là, Qwen comme planificateur de haut niveau, les modèles robots comme moteurs d’exécution. Le passage du langage à l’action devient un produit.

Sur une scène, l’idée est simple. Dans un entrepôt, elle l’est beaucoup moins. Amazon a montré un Proteus de nouvelle génération que les employés peuvent guider en parlant, sans passer par un logiciel dédié ni une interface technique. La promesse est nette, presque évidente, et elle dit quelque chose de l’état du secteur, l’enjeu n’est plus seulement de faire rouler un robot, mais de l’intégrer au flux humain sans friction. Le point à surveiller est ailleurs. Ce système est encore en pilote dans les labos d’Amazon, avec une arrivée en Europe annoncée pour le premier semestre 2027. Entre une démo et un site logistique saturé, il y a tout le reste.

Parler au robot, sans passer par l’interface

Jusqu’ici, les opérateurs devaient utiliser un logiciel spécialisé pour diriger Proteus. Désormais, selon Scott Dresser, vice-président d’Amazon Robotics, le principe est le suivant, « Vous lui dites ce qu’il faut faire, il détermine la priorité, l’itinéraire et le timing ». Dit autrement, la couche d’orchestration devient conversationnelle. Ce n’est pas un détail d’ergonomie. Si l’outil comprend une instruction formulée comme entre collègues, on réduit une partie du coût d’usage, donc une partie de la friction opérationnelle.

Un périmètre bien plus large que les quais

Le second changement touche le terrain couvert. Les versions actuelles, déployées sur 25 sites américains, travaillent surtout dans les zones de dock et déplacent des chariots pouvant approcher les 400 kg. Le nouveau système, présenté lors de l’événement Delivering the Future près de Londres, est censé intervenir partout où il faut déplacer des biens. Concrètement, il pourra prendre en charge des conteneurs dès leur arrivée, les acheminer entre postes de travail et assister les équipes dans les centres de fulfillment comme sur des sites de livraison. The Verge et The Next Web rapportent la même bascule, d’un robot de zone à un robot de flux.

Derrière Proteus, un plan robotique et industriel plus vaste

Amazon ne vend pas seulement un robot, mais une séquence industrielle. Le groupe annonce plus de 10 milliards d’euros pour moderniser et étendre ses activités de fulfillment en Europe. Dans le même mouvement, Vulcan, robot doté d’un sens du toucher, doit être étendu, tandis que STARK, système collaboratif de manutention de bacs d’abord testé à Barcelone, doit atteindre 15 sites européens d’ici 2027. À côté, Amazon pousse aussi la vitesse de livraison, avec plus de 25 nouveaux sites sub-same-day en Europe cette année, et un élargissement d’Amazon Now à Manchester et Birmingham. Le tout s’inscrit dans un capex beaucoup plus large, environ 185 milliards d’euros (200 Md$) prévus cette année, selon les prévisions citées par The Next Web.

Emploi, promesses et mémoire des projets ratés

Amazon répond d’avance à la critique classique. L’entreprise assure que la robotique crée aussi de nouveaux postes, en maintenance, fiabilité ou ingénierie, et promet 25 000 recrutements supplémentaires en Europe. Elle affirme également avoir embauché des centaines de milliers de salariés dans le monde depuis l’introduction de robots dans ses opérations. Mais l’historique compte. Heise rappelle que Blue Jay, robot multi-bras pour l’emballage rapide, a été retiré après moins de six mois, même si ses technologies doivent être réutilisées ailleurs. C’est ce genre d’écart que le déploiement de 2027 devra trancher, la tenue d’un robot bavard au milieu d’un vrai entrepôt.

Le signal utile, c’est la cadence visée

Ce qui ressort de l’annonce, ce n’est pas seulement qu’Hyundai Motor Group veut mettre des humanoïdes dans ses usines. C’est qu’il parle déjà en volumes industriels. Selon les éléments communiqués aux investisseurs, le groupe vise 25.000 robots Atlas dans les sites automobiles de Hyundai et Kia aux États-Unis, avec un objectif de 30.000 unités produites par an dès 2028.

Le ratio est parlant. Ces 25.000 robots représenteraient plus de 80% de la capacité annuelle visée cette année-là, comme le rapporte KED Global. Autrement dit, on n’est plus dans la démonstration de salon. On parle d’un client captif, d’un débouché interne massif et d’une montée en charge qui doit absorber presque toute la première vague de production.

Hyundai dit aussi vouloir fabriquer les robots eux-mêmes, ainsi que les actionneurs de leurs articulations, à raison d’environ 300.000 unités par an. Point important, et encore flou, le groupe n’a pas précisé si ces actionneurs serviraient uniquement à ses propres Atlas ou aussi à d’autres clients. Il n’a pas non plus détaillé les sites de production.

Hyundai choisit l’usine avant le foyer

Le positionnement est clair. Là où une partie du marché humanoïde vend déjà l’idée du robot généraliste pour le grand public, Hyundai met d’abord l’accent sur l’usage industriel et sur la fiabilité produit, un point relevé par KED Global.

Concrètement, les premiers cas d’usage ne relèvent pas de la science-fiction. Les robots doivent d’abord prendre en charge des tâches simples, lourdes et répétitives, comme le tri de pièces. Puis monter en complexité. Hyundai explique aussi qu’Atlas est développé pour travailler aux côtés des opérateurs et gérer certaines machines de façon autonome, selon la BBC.

Ce choix a une logique industrielle assez nette. Une usine tolère mal l’approximation. Un humanoïde n’a de valeur que s’il s’insère dans un flux, s’il réduit la pénibilité, prend des tâches potentiellement dangereuses et tient la cadence. Le reste, franchement, compte moins.

Le nerf de la guerre reste le coût par travail utile

Un chiffre change la perspective. Boston Dynamics aurait décidé de positionner Atlas sous le coût de deux années de salaire de deux ouvriers manufacturiers américains, soit environ 295.000 euros (320.000$), d’après les informations citées par KED Global.

Ce n’est pas un détail marketing. C’est l’unité économique minimale du dossier. Si l’achat, l’intégration et la maintenance restent sous ce seuil, alors l’humanoïde devient défendable dans une usine, surtout s’il tourne sur plusieurs postes, réduit certains risques et améliore la montée en échelle. Hyundai l’assume d’ailleurs à demi-mot en expliquant vouloir accélérer la production, mieux la scaler et, probablement, produire moins cher.

Mais il manque encore des données qui compteraient pour lire le projet jusqu’au bout, notamment le coût complet de déploiement et la productivité réelle par tâche. Sans elles, on voit bien la direction, pas encore la marge.

Derrière la robotique, un dossier social et géopolitique

La résistance est déjà là. Le syndicat de Hyundai Motors craint que l’arrivée d’Atlas à partir de 2028, en particulier dans la mégausine américaine de Géorgie, entraîne des suppressions d’emplois irréversibles. Il ne croit pas vraiment à la promesse de postes alternatifs et redoute aussi un déplacement progressif de la capacité hors de Corée du Sud.

Dans le même temps, Jaehoon Chang, vice-président du groupe, a reconnu au CES les inquiétudes sur l’emploi, tout en expliquant que des humains resteraient nécessaires pour entraîner les robots et occuper d’autres fonctions. C’est la ligne classique du secteur, mais elle ne répond pas entièrement à la question du solde net d’emplois.

Le contexte américain alourdit encore le dossier. Le site de batteries de Géorgie, exploité avec LG, a subi en 2025 un raid des services d’immigration américains, avec des centaines d’arrestations, dont au moins 300 ressortissants sud-coréens selon la BBC. Lee Jae Myung et José Muñoz avaient alors averti qu’un tel épisode pouvait refroidir l’investissement étranger. Quelques semaines plus tard, Washington et Séoul ont conclu un accord pour libérer les travailleurs détenus.

Résultat, Hyundai ne joue pas seulement une carte robotique. Le groupe recompose en même temps son exposition industrielle aux États-Unis, son automation et son rapport de force social. C’est nettement plus lourd qu’une belle démo de Las Vegas.

Ce que le livestream prouve vraiment

Le chiffre qui compte n’est pas les vues, même si elles sont massives. Figure AI affirme que trois robots humanoïdes F.03 ont enchaîné d’abord huit heures, puis plus de 24 heures de tri autonome, avec plus de 30.000 colis manipulés selon Business Insider. Pour une entreprise valorisée près de 37 milliards d’euros (40 Md$), la promesse implicite est simple, transformer une prouesse d’atelier en capacité industrielle.

We're live Man vs. Machine https://t.co/ovr2sm3Iof

— Figure (@Figure_robot) May 17, 2026

Le passage utile de la démo est ailleurs. Brett Adcock met en avant un fonctionnement autonome avec le système Helix-02, un réseau neuronal qui pilote perception et mouvement directement à bord du robot, plus des mécanismes de reset automatique quand la politique de contrôle sort de son cas habituel. On voit aussi une petite logique de flotte, un robot travaille, deux autres attendent sur chargeur, puis prennent le relais.

C’est plus sérieux qu’un clip de trente secondes.

Dans les plus de 3 millions de vues cumulées après 24 heures, il y a évidemment du spectacle. Mais il y a aussi un message à destination des acheteurs, le système tient une tâche répétitive sur la durée, et la continuité de service ne dépend pas d’un seul robot héros.

La cadence n’est qu’un morceau du problème

Figure AI dit approcher la vitesse humaine, autour de trois secondes par colis selon Adcock. Très bien. Sauf que dans un centre logistique, la vitesse seule ne suffit pas.

Ayanna Howard, doyenne du College of Engineering de Ohio State University, a résumé le sujet dans Business Insider avec une formule assez juste, cela ressemble encore à un « science project ». Elle cite des colis mal orientés, un autre éjecté du convoyeur, et surtout le fait que la tâche montrée ne couvre qu’un fragment du process logistique. Réception, variabilité des formats, exceptions, bourrages, cohabitation humaine, tout cela ne se voit pas dans le flux.

Les doutes sur une éventuelle téléopération, c’est-à-dire une reprise à distance par un humain, ont aussi circulé après quelques gestes bizarres aperçus à l’écran. Figure AI les nie et insiste sur une décision prise depuis les caméras embarquées, sans opérateur externe, comme le rapporte la description du run de plus de 24 heures. Le point important n’est pas la rumeur elle-même. C’est le fait qu’une démo vraiment prête pour le déploiement n’alimente plus ce genre de soupçon, parce qu’elle publie des métriques propres.

Le chiffre qui manque est celui du colis

On connaît la valorisation. On connaît la durée du test. On ne connaît pas le plus important.

Il manque au minimum quatre nombres pour juger la viabilité économique de Figure AI dans l’entrepôt.

• Le taux d’erreur complet, pas quelques extraits vidéo.
• Le coût par colis traité, énergie, amortissement et supervision inclus.
• Le temps moyen entre pannes, autrement dit la vraie fiabilité.
• Le nombre d’heures utiles avant recharge, hors mise en scène avec robots de relève.

Sans ça, la phrase “parité humaine” reste trop légère. Une cadence équivalente à celle d’un préparateur n’a de sens que si le robot tient cette cadence avec moins de retouches, moins d’arrêts, et un coût total inférieur ou au moins prévisible. Pour un industriel, la question n’est pas “est-ce que ça marche sur X ?”. C’est “combien coûte une ligne, combien de personnes restent autour, et quelle marge on récupère”.

Le contraste avec la valorisation est rude. Selon Business Insider, Figure AI tourne autour de 37 milliards d’euros (40 Md$). À ce niveau, le marché ne paie plus une belle vidéo. Il paie un futur parc déployé, du revenu récurrent, et une courbe de coûts qui descend assez vite pour survivre à la concurrence.

La démo dit aussi quelque chose sur la bataille commerciale

Le direct n’était pas destiné seulement au grand public. Les investisseurs Jesse Coors-Blankenship et Gregg Hill, de Parkway Venture Capital, expliquent dans Business Insider qu’ils suivaient la démonstration depuis New York. Là, on touche le vrai rôle de l’opération, montrer à la fois la stabilité logicielle et la capacité à raconter cette stabilité.

Figure AI en a besoin, parce que le secteur devient serré. Agility Robotics rappelle que son robot Digit a déjà été déployé chez Amazon, Schaeffler Group et GXO, toujours selon Business Insider. Tesla, Unitree et Apptronik avancent chacun avec un narratif différent, intégration verticale, agressivité prix, ou exécution industrielle.

Et il y a un passif. L’an dernier, Fortune avait mis en doute la présentation du travail de Figure AI avec BMW, contestée par Adcock. C’est précisément pour ça qu’un livestream long compte, il sert de pièce publique dans un dossier de crédibilité déjà discuté.

Le précédent utile n’est pas dans la robotique virale

Ce type de moment rappelle moins une vieille démo de robot qu’un mécanisme déjà vu dans l’IA. En 2011, IBM avait gagné Jeopardy! avec Watson, une démonstration spectaculaire, parfaitement réelle, qui a ensuite eu beaucoup plus de mal à se convertir en produit rentable à grande échelle dans la santé. La leçon n’est pas que la démo était fausse. La leçon est que la métrique spectaculaire n’était pas la bonne métrique commerciale.

Le cas Figure AI est intéressant pour la même raison. La société a probablement montré un vrai saut en autonomie embarquée, en coordination de flotte et en reprise sur incident. Mais tant que Figure AI ne publie pas un protocole propre, avec erreurs mesurées, volume non recyclé de colis et comparaison de coût total de possession, la scène reste plus proche d’une audition commerciale que d’un déploiement prouvé.

Business Insider ajoute un détail qui pèse lourd, le convoyeur formait une grande boucle et les mêmes colis repassaient en continu. Pour tester l’endurance logicielle, c’est défendable. Pour mesurer la réalité d’un entrepôt, ça ne suffit pas.

RLWRLD a peut-être choisi le bon angle. Depuis deux ans, la robotique humanoïde adore montrer des robots qui voient, parlent, pointent un objet. Le travail utile, lui, commence souvent quand il faut saisir, corriger la prise, sentir une variation de poids, se souvenir de l’étape précédente. C’est exactement le créneau que RLDX-1 vise.

La main redevient le vrai sujet

Début mai 2026, RLWRLD a présenté un modèle de fondation pour la manipulation dextre lors de son événement à San Francisco. L’entreprise parle de tâches riches en contact, comme verser, saisir ou utiliser un outil, et fait tourner le même socle sur l’humanoïde WIRobotics Allex, le bras Franka Research 3 et la plateforme OpenArm. Ce choix n’a rien d’anodin, parce qu’un modèle enfermé dans un seul corps finit vite en démonstrateur plus qu’en produit.

Junghee Ryu, directeur général de RLWRLD, a résumé le pari sur scène en expliquant que l’IA robotique était restée coincée sur la vision et le langage, alors que les robots doivent « saisir, sentir et tenir ». La formule est juste. En 2023, RT-2 de Google DeepMind avait marqué une étape pour les modèles VLA, ces systèmes qui relient vision, langage et action, mais la manipulation fine sous contrainte physique restait largement ouverte.

Interesting Engineering rapporte aussi une démo parlante, le tri de chaussettes noires sur convoyeur par un robot d’Enactic. Ce n’est pas le genre d’exercice qui fait un montage viral parfait, mais c’est le bon type de difficulté. Le robot doit suivre le mouvement, décider vite et garder du contexte en mémoire.

Des résultats meilleurs que GR00T, avec des limites connues

Les chiffres annoncés par RLWRLD ne sont pas anecdotiques. Sur GR-1 Tabletop, l’entreprise dit battre Isaac GR00T N1.6 de 10,7 points. Sur RoboCasa Kitchen, elle revendique 70,6, présenté comme le premier score au-dessus de 70 pour un modèle vision-langage-action sur ce benchmark long horizon, c’est-à-dire des tâches composées de plusieurs étapes successives. Et sur une tâche réelle de versement de café avec Allex, le taux de réussite monte à 70,8%.

Selon les détails techniques publiés par The Robot Report, RLDX-1 existe en trois checkpoints de 8,1 milliards de paramètres, dont des versions adaptées à ALLEX et à la plateforme DROID. La même source ajoute un gain de fréquence d’inférence de 16,3 à 22,1 Hz grâce à l’interface de cognition, soit environ 35% de mieux. Pour une boucle de contrôle robotique en temps réel, ce n’est pas cosmétique.

Sauf que ces résultats viennent de la société elle-même, sur ses protocoles et ses choix de tâches. Il manque encore le test qui calme tout le monde, la reproduction indépendante sur une flotte hétérogène, avec taux d’échec, temps de reprise et dérive après plusieurs heures.

Une architecture pensée pour plusieurs corps, pas pour un seul robot

Le cœur de RLDX-1, c’est le MSAT, pour Multi-Stream Action Transformer, un transformeur d’action à flux multiples. Au lieu de mélanger d’emblée la vidéo, la mémoire, le langage, le couple moteur et le tactile dans une seule séquence, RLWRLD leur donne des voies séparées avant une fusion par attention conjointe. L’idée est saine, parce que le risque classique d’un transformeur unique est simple, une modalité domine l’apprentissage et les autres deviennent décoratives.

Le modèle embarque aussi un VLM, un modèle vision-langage, spécialisé robotique à partir de Qwen3-VL 8B, un module de mouvement pour capter vitesse et rotation, un module de physique pour le torque, c’est-à-dire le couple mesuré dans les articulations, et une mémoire glissante pour suivre la progression d’une tâche. RLWRLD affirme qu’en l’absence de capteurs de force, la branche sensorielle se coupe proprement pour retomber en mode vision seule. Là encore, bon choix d’ingénierie.

Autre détail utile, l’entreprise dit avoir amplifié ses données avec du synthétique, environ cinq fois plus de volume, pour un gain moyen de 9,2% sur GR-1 Tabletop. Elle revendique aussi plus de 200 démonstrations par heure via capture de main humaine et retargeting logiciel, c’est-à-dire la conversion du geste humain vers la cinématique de la main robotique.

Ce mélange entre données synthétiques, mémoire et signaux physiques va dans le bon sens. Les vidéos seules ne disent pas quand un objet commence vraiment à glisser entre les doigts.

Le signal Nvidia existe, le modèle économique non

NVIDIA est partout dans ce lancement. RLWRLD dit avoir entraîné sur des GPU Hopper, simulé avec Isaac Sim et Isaac Lab, puis déployé en inférence sur Jetson AGX Thor avec TensorRT. Amit Goel, responsable écosystème robotique et IA embarquée chez NVIDIA, a même qualifié RLWRLD de partenaire central dans l’écosystème physical AI que construit le groupe. Pour une jeune société, ce tampon compte.

RLWRLD cite aussi des investisseurs et partenaires corporate, de SK Telecom à LG Electronics, en passant par CJ Logistics, KDDI, ANA Holdings, Mitsui Chemicals et Shimadzu Corporation. L’entreprise dit mener plus de dix projets de preuve de concept et de transformation robotique avec de grands groupes. Bon. Mais aucun montant levé, aucun revenu, aucun coût par intégration, aucun volume de robots déployés.

C’est là que l’analyse se bloque. En 2024, un cobot standard se vendait grosso modo entre 30 et 50 k€ par unité, quand les humanoïdes annoncés visaient plutôt environ 18 à 28 k€ (20 à 30 k$) chez Tesla, autour de 139 k€ (150 k$) estimés pour Figure 02, et environ 185 k€ (200 k$) pour Apollo. Si RLDX-1 améliore vraiment la manipulation, il faut maintenant dire sur quel matériel, à quel coût total système, et avec quelle marge.

On a déjà vu ce film. Honda a arrêté ASIMO en 2018 après avoir prouvé la valeur symbolique de l’humanoïde sans trouver son économie industrielle. RLWRLD a un angle plus concret, la main avant la chorégraphie, mais le passage du benchmark au compte d’exploitation n’apparaît toujours pas. Pour l’instant, le fait le plus solide reste celui-ci, l’entreprise annonce plus de dix projets avec de grands comptes, pas un seul déploiement à l’échelle.

Début mai 2026, Anduril Industries s’est offert quelque chose de plus utile qu’un gros titre, environ 4,6 milliards d’euros (5 Md$) pour accélérer sa capacité de production. À environ 56 milliards d’euros (61 Md$), la valorisation raconte une conviction simple : dans la défense autonome, le goulot n’est plus seulement l’algorithme, c’est l’usine.

Une valorisation qui paie surtout de la capacité

La levée annoncée par Anduril, menée par Thrive Capital et Andreessen Horowitz, arrive après un exercice 2025 où le chiffre d’affaires a dépassé 2 milliards d’euros (2,2 Md$), selon Brian Schimpf. La même source précise aussi que l’effectif a presque doublé sur l’année. Pour une société de défense de neuf ans, c’est rapide. Pour une valorisation de 61 Md$, c’est encore très tendu.

Le multiple implicite tourne autour de 28 fois les revenus 2025. C’est élevé, même pour un acteur qui combine logiciel, drones, systèmes anti-aériens et commandement autonome. Le marché paie donc une promesse supplémentaire, la transformation de revenus déjà visibles en débit industriel durable, comme le détaille la valorisation doublée depuis juin 2025.

Un point gêne quand même. Tectonic Defense et TechCrunch écrivent qu’Anduril a levé plus de 11 Md$ au total, soit environ 10,1 Md€, alors que le résumé New York Times repris par Techmeme parle de 6,82 Md$, soit environ 6,3 Md€. Vu l’historique des tours déjà connus, le second chiffre ressemble à une incohérence de reprise plus qu’à une réalité comptable.

Le vrai actif, ce sont les usines et la chaîne fournisseurs

Le discours de Schimpf sur l’autonomie et l’IA est cohérent avec l’époque. Mais l’affectation du cash est plus parlante.

Selon Tectonic Defense, la plus grande part du tour doit financer l’extension industrielle, les machines, les infrastructures et les recrutements. Anduril veut aussi engager des fournisseurs en avance, ce qui compte énormément quand on passe d’une production à bas volume à une production à haut débit. C’est moins séduisant qu’une vidéo de démonstration, et beaucoup plus décisif.

On retrouve là l’investissement d’environ 920 millions d’euros (1 Md$) dans Arsenal-1, un site de plus de 5 millions de pieds carrés dans l’Ohio. Tectonic Defense ajoute qu’un campus de plus de 1 million de pieds carrés est prévu à Long Beach, pour environ 6 000 salariés, et que la société compte déjà autour de 20 installations de production. L’entreprise emploierait environ 8 500 personnes et prévoit des milliers d’embauches supplémentaires, surtout des ingénieurs.

Autre chiffre utile, toujours selon le porte-parole cité par Tectonic Defense, 50 à 60% du revenu part en R&D, la recherche et développement. C’est massif. Cela dit une chose très concrète : le modèle économique n’est pas encore celui d’un industriel mûr qui imprime des marges, mais celui d’un groupe qui réinvestit agressivement pour acheter sa place dans la prochaine décennie.

Les contrats montrent une traction, pas encore une rente

Les prises de commandes ne manquent pas. D’après Tectonic Defense, Anduril aligne un accord d’entreprise avec l’US Army pouvant aller jusqu’à environ 18 milliards d’euros (20 Md$) sur dix ans, un contrat IDIQ, c’est-à-dire à quantité indéfinie et livraison indéfinie, pour l’Air Force jusqu’à environ 874 M€ (950 M$), plus des programmes à 146 M€ (159 M$) et 92 M€ (99,6 M$) pour le commandement tactique.

La même dynamique se voit dans l’extension de Lattice, la plateforme de commandement et contrôle alimentée par IA, aux missiles, aux drones, à la défense aérienne intégrée et aux aéronefs autonomes. VentureBurn ajoute que le Roadrunner, intercepteur à décollage vertical, aurait déjà accumulé plus de 322 M€ (350 M$) de commandes.

Mais l’État américain n’est pas en train de remettre toutes les clés à un seul acteur. TechCrunch note que le logiciel de Shield AI a été retenu pour fonctionner avec le chasseur autonome Fury d’Anduril. Autrement dit, la modularité monte dans les achats publics. Pour Anduril, c’est un signal mitigé : très bon pour rester dans les programmes, moins bon pour capturer seul toute la pile.

La barrière n’est plus la démo, c’est le débit

Le parallèle utile n’est pas avec la mode IA de l’année. Il est plus ancien.

En 2013, le robot Atlas de Boston Dynamics, financé par la DARPA, montrait déjà qu’un système robotique avancé pouvait fasciner le secteur de la défense. Le problème n’était pas la démonstration technique, mais le passage à un produit déployable, maintenable et achetable à l’échelle. Anduril essaie justement de monétiser cette marche-là, en liant capteurs, logiciel et production. C’est plus solide qu’une simple démo, clairement.

Schimpf insiste sur une base industrielle américaine trop lente, encore pensée pour de faibles volumes et des cycles d’acquisition hérités de la guerre froide. L’argument tient assez bien sur le fond factuel, parce que toute sa thèse d’entreprise, de Lattice à Arsenal-1, vise la mise à jour continue par software et la fabrication en série. Résultat, la valeur d’Anduril dépend moins de savoir si l’autonomie fonctionne que de savoir si elle peut sortir vite, souvent et en nombre.

L’IPO attendra tant que le compte de résultat ne suit pas

La société répète que l’introduction en Bourse reste l’objectif, mais qu’elle n’est pas imminente. Selon Tectonic Defense, certaines lignes d’activité sont profitables, pas l’ensemble du groupe. Et comme ce tour était sursouscrit, l’arbitrage est simple, rester privé tant que le capital-risque finance l’expansion à de meilleures conditions que le marché coté.

TechCrunch replace aussi le tour dans un cycle plus large, avec Shield AI à environ 11,7 Md€ (12,7 Md$), Hermeus au-delà de 920 M€ (1 Md$) et Helsing en discussion autour de 16,6 Md€ (18 Md$). La défense autonome attire désormais les plus gros pools de capital. En 2017, quand Anduril se lançait, cette catégorie n’occupait pas cette place.

Le point dur reste comptable. Si 2026 est vraiment l’année de la production, comme l’explique le porte-parole cité par Tectonic Defense, alors le test ne portera pas sur une nouvelle narration géopolitique mais sur des sorties d’usine, des délais tenus et une rentabilité consolidée encore absente.

Unitree Robotics a lancé un objet que la robotique montre rarement à ce niveau de maturité visuelle : un mecha piloté, transformable, vendu avec un prix public, et assez solide pour embarquer un humain puis casser un mur. Le point important n’est pas le mur. C’est le positionnement. Le GD01 ressemble moins à un humanoïde au sens classique qu’à un véhicule robotisé qui marche.

Un mecha piloté, pas un humanoïde de plus

Dans les vidéos diffusées par Unitree, l’opérateur grimpe dans un cockpit logé dans le torse, puis la machine passe d’une posture verticale à une locomotion sur quatre membres. Cette transition bipède-quadrupède, autrement dit le passage de deux à quatre appuis pour gagner en stabilité, est le vrai trait distinctif du GD01. On est loin d’un simple cosplay mécanique.

Selon la présentation reprise par le Global Times en mai 2026, Unitree le décrit comme le premier mecha piloté prêt pour la production et destiné à un usage civil. La même source précise un poids d’environ 500 kg avec le pilote à bord. C’est lourd, mais pas absurde pour une machine porteuse de cette taille.

Le geste rappelle d’ailleurs une vieille leçon du secteur. En 2000, ASIMO de Honda marchait déjà très bien pour une démo publique; cela n’a jamais suffi à faire un produit grand public viable. Un robot spectaculaire peut marquer une époque, pas forcément un marché.

Le chiffre qui compte est le prix, et il pose déjà le plafond

Le ticket d’entrée annoncé est de 3,9 millions de yuans, soit environ 500 000 euros. C’est ce chiffre-là qui classe immédiatement le GD01. Pas dans la mobilité personnelle, pas dans le robot domestique, plutôt dans le B2B premium, l’événementiel, certains sites touristiques, ou des usages industriels très particuliers.

Et il y a un point à ne pas lisser. Les équivalents en dollars divergent selon les reprises : environ 495 000 euros (537 000 $), environ 529 000 euros (573 674 $) ou environ 598 000 euros (650 000 $). La base commune reste le prix en yuan, et c’est elle qu’il faut retenir.

Selon les chiffres cités par le South China Morning Post, la société présente aussi l’engin comme un véhicule de transport civil en alliage à haute résistance. Sauf qu’à ce niveau de prix, la question n’est pas seulement la demande. C’est le retour sur investissement pour l’acheteur, et là, la matière fournie ne donne ni coût de maintenance, ni durée de service, ni cadence d’exploitation.

Résultat, le marché adressable crédible reste étroit.

La démo montre de la force, mais pas encore une fiche produit

Wang Xingxing, fondateur et dirigeant de Unitree, a piloté lui-même la machine lors de la présentation du 12 mai. C’est habile. Quand le patron monte dans un robot de 500 kg, il envoie un signal de confiance technique plus convaincant qu’un communiqué.

La séquence de démonstration, reprise par le récit de lancement de gagadget, inclut un passage en position quadrupède et la destruction d’un mur de briques. On voit la robustesse structurelle. On ne voit pas encore la fiche d’exploitation.

Car les données qui permettent vraiment d’évaluer un robot mobile manquent encore : autonomie batterie, portée opérationnelle, charge utile par membre, vitesse soutenue, temps de remise en service. Pour un industriel ou un investisseur, ce sont les chiffres qui décident si l’on parle d’une attraction, d’un outil de chantier, ou d’un prototype très cher.

Le précédent Pepper est utile ici. Entre 2014 et 2021, la production en série et la notoriété n’ont pas résolu le problème central, l’usage récurrent payé par le client. Le GD01 part sur une autre catégorie de produit, mais la question économique reste la même.

L’Europe et les États-Unis ne sont pas le sujet immédiat

Un autre signal, plus discret, compte presque autant que la vidéo. D’après les mêmes sources, le GD01 est pour l’instant une histoire chinoise, sans distributeur annoncé au Royaume-Uni ni aux États-Unis.

Ce n’est pas seulement une affaire commerciale. C’est aussi une affaire de réglementation. La matière fournie rappelle qu’en Europe, la nouvelle Machinery Regulation, autrement dit le cadre de sécurité applicable aux machines, s’appliquera pleinement à partir de 2027 pour des systèmes physiques interagissant avec des humains. Pour un mecha piloté qui transporte une personne et frappe des structures, le dossier de conformité sera lourd.

Derrière le spectacle, Unitree raconte surtout son changement d’échelle

Le GD01 n’arrive pas de nulle part. Unitree vend déjà des quadrupèdes comme les B2 et A2, et l’entreprise explique au Global Times qu’ils sont déployés dans des scénarios de consommation et d’inspection. Le passage au mecha piloté dit quelque chose de plus large : la société veut montrer qu’elle sait monter en gamme, en complexité mécanique et en valeur faciale.

Selon gagadget en mai 2026, Unitree vise aussi une IPO à Shanghai d’environ 566 millions d’euros (610 M$). Et selon le South China Morning Post, les groupes chinois représentaient près de 90 % des ventes mondiales d’humanoïdes en 2025, tandis que Unitree aurait expédié plus de 5 500 humanoïdes l’an dernier. Le chiffre mérite attention, parce qu’il replace le GD01 dans une stratégie de capitalisation, pas seulement de communication.

Bon, le contraste reste net. D’un côté, une Chine qui scale vite, avec des coûts industriels inférieurs à ceux de beaucoup d’acteurs américains. De l’autre, un produit dont les unit economics, c’est-à-dire l’économie unitaire par machine vendue et exploitée, ne sont pas documentés publiquement.

Huang Jiawei, chez Unitree, a d’ailleurs reconnu auprès du Global Times que le prix restait préliminaire et que la baisse des coûts prendrait du temps après le lancement initial. C’est probablement la phrase la plus utile de tout le dossier, avec ces 3,9 millions de yuans.