La prochaine bataille de l’intelligence artificielle ne se jouera pas seulement dans les modèles de langage. Elle se déplacera dans les entrepôts, les usines, les gestes répétitifs, là où la machine devra apprendre à agir sans être tenue par la main.
Il y a dans l’humanoïde une tentation de théâtre. Une silhouette qui marche, une main qui saisit une bouteille, un torse mécanique qui traverse une pièce : l’image suffit souvent à fabriquer l’événement. Mais la question sérieuse n’est pas de savoir si le robot ressemble à l’homme. Elle est de savoir qui écrit son intelligence.
Flexion Robotics, société basée à Zurich, se place précisément à cet endroit. Non pas dans la fabrication du corps, mais dans celle du cerveau : une couche logicielle capable de transformer une instruction — ranger une pièce, déplacer une caisse, manipuler un objet — en mouvements, décisions, ajustements moteurs. Dans cette architecture, le robot n’est plus seulement une machine équipée de capteurs ; il devient un exécutant physique, capable d’apprendre une tâche en simulation avant de la transférer dans le monde réel.
La nuance est décisive. Le marché des humanoïdes est aujourd’hui saturé de démonstrations brèves, souvent impressionnantes, rarement probantes. Une vidéo de quelques secondes ne dit rien du nombre d’ingénieurs mobilisés, du niveau de téléopération, ni du travail invisible nécessaire pour produire un geste apparemment autonome. L’autonomie réelle se reconnaît ailleurs : dans la durée de la tâche, dans la variation de l’environnement, dans la capacité à agir sans que chaque mouvement ait été préparé par des humains.
C’est ici que Flexion défend une voie plus sobre, mais plus structurante : entraîner les robots en simulation grâce à l’apprentissage par renforcement. Plutôt que de faire répéter un geste à des opérateurs humains, équipés de casques ou de combinaisons, l’entreprise crée des mondes virtuels où le robot peut échouer des millions de fois sans casser de matériel, sans immobiliser d’équipe, sans limiter son apprentissage à une seule configuration. Une table, une bouteille, une lumière, un angle, un arrière-plan : tout peut être recombiné à l’infini.
La donnée physique, ce grand absent
Les grands modèles de langage ont pu s’appuyer sur l’immense corpus textuel disponible en ligne. La robotique, elle, ne dispose pas d’un équivalent naturel. Le geste humain n’a pas été massivement archivé sous forme exploitable. Saisir, pousser, visser, transporter, éviter, équilibrer : ces actions existent partout, mais leurs données ne sont pas disponibles comme des pages web.
La téléopération est donc apparue comme une solution logique. Elle reste pourtant lente, coûteuse, et imparfaite. Un humain qui pilote un robot à distance ne ressent pas les forces exercées sur l’objet. Il voit, mais ne touche pas vraiment. Le résultat produit souvent une donnée maladroite, utile pour débuter, insuffisante pour généraliser.
L’apprentissage par renforcement inverse la logique. Le robot ne copie plus seulement l’humain ; il explore, échoue, ajuste, recommence. En simulation, cette exploration devient économiquement possible. Le coût de l’erreur baisse, la diversité des situations augmente, et la donnée n’est plus simplement collectée : elle est produite.
Le Détail
Une tâche simple, comme saisir une bouteille dans un environnement fixe, peut être apprise avec quelques dizaines de démonstrations humaines. Mais dès que la lumière change, que l’objet se déplace ou que le décor varie, le modèle perd sa robustesse. La simulation permet de créer des milliers de variantes du même geste sans déplacer le robot d’un lieu à l’autre.
Le vrai sujet : qui contrôle le mouvement ?
L’Europe parle beaucoup de souveraineté dans le cloud, les modèles et les données. Elle parle encore trop peu de souveraineté dans les machines capables d’agir. Or un robot autonome n’est pas un logiciel abstrait. Il circule dans un entrepôt, porte des charges, manipule des objets, intervient au contact d’infrastructures humaines.
Dans ce contexte, la dépendance logicielle devient plus sensible encore que dans l’IA générative. Si le matériel est européen mais que le cerveau logiciel vient d’ailleurs, la maîtrise reste partielle. Le corps appartient à l’industriel ; l’intention appartient au fournisseur du système d’autonomie.
C’est peut-être là que l’Europe dispose encore d’une fenêtre. Elle n’a pas toujours dominé les plateformes grand public, mais elle possède des atouts industriels considérables : automobile, machines-outils, logistique, robotique spécialisée, supply chains complexes. Les groupes capables de produire à grande échelle existent déjà. Ce qui manque, c’est le logiciel généraliste qui permettrait à ces machines de sortir du geste programmé pour entrer dans l’autonomie adaptable.
Flexion parie donc sur une séparation des rôles. Aux industriels, la fabrication des corps. Aux spécialistes de l’autonomie, la grammaire du mouvement. Ce choix n’est pas seulement technique ; il est stratégique. Une start-up peut difficilement produire des millions de machines. Elle peut, en revanche, équiper plusieurs formes de robots, apprendre de leurs usages, et améliorer plus vite son modèle si son logiciel circule sur plusieurs matériels.
L’humanoïde, ou le compromis provisoire
Le terme humanoïde fascine parce qu’il promet une substitution directe : remplacer le travail humain par une machine de forme humaine. En réalité, la forme humaine n’est qu’un point de départ. Dans un entrepôt au sol plat, des roues peuvent être préférables à des jambes. Pour porter lourd, un corps plus proche du gorille que de l’homme peut être plus pertinent. L’enjeu n’est pas de copier l’anatomie, mais d’accéder aux espaces conçus pour les humains.
C’est pourquoi les premiers usages réellement économiques ne seront probablement pas domestiques. Le robot qui plie le linge dans un appartement reste un fantasme séduisant, mais l’environnement domestique est trop varié, trop imprévisible, trop chargé d’objets singuliers. L’industrie et la logistique offrent un terrain plus lisible : cartons, bacs standardisés, picking, packing, manutention, déplacements répétitifs.
Les premières tâches utiles pourraient apparaître rapidement. Mais l’utilité ne suffira pas. Le seuil économique sera franchi lorsque les robots n’auront plus besoin d’ingénieurs derrière eux pour sécuriser chaque déploiement. Tant que l’autonomie exige une surveillance humaine constante, la promesse de productivité reste suspendue.
La robotique humanoïde n’en est donc pas à son moment spectaculaire. Elle en est à son moment d’infrastructure. Le corps attire l’attention, mais le cerveau déterminera la valeur. Et pour l’Europe, la question n’est déjà plus de savoir si elle participera à la course. Elle est de savoir si elle acceptera de fabriquer les corps pendant que d’autres écrivent les intentions.
La prochaine main qui déplacera une caisse dans un entrepôt européen aura peut-être cinq doigts, deux bras, ou des roues. Le détail importe moins que la phrase invisible qui commandera son geste.
Cette publication est également disponible en :
