L’industrie des semi-conducteurs vit depuis soixante ans avec une arithmétique décourageante : le rendement d’une ligne n’est pas la moyenne de ses étapes, c’est leur produit. Cinq cents opérations réussies chacune à 99,9 % ne livrent plus que six plaquettes bonnes sur dix. De là une culture qui publie les défauts avant les prouesses, un chiffre isolé ne disant rien de ce qu’une chaîne tiendra une journée entière.
La robotique humanoïde échappait à cette discipline. Elle se juge sur des vidéos où une machine verse un café ou plie une chemise, sans qu’on sache combien de tentatives ont précédé la bonne. Le 30 juillet 2026, Google DeepMind a rompu avec cet usage en accompagnant l’annonce de Gemini Robotics 2, seconde version de sa famille de modèles robotiques, de tableaux de taux de réussite tâche par tâche.
Les chiffres sont sévères. Ramasser un objet au sol n’aboutit que dans 45,7 % des cas, la pelle à poussière une fois sur trois, tandis qu’une simple pince à deux doigts franchit 89 % en insertion de précision. L’entreprise affirme pourtant contrôler un humanoïde complet, « des pieds au bout des doigts », et faire collaborer plusieurs robots. Restent à examiner les trois modèles, la démonstration qui leur sert de vitrine, la lecture de ces taux, le verrou de données et la dépendance qu’ils créent.
Un cerveau logiciel pour des corps qui ne savent pas décider
Le raisonnement de Google DeepMind n’a pas varié depuis le lancement de Gemini Robotics en mars 2025 : la sophistication mécanique des humanoïdes progresse plus vite que leur compréhension du monde et leur autonomie de décision. D’où le projet d’un cerveau pour robot. Après des versions qui envoyaient des commandes motrices à des bras robotiques, la famille s’est renouvelée tous les trois à quatre mois, jusqu’à ER 1.6 en avril 2026, dont l’arrêt est déjà programmé pour la fin août.
Du haut du corps au corps entier
Jusqu’à la version 1.5, locomotion et manipulation relevaient de contrôleurs séparés : un module amenait le robot en position, un autre saisissait. Gemini Robotics 2 revendique une politique unique de bout en bout, les boucles matérielles gardant l’équilibre fin, les limites d’effort et l’arrêt d’urgence. Le changement n’est pas cosmétique : marcher déplace le centre de masse, porter un arrosoir modifie la charge, se baisser vers une étagère basse réduit la marge d’équilibre. Le transfert de mouvement décrit en octobre 2025 entraîne un modèle unique sur des corps hétérogènes, d’ALOHA à Apollo.
Trois modèles pour une seule chaîne de commande
L’annonce porte sur une famille et non sur un modèle isolé, chaque membre occupant une position assignée entre la phrase d’un opérateur et le déplacement du bras. Gemini Robotics 2 est le modèle vision-langage-action : il convertit en consignes motrices ce que voient et entendent les capteurs, et pilote un humanoïde entier là où la première version se limitait au haut du corps.
Le raisonnement incarné, contremaître de la scène
Gemini Robotics ER 2 tient le rôle de cerveau de haut niveau : il inspecte la pièce, échange avec l’opérateur, fractionne une consigne en étapes, en suit le déroulement et reprend la main lorsque l’une rate. Bâti sur Gemini 3.5 Flash, il affiche 57,4 % de justesse pour situer l’avancement d’une tâche, mais 91,3 % pour repérer l’instant critique dans un flux vidéo. C’est lui qui synchronise plusieurs robots sur des séquences de plusieurs minutes et des centaines de décisions, aucun n’étant taillé pour l’ensemble des tâches.
La version embarquée et le bras en source ouverte
Gemini Robotics On-Device 2, déclinaison allégée du modèle vision-langage-action, s’exécute à bord de la machine : dans un entrepôt mal couvert, l’aller-retour vers un serveur distant coûte trop cher en latence. Il s’accommode d’un corps inconnu en quelques heures et moins de deux cents démonstrations. Sur la plateforme Dexmate, il atteint 75,6 % là où la génération embarquée précédente plafonnait à 24,4 % ; sur le bras SO-101, 53,3 % contre 6,7 %. Ce dernier, six axes en source ouverte lancé par Hugging Face pour LeRobot, se vend de cent à deux cent quarante dollars en kit : trois ordres de grandeur sous un humanoïde.
L’arrosoir, le bac vert et l’étagère du bas
La démonstration repose sur Apollo 2, humanoïde signé Apptronik, jeune société texane liée à DeepMind par un accord de recherche. La consigne tient en une phrase : mettre l’arrosoir dans le bac vert sur l’étagère du bas. Le robot rejoint la table à pied, se saisit de l’objet, couvre les quelques mètres jusqu’au meuble et le dépose à l’emplacement demandé. Les versions antérieures ne sortaient pas du plan de travail ; cette fois, un même système tient debout, se déplace, se plie et referme ses doigts.
L’entreprise ne masque pas la faiblesse du moment : ses robots doivent gagner en vitesse de déplacement, et Apollo se traîne dans les séquences filmées. Apollo 2 avait été dévoilé quatre semaines plus tôt, avec l’extension du site d’Austin qu’Apptronik consacre à la collecte de données : l’usine à trajectoires ouvre, le modèle suit.
Ce que disent vraiment les taux de réussite publiés
Rendre publics des taux de réussite reste un geste rare, dont la plupart des acteurs du secteur se gardent bien. Le relevé n’a rien d’un aboutissement, et l’amplitude entre les épreuves y est considérable. Un point s’impose avant tout examen : ces mesures sortent toutes d’un même modèle, éprouvé sur trois machines distinctes.
Le mur de la main à cinq doigts
Sur Apollo 2 équipé de mains Inspire, la manipulation corps entier atteint 68,4 % pour saisir un objet sur une table, 76,3 % sur une étagère et 45,7 % au sol. Avec une pince à deux doigts sur un Franka Duo, le modèle obtient 74,2 % en prise-dépose, 78,9 % en rangement d’outils variés et 89,6 % en insertion de précision. Avec la main à cinq doigts SharpaWave, il dévisse une ampoule dans 92 % des cas, mais ne noue un sac poubelle que dans 44 %, ne ferme un sachet zip que dans 40 % et n’use de la pelle que dans 32 %.
Google admet que la manipulation à plusieurs doigts « reste difficile ». L’écart entre 89,6 % et 32 % n’est pourtant pas mécanique, il est statistique : multiplier les degrés de liberté agrandit l’espace des actions bien plus vite que ne grandit le corpus censé le couvrir. La main artificielle, celle qui doit rendre les outils humains utilisables, est l’endroit où la pénurie de données devient visible.
Un taux de réussite ne se lit jamais seul
Un taux se compose, comme un rendement de ligne : à 68,4 % par prise, une séquence de dix prises aboutit deux fois sur cent. La vraie nouveauté n’est donc pas le modèle vision-langage-action mais les 91,3 % de détection du bon moment : une chaîne qui repère l’échec et recommence transforme un taux médiocre en tâche finissable, au prix du temps. La question glisse vers le temps de cycle, absent des tableaux, quand un poste de ligne exige de répéter la tâche des milliers de fois par jour à cadence humaine, autour de 99,9 % de réussite.
La téléopération, cache-misère et modèle économique
Les machines que proposent 1X ou Tesla doivent encore beaucoup, pour donner le change, à des opérateurs distants, et les relevés de DeepMind en donnent l’explication chiffrée. 1X a ouvert en octobre 2025 les précommandes de NEO à 20 000 dollars en assumant un mode expert où un opérateur casqué prend les commandes, la totalité des tâches ménagères montrées au Wall Street Journal ayant été téléopérées. Chez Tesla, la révélation d’Optimus V3 a glissé du premier trimestre à la mi-2026, et la mise à jour du 22 juillet n’a fixé aucune date.
Ce n’est pas qu’un maquillage : chaque intervention humaine est enregistrée, étiquetée et réinjectée dans l’entraînement, ce dont Bernt Børnich, dirigeant de 1X, fait ouvertement un argument. Publier ses taux d’autonomie revient à refuser ce voile, mais aussi à renoncer à ce flux, ce qui n’est tenable qu’en s’approvisionnant ailleurs.
La pénurie de données et la géographie des mains
Le verrou de la robotique apprenante n’est pas le modèle, c’est la matière première. Open X-Embodiment, le plus grand corpus robotique ouvert, agrège vingt-deux corps et 527 compétences pour environ un million de trajectoires, quand la vision par ordinateur travaille sur cinq milliards de paires image-texte. Ces données ne se moissonnent pas : elles se produisent, un essai à la fois, sur du matériel réel.
La main qui obtient 92 % sur l’ampoule et 32 % sur la pelle vient de Sharpa, dont le siège est à Singapour et la production à Shanghai. La SharpaWave compte vingt-deux degrés de liberté actifs et plus de mille pixels tactiles par bout de doigt, grâce à une micro-caméra logée dans chacun. Les mains Inspire de l’autre configuration viennent de Pékin, et le prix des mains dextres est tombé de 150 000 dollars à moins de 1 000 côté chinois. La même main équipe le robot de référence présenté par NVIDIA en mai 2026 : le concurrent du cerveau tiers a le même fournisseur de doigts.
Ce qu’un robot ne doit pas faire, et le cadre qui l’attend
Le jour de l’annonce, Google a aussi publié un rapport technique de sécurité et un banc d’essai en accès libre, ASIMOV-Agentic, qui couvre les décisions agentiques sous contrainte physique et la détection de proximité humaine en vision stéréoscopique. L’échéance réglementaire est écrite et peu commentée : le règlement européen sur les machines devient obligatoire le 20 janvier 2027, avec des dispositions inédites sur les fonctions de sécurité pilotées par intelligence artificielle, quand la norme ISO des robots à stabilité dynamique en reste au projet de comité. Un humanoïde dont la planification passe par une interface en nuage entre mal dans ces deux cadres.
Qui pourra s’en servir, et qui acceptera d’en dépendre
La disponibilité demeure étroitement bornée : le modèle de raisonnement ER 2 est accessible dans Google AI Studio et en préversion privée sur la plateforme d’agents d’entreprise de Gemini, tandis que le modèle vision-langage-action et sa version embarquée restent réservés aux partenaires en accès anticipé, avec une centaine de testeurs et une liste d’attente. Encore faut-il posséder les machines, ce qui réduit la cible aux entreprises ; les partenaires cités sont Apptronik, Boston Dynamics et Agile Robots.
Deux départs et un retour sans achat de corps
Google a déjà quitté la robotique deux fois : après avoir racheté neuf sociétés du secteur en 2013 sous la direction d’Andy Rubin, il revendait Boston Dynamics et Schaft à SoftBank en 2017, puis fermait Everyday Robots en janvier 2023. Le retour se fait sans acheter de corps : le 5 janvier 2026, Boston Dynamics, propriété de Hyundai, annonçait un partenariat sur l’intégration des modèles dans la nouvelle génération d’Atlas. La valeur d’usage se joue ailleurs : ER 1.6 a fait bondir en avril la lecture de cadrans du quadrupède Spot de 23 % à 86 %.
Le contre-modèle français
L’inconnue porte sur la durée : un constructeur consentira-t-il longtemps à louer la faculté de décider de ses machines, ou voudra-t-il la sienne ? La question a déjà une réponse publique : en février 2025, Figure AI rompait son accord avec OpenAI, son fondateur Brett Adcock expliquant qu’on ne sous-traite pas plus l’intelligence robotique que le matériel. Un autre pari existe : le Calvin-40 de Wandercraft, humanoïde conçu en quarante jours à partir d’un exosquelette médical, sans tête ni mains préhensiles, dont Renault a annoncé 350 exemplaires d’ici fin 2027 et qui tient déjà la ligne des pneus à Douai.
Ce que Google a rendu public le 30 juillet 2026 tient moins de la percée que du relevé d’état. Un même modèle pilote trois corps différents, marche, se baisse, range un arrosoir, coordonne plusieurs machines sur plusieurs minutes, et rate une prise au sol plus d’une fois sur deux. Les deux moitiés de cette phrase sont vraies en même temps, et c’est de les publier ensemble que l’annonce tire sa singularité.
Cette transparence a une contrepartie confortable : DeepMind vend une couche logicielle, pas des robots, et peut se permettre des taux médiocres là où un constructeur ne le pourrait pas. Le revers est une dépendance inverse, envers les hangars de collecte de ses partenaires et envers des mains dextres dont la filière s’est déplacée en Asie.
Derrière les pourcentages se joue moins un exploit robotique que l’organisation d’une industrie : un modèle renouvelé tous les trois à quatre mois, une norme de sécurité à l’état de projet, deux millions de robots industriels en service en Chine quand les prévisions les plus hautes y attendent cinquante mille humanoïdes cette année. L’économie du travail ne mesure que des machines d’une autre nature : chez Acemoglu et Restrepo, un robot industriel de plus dans une zone d’emploi américaine valait 5,6 emplois perdus. Qui tiendra le cerveau se réglera sur un terrain ingrat : la répétabilité, le temps de cycle, la capacité à figer une configuration assez longtemps pour la certifier.
Aller plus loin
Tout part d’un billet dont la presse n’a retenu qu’une poignée de chiffres, alors que Gemini Robotics 2 brings whole body intelligence to robots aligne les tableaux complets par robot et par effecteur, les vidéos de la démonstration Apollo 2 et les modalités d’accès. L’écart entre une prise au sol et une prise sur étagère y saute aux yeux, quand les reprises n’en gardent qu’un.
Le document que personne n’ouvre est pourtant le plus instructif : le Gemini Robotics 2: Safety Technical Report détaille la sécurité sémantique et physique, la détection de proximité humaine et les campagnes d’attaque internes. On y lit ce que le modèle refuse de faire, et pas seulement ce qu’il réussit.
Rare geste d’ouverture dans un domaine verrouillé, le jeu de données ASIMOV-Agentic met le banc d’essai de sécurité à la disposition de tous, sous licence libre. Ses quatre familles d’épreuves sont reproductibles sur des modèles concurrents : un des rares terrains de comparaison publics entre laboratoires.
L’affirmation centrale, un seul modèle pour trois robots, s’explique dans Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots, dernier rapport technique complet avant cette seconde version. Le transfert de mouvement y est décrit pas à pas : comment entraîner une politique unique sur des morphologies incompatibles, et pourquoi une compétence acquise sur un bras réapparaît sur un humanoïde.
L’ordre de grandeur qui commande tout le reste se trouve dans Open X-Embodiment: Robotic Learning Datasets and RT-X Models, où vingt et une institutions ont mis en commun vingt-deux corps robotiques, 527 compétences et 160 266 tâches. Rapporté aux corpus des modèles de langage, ce total dit pourquoi ramasser un objet reste plus difficile que rédiger un paragraphe.
Le composant sur lequel butent les modèles a sa fiche dans le communiqué AI Robotmaker Sharpa Reaches Key Milestone With Mass Production of the World’s Most Advanced Human-Sized Robotic Hand : vingt-deux degrés de liberté, mille pixels tactiles par doigt, sensibilité à cinq millinewtons. La géographie de l’entreprise s’y lit en creux.
La téléopération est traitée comme une stratégie et non comme un aveu par Teleop, not autonomy, is the path for 1X’s NEO humanoid, qui propose de vendre la machine à 20 000 dollars non comme un domestique autonome mais comme un poste de travail délocalisé, loué à l’abonnement. La question de l’autonomie se déplace vers le modèle d’affaires.
Le pari inverse de celui de Google est documenté par Wandercraft unveils Calvin, new industrial humanoid, and Renault partnership, qui raconte comment un exosquelette médical est devenu en quarante jours un humanoïde d’usine aux mains non préhensiles, et pourquoi Renault y a pris une participation minoritaire. Moins d’intelligence générale, plus de contrainte de tâche.
L’échéance que les annonces de modèles ignorent figure sur la page de la Commission consacrée au règlement (UE) 2023/1230 sur les machines, obligatoire au 20 janvier 2027, avec ses dispositions inédites sur les fonctions de sécurité pilotées par intelligence artificielle.
Lus ensemble, ces documents décrivent une industrie qui avance vite sur la partie la moins coûteuse du problème. Le raisonnement s’améliore de version en version parce qu’il hérite des modèles de langage et de leurs corpus ; le geste dépend d’essais physiques qu’aucun moissonnage ne remplace, et d’un composant matériel dont la production s’est déplacée. Les taux publiés ne mesurent pas un retard passager : ils dessinent la forme du problème restant.