Des robots humanoïdes sur le sol de l'usine – voici ce qui est réellement déployé

Pendant la majeure partie de la dernière décennie, les robots humanoïdes sont apparus lors de conférences de presse et de discours d'ouverture, effectuant des tâches soigneusement chorégraphiées – verser des boissons, faire des pompes, marcher prudemment sur des surfaces planes. La promesse implicite était toujours à quelques années. Cette promesse a commencé à se concrétiser, de manière sélective et à une échelle plus modeste que ne le suggéraient les battages médiatiques, mais d'une manière qui révèle quelles applications fonctionnent réellement dans des environnements industriels non contrôlés.

BMW : premier déploiement de production réel de Figure

L'usine de Spartanburg de BMW en Caroline du Sud est devenue le site de l'un des premiers déploiements de production authentiques de robots humanoïdes lorsque les unités Figure 01 ont commencé à gérer des tâches de transfert de tôles métalliques au début de l'année 2025. La tâche spécifique : prendre des pièces de carrosserie métalliques sur un convoyeur, les inspecter visuellement et les placer avec précision dans des gabarits pour l'étape de fabrication suivante. C'est exactement le type de tâche pour lequel les robots humanoïdes sont théoriquement bons – elle nécessite une manipulation dextre, une inspection visuelle et un placement précis dans un espace conçu pour les humains – mais c'est aussi le type de tâche où les tolérances comptent et où les erreurs sont coûteuses.

Les déclarations publiques de BMW ont été mesurées plutôt que triomphantes. Les robots fonctionnent dans des zones de production limitées avec une surveillance étendue. Les temps de cycle sont plus lents que ceux des travailleurs humains pour la plupart des tâches. La proposition de valeur dans cette phase n'est pas la vitesse – c'est l'apprentissage. BMW accumule des données de manipulation réelles dans un environnement industriel authentique, des données qui seront utilisées pour réentraîner et améliorer les robots au fil des générations successives.

Le déploiement de Figure 01 utilise un modèle conjoint OpenAI-Figure pour le raisonnement de haut niveau et la planification des tâches, tandis que le contrôle moteur de bas niveau est géré par des politiques d'apprentissage personnalisées. L'architecture divisée – un modèle "cerveau" pour décider quoi faire et des modèles "muscle" spécialisés pour comment le faire physiquement – est devenue un modèle commun chez les développeurs de robots humanoïdes.

Amazon : Digit d'Agility Robotics dans l'entrepôt

La relation d'Amazon avec le robot Digit d'Agility Robotics est antérieure à l'acquisition d'une participation minoritaire dans la société. Digit est conçu pour les environnements d'entrepôt et a été déployé dans les installations d'Amazon pour gérer le transport de bacs – ramasser des bacs vides d'un endroit et les transporter vers un autre. Cela a été délibérément choisi comme tâche de départ : elle implique la locomotion et la manipulation mais avec des tolérances relativement indulgentes, et les conséquences d'une erreur (laisser tomber un bac) sont faibles par rapport à la manipulation de stocks ou au travail à proximité de travailleurs humains.

Amazon est explicite sur le fait que le déploiement de Digit est un programme pilote et non un déploiement à grande échelle. L'entreprise exploite environ 75 centres de distribution robotisés avec des centaines de milliers de robots traditionnels, et les robots humanoïdes représentent actuellement une infime fraction de cette flotte. L'objectif actuel est l'apprentissage opérationnel : comprendre comment les robots bipèdes naviguent sur les sols d'entrepôts réels, comment ils interagissent avec l'infrastructure existante et où apparaissent les modes de défaillance dans des conditions de production plutôt qu'en laboratoire.

Le calcul économique pour les robots humanoïdes dans les entrepôts n'est pas encore favorable aux prix et niveaux de fiabilité actuels. Les systèmes de stockage et de récupération automatisés (ASRS), les bras robotiques traditionnels et les robots mobiles effectuent la plupart des tâches d'entrepôt de manière moins chère et plus fiable que les robots humanoïdes aujourd'hui. Le cas du robot humanoïde devient convaincant pour les tâches qui nécessitent de naviguer dans des espaces conçus pour les humains et qui ne peuvent pas être économiquement reconçus pour des robots spécialisés – charger et décharger des camions, travailler dans des environnements mixtes humains-robots, ou manipuler des articles dans des emplacements que les bras robotiques fixes traditionnels ne peuvent pas atteindre.

Tesla Optimus : le déploiement le plus ambitieux

Le programme Optimus de Tesla est l'effort de robot humanoïde le plus en vue, et aussi le plus difficile à évaluer objectivement car les communications publiques de Tesla sur le sujet mélangent progrès authentique et optimisme promotionnel. Ce qui est vérifiable : les unités Optimus effectuent des tâches dans les installations de Fremont et Giga Texas de Tesla, notamment le déplacement de pièces entre les postes de travail, le tri de composants et l'exécution de certaines tâches de routage de câbles. Tesla a déclaré que les robots fonctionnent de manière autonome – sans contrôle humain à distance – sur ces tâches spécifiques.

L'approche technique diffère de Figure et Digit de manière importante. Tesla entraîne Optimus principalement en utilisant des données vidéo collectées auprès de ses travailleurs humains effectuant les mêmes tâches, en utilisant une stratégie de volant de données similaire à celle du développement d'Autopilot. Les robots regardent les humains, le modèle apprend la tâche, puis les robots l'essaient – avec supervision et correction humaines dans les premières étapes. Cette approche est ambitieuse car elle essaie de généraliser à travers les tâches plutôt que d'entraîner des politiques spécialisées pour chaque opération spécifique.

Les objectifs de production de Tesla pour Optimus ont été revus à la baisse par rapport aux annonces initiales – la société prévoyait initialement de produire 1 000 robots Optimus en 2024, un chiffre qui a été discrètement abandonné. Les estimations actuelles suggèrent que quelques centaines d'unités sont en opération dans les installations de Tesla, avec des ventes externes à des partenaires automobiles et manufacturiers commençant en quantités limitées.

Ce que ces déploiements ont en commun

À travers BMW, Amazon et Tesla, plusieurs schémas émergent des déploiements actuels de robots humanoïdes :

Environnements structurés. Chaque déploiement de production opère dans des zones soigneusement définies avec un éclairage contrôlé, des conditions de sol prévisibles et des paramètres de tâche spécifiques. Les robots humanoïdes ne naviguent pas encore dans des environnements véritablement non structurés. La flexibilité apparente de la forme humanoïde est utilisée pour insérer des robots dans des espaces conçus pour les humains, et non pour naviguer dans des espaces arbitraires.

Temps de cycle lents. Les robots humanoïdes actuels sont plus lents que les travailleurs humains entraînés sur chaque tâche de production. L'avantage réside dans la cohérence (pas de fatigue, pas de distraction) et dans les applications spécifiques où l'ergonomie humaine rend la tâche désagréable ou dangereuse. Les tâches chaudes, lourdes ou répétitives qui causent des blessures sont de meilleures cibles que les tâches où la vitesse compte.

Collecte de données comme valeur principale. Chaque déploiement majeur est décrit honnêtement comme une phase d'apprentissage. Les robots génèrent des données de manipulation réelles qu'il serait impossible de collecter en laboratoire – les variations imprévisibles des pièces réelles, de l'éclairage réel, des environnements réels – et ces données constituent le produit réel de la phase de déploiement actuelle.

Supervision humaine au niveau de la tâche. Dans chaque déploiement de production, les humains sont impliqués dans la surveillance, la correction d'erreurs et la gestion des exceptions que les robots ne peuvent pas gérer. Le fonctionnement entièrement autonome sur des quarts de travail complets n'est pas l'état actuel.

Perspectives à 2-3 ans

Les entreprises les mieux positionnées pour passer à l'échelle du déploiement de robots humanoïdes sont celles qui disposent de grands ensembles de données d'entraînement propriétaires issus d'opérations réelles, d'une infrastructure de simulation robuste pour l'itération rapide et de relations existantes avec des fabricants prêts à héberger des déploiements d'apprentissage continus. Tesla, Figure/OpenAI et Agility/Amazon ont toutes des positions crédibles ici.

Les tâches susceptibles de connaître une automatisation significative dans la période 2027-2028 sont celles ayant une valeur économique élevée et une mauvaise ergonomie humaine : le chargement et le déchargement de camions commerciaux (qui causent un taux élevé de blessures au dos), la manipulation répétitive de pièces dans les usines automobiles et les tâches logistiques dans les entrepôts qui ne peuvent pas être restructurés efficacement pour l'automatisation traditionnelle. Ce ne sont pas des applications glamour, mais elles représentent des milliards de dollars en coûts de main-d'œuvre et un risque significatif de blessures pour les travailleurs.

Le robot domestique polyvalent – celui qui vide le lave-vaisselle et plie le linge – reste véritablement à des années de la réalité commerciale. La variabilité non structurée des environnements domestiques, l'exigence de fonctionnement sûr autour des enfants et des animaux domestiques, et le besoin de tolérance aux modes de défaillance qui n'existe pas dans les systèmes actuels rendent ce problème beaucoup plus difficile que le déploiement en usine d'un ordre de grandeur. Les entreprises qui prétendent le contraire vendent des actions, pas de la technologie.

Ce qui se passe maintenant, dans l'usine de Spartanburg de BMW et dans les centres de distribution d'Amazon, est réel et significatif – juste pas ce que les conférences de presse avaient promis.