Un humanoïde qui se sert enfin de ses jambes
Le 30 juillet, Google DeepMind a publié Gemini Robotics 2, et la démonstration qui porte l'annonce montre un Apptronik Apollo 2 qui marche, s'accroupit, s'étire et débarrasse une pièce en désordre. L'affirmation technique sous-jacente est plus étroite et plus intéressante que la vidéo: pour la première fois le système pilote un humanoïde entier, jambes, torse, bras et mains multidoigts, via une politique unique plutôt qu'un contrôleur de locomotion boulonné sur une pile de manipulation séparée.
C'est là que se trouve l'ingénierie. Un robot qui doit décider s'il avance d'un pas ou allonge le bras résout un problème et non deux, et la génération précédente ne pouvait pas arbitrer puisque ses deux moitiés étaient gouvernées séparément. Gemini Robotics 2 exécute aussi des tâches de plusieurs minutes comportant des centaines de points de décision, tout en se coordonnant avec un second robot.
Trois modèles, trois portes différentes
La publication n'est pas une seule chose. Il s'agit de Gemini Robotics 2, un modèle vision-langage-action qui commande des humanoïdes complets et des robots à deux bras; de Gemini Robotics ER 2, un modèle de raisonnement incarné qui sert de cerveau de planification, ordonne des travaux en plusieurs étapes et orchestre plusieurs machines; et de Gemini Robotics On-Device 2, une version optimisée pour tourner en local sans connexion réseau.
Les niveaux d'accès ne suivent pas l'annonce. Gemini Robotics ER 2 est accessible dès maintenant via Google AI Studio à tout développeur, avec un aperçu privé sur la Gemini Enterprise Agent Platform. Les deux modèles qui produisent réellement des actions robotiques restent réservés aux partenaires enregistrés en accès anticipé. Le modèle que vous pouvez appeler aujourd'hui raisonne sur une scène physique et renvoie un plan. Ceux qui déplacent une machine sont derrière une barrière.
Lisez tout le tableau, pas la meilleure ligne
Google a publié des taux de réussite par tâche, ce qui est plus transparent que ce qui accompagne d'ordinaire ce type d'annonce, et ces chiffres méritent une lecture complète. Sur un Apollo équipé de mains Inspire, la manipulation générale corps entier atteint 76,3 pour cent depuis une étagère, 68,4 pour cent depuis une table et 45,7 pour cent depuis le sol. Sur un Franka Duo à pinces, les résultats sont meilleurs: 74,2 pour cent en préhension et dépose générale, 78,9 pour cent en préparation d'outils variés et 89,6 pour cent en insertion de précision.
L'honnêteté se loge dans les résultats multidoigts. Dévisser une ampoule atteint 92 pour cent. Les autres tâches multidoigts se situent entre 32 et 44 pour cent. Soixante points d'écart à l'intérieur d'une même capacité ne sont pas un arrondi, c'est le signal que la dextérité demeure un problème de recherche avec quelques coins résolus. Quiconque vous cite le 92 sans le 32 vous vend la démonstration.
Le chiffre qui change l'économie, c'est 200
Sous les images de l'humanoïde se trouve la donnée aux conséquences commerciales. DeepMind indique qu'une nouvelle morphologie de robot à deux bras peut être adaptée en quelques heures avec moins de 200 exemples, malgré des différences de forme, de capteurs et de degrés de liberté, et cite les plateformes Dexmate, SO101 et Trossen à côté du matériel Apollo et Franka.
La collecte de données par robot a constitué le coût structurel de la robotique industrielle. Chaque bras, pince ou châssis nouveau a historiquement exigé sa propre campagne de téléopération, et cette dépense est ce qui maintenait les modèles performants attachés au matériel sur lequel ils avaient été entraînés. Si quelques centaines d'exemples transfèrent vraiment une politique d'une morphologie à l'autre, la barrière passe de la collecte de données à l'intégration, et l'intégration est quelque chose qu'un intégrateur français de taille moyenne sait déjà vendre.
Ce qu'un exploitant européen peut vraiment en faire en 2026
Le produit utilisable ce trimestre est le modèle de raisonnement, et ce n'est pas rien. ER 2 accepte de la vidéo, comprend une scène physique, ordonne des tâches en plusieurs étapes et coordonne plus d'une machine, ce qui correspond à des tournées d'inspection, au séquencement de tâches d'entrepôt et à des couches de planification au-dessus de robots que vous possédez déjà. Il est accessible depuis l'Europe aujourd'hui via Google AI Studio, et c'est le bon endroit pour un pilote restreint.
Ce qu'il ne soutient pas, c'est un plan d'investissement. Google présente ces travaux comme de la recherche amont sans déploiement grand public à court terme, chaque action montrée a exigé un entraînement dédié par téléopération, vidéo et simulation, et Engadget a rappelé l'historique du secteur, fait de démonstrations humanoïdes qui reposaient discrètement sur des opérateurs cachés. DeepMind a par ailleurs présenté ASIMOV-Agentic, un référentiel évaluant si une action commandée pourrait produire un résultat dangereux, et sa responsable robotique Carolina Parada a posé les choses sans détour: "Beaucoup d'incertitudes vont apparaître, et c'est pourquoi on veut pouvoir comprendre plus en profondeur la question de la sécurité." Budgétez un pilote du planificateur, pas un humanoïde sur votre ligne.
À lire ensuite: 87 ans tombés devant une réponse que chacun peut vérifier | Le modèle phare de Google est en retard, et sans nouvelle date
