Physical AI : Ce qui se cache derrière le terme, où nous en sommes vraiment — et pourquoi le robot ménager doit encore attendre

Jensen Huang s'est tenu en janvier devant des milliers de spectateurs à la CES et a déclaré que 2026 était le « moment ChatGPT de la Physical AI ». La formulation était calculée. Huang sait ce qu'il fait lorsqu'il invente un terme.

Physical AI est le mot de Nvidia pour quelque chose que la recherche tente depuis des décennies sous divers noms : apprendre aux machines non seulement à traiter le monde physique, mais à y agir. Pas à légender des images. Pas à résumer des textes. Mais à saisir, naviguer, évaluer, réagir — dans un monde qui change constamment et qui n'attend pas une interface de saisie bien structurée.

La différence avec ce qui s'appelait jusqu'à présent l'IA est fondamentale. Un modèle de langage opère dans un environnement complètement contrôlé : du texte en entrée, du texte en sortie, tout numérique, tout prévisible. Un robot dans un entrepôt reçoit une image de caméra qui peut être floue, prise en mauvaise lumière et montrant un carton disposé un peu différemment des 50.000 exemples d'entraînement. Il doit quand même le saisir. Et maintenant.

C'est le problème qu'Nvidia aborde avec la plateforme Isaac-GR00T et la puce Jetson-Thor. L'idée derrière cela est élégante : plutôt que de former séparément chaque cas d'application, un modèle de base est pré-entraîné sur simulation et données réelles — comme GPT-4 sur des milliards de textes — puis affiné pour des tâches spécifiques. La différence par rapport au développement robotique ancien, c'est que le modèle peut généraliser. Il n'a pas seulement appris à placer la caisse A sur l'étagère B. Il a appris ce que signifie saisir.

Jusqu'où cela va, c'est ce que montre l'ICRA 2026 à Vienne, qui se déroule actuellement. Plus de 7.000 chercheurs présentent cette semaine des travaux sur la navigation, la manipulation et ce qu'ils appellent la « Loco-Manipulation » — c'est-à-dire l'intégration du mouvement et de la saisie en une seule compétence plutôt que deux systèmes séparés. Le fait que ce concept ait besoin de son propre nom en dit long sur la difficulté du problème.

La navigation autonome est le domaine où l'industrie est la plus avancée. SLAM — Simultaneous Localization and Mapping — fonctionne de manière fiable dans les environnements contrôlés depuis des années. Les robots d'entrepôt circulent dans les centres d'exécution d'Amazon depuis 2012, les robots de livraison autonomes circulent sur les trottoirs dans des dizaines de villes. Le défi n'est plus de savoir si un robot peut s'orienter dans un espace connu. Le défi est ce qui se passe quand cet espace change. Quand quelqu'un a déplacé une chaise. Quand un enfant est assis par terre. Quand le couloir est mouillé.

Les Foundation Models pour la navigation — c'est-à-dire les grands modèles pré-entraînés, similaires aux LLM mais pour la planification des mouvements — constituent le domaine de recherche le plus actif en ce moment. NAVER Labs Europe y travaille, Unitree et Boston Dynamics les intègrent dans leurs systèmes, l'ETH Zurich fait des recherches dans ce domaine. L'état des lieux : ils fonctionnent mieux que les systèmes SLAM classiques dans les environnements inconnus, mais pas encore assez bien pour un déploiement sans surveillance dans de vrais foyers.

Et puis il y a la manipulation. Le vrai problème.

La main humaine a 27 degrés de liberté et des milliers de récepteurs tactiles. Elle est connectée à l'une des plus grandes régions du cortex moteur. Quand une personne prend un œuf cru dans le réfrigérateur, une boucle de contrôle en temps réel s'exécute, intégrant la pression, la température, la position et le poids en millisecondes — sans que nous y pensions. Aucun robot humanoïde ne peut faire cela aujourd'hui. La plupart des vidéos de démonstration montrant des mains robotiques plier du linge ou ouvrir des bouteilles se font dans des conditions très contrôlées : éclairage parfait, objets connus, souvent des environnements légèrement préparés.

Le modèle Helix-02 de Figure AI a montré des progrès réels au printemps 2026 — Figure appelle cela « Full-Body Autonomy ». Le robot peut maintenant coordonner la partie supérieure et inférieure du corps sans que les deux systèmes soient contrôlés séparément. Ce n'est pas banal. Mais c'est aussi encore loin de faire la vaisselle.

Ce que cela signifie pour les robots ménagers : le calendrier que l'industrie communique — premières solutions de masse à partir de 2028, disponibilité généralisée à partir de 2032 — n'est pas irréaliste, mais il suppose que les problèmes de manipulation seront résolus au cours des trois à quatre prochaines années. Ce ne sera pas un problème de coûts. Si Schaeffler, BMW et Amazon reprennent les volumes qu'ils ont annoncés, les actionneurs et les capteurs deviendront assez bon marché pour le marché grand public. Mais le matériel bon marché n'est pas utile si le logiciel ne peut pas faire ce qu'il doit faire.

Le cas d'entrée le plus réaliste pour les robots ménagers n'est pas l'assistant universel qui peut tout faire. C'est la machine qui fait très bien trois choses — passer l'aspirateur, porter, une tâche de transport définie — et n'essaie rien d'autre. Le successeur de Roomba, pas Rosie des Jetsons.

Pour le marché suisse, c'est une perspective sobre mais précise. Celui qui investit aujourd'hui dans des robots industriels ou les commercialise se situe dans la partie la plus mature et la plus fiable de ce marché. La révolution ménagère arrive — mais il lui faut encore quelques années pour rattraper la physique.