Ce qui vient d’être annoncé
NVIDIA a annoncé, le 31 mai 2026 à GTC Taipei, l’Isaac GR00T Reference Humanoid Robot, présenté comme le premier design de référence ouvert pour robot humanoïde bâti autour de Jetson Thor et de la plateforme de développement Isaac GR00T. Selon NVIDIA Newsroom, le système combine un châssis humanoïde Unitree H2 Plus, deux mains tactiles Sharpa Wave à cinq doigts, du calcul embarqué Jetson AGX Thor T5000 et une pile logicielle couvrant téléopération, simulation, entraînement, évaluation et déploiement.
Engadget, qui a repris l’annonce le 1er juin 2026, résume l’objet comme une plateforme destinée à donner aux chercheurs accès à une robotique humanoïde de pointe sans dépendre uniquement de plateformes propriétaires. Le média souligne toutefois un point important : lors de la présentation, il s’agissait surtout d’un design et d’un écosystème de développement, pas d’une démonstration publique d’un robot physique réalisant des tâches complexes en direct.
Sur le plan matériel, NVIDIA décrit une machine de taille humaine : environ 1,80 m, 31 degrés de liberté pour le corps, des mains Sharpa Wave qui ajoutent 22 degrés de liberté, des caméras multiples, une centrale inertielle, une batterie d’environ trois heures, et surtout Jetson AGX Thor T5000, équipé d’un GPU Blackwell, de 128 Go de mémoire unifiée et d’une enveloppe de puissance configurable de 40 à 130 W. La fiche Jetson Thor de NVIDIA met en avant jusqu’à 2 070 TFLOPS FP4, un chiffre qui dit moins la capacité robotique réelle que l’ambition : faire tourner à bord du robot des modèles d’IA générative, des modèles vision-langage-action et le traitement multi-capteurs en temps réel.
Un design ouvert, mais pas un robot « libre » au sens naïf
Le mot « open » mérite d’être décortiqué. NVIDIA ouvre une architecture de référence, publie du code sur GitHub et met à disposition des modèles GR00T sous licences NVIDIA. Le dépôt GitHub d’Isaac-GR00T indique que le code est sous Apache 2.0, tandis que les poids de modèles sont couverts par la NVIDIA Open Model License. Les fiches Hugging Face des versions GR00T N1.5 précisent aussi des cadres d’usage, parfois non commerciaux selon la version. Autrement dit, nous ne sommes pas devant un robot communautaire entièrement libre, dont chaque composant matériel, firmware, données d’entraînement et modèle seraient reproductibles sans contrainte.
Il s’agit plutôt d’un standard industriel ouvert au sens pragmatique : une configuration de départ, des API, des workflows, des modèles et des outils que les laboratoires peuvent reprendre, tester et comparer. C’est déjà beaucoup dans un domaine où la fragmentation est massive. Chaque laboratoire doit souvent assembler son propre châssis, ses mains, ses caméras, ses contrôleurs, son pipeline de données, son simulateur, son middleware ROS, puis espérer que les résultats soient comparables à ceux des autres.
La source principale reste NVIDIA, donc intéressée : l’entreprise vend le calcul, les GPU, les modules Jetson, les outils de simulation et l’infrastructure cloud qui entourent cette pile. Une annonce d’entreprise n’est pas une validation indépendante. Engadget apporte un recoupement médiatique, mais son article s’appuie largement sur les éléments de NVIDIA. Les confirmations les plus solides viennent donc des pages techniques publiques : GitHub pour le code, NVIDIA Research pour GR00T N1, la documentation Jetson Thor, les fiches Unitree et Sharpa pour les composants matériels.
Pourquoi NVIDIA ouvre son stack humanoïde maintenant
La stratégie est lisible : NVIDIA tente de faire pour la robotique humanoïde ce qu’elle a déjà fait pour l’IA générative avec CUDA, DGX et les bibliothèques d’accélération. Il ne s’agit pas seulement de vendre une puce. Il s’agit de devenir la couche par défaut entre la recherche, la simulation, l’entraînement, les données synthétiques, l’inférence embarquée et le déploiement.
Isaac GR00T est la brique « intelligence incarnée ». Le papier de recherche GR00T N1, publié par NVIDIA Research en mars 2025, décrit un modèle vision-langage-action entraîné sur un mélange de vidéos humaines égocentriques, de trajectoires de robots réelles, de trajectoires simulées et de données synthétiques. NVIDIA affirme que le modèle dépasse des méthodes d’imitation learning dans des benchmarks simulés et qu’il permet des tâches de manipulation bimanuel conditionnées par le langage sur des robots comme Fourier GR-1 et 1X. Mais là encore, il faut lire cela comme une publication et une démonstration industrielle, pas comme une preuve définitive de généralité robotique.
Jetson Thor est la brique « cerveau embarqué ». La robotique humanoïde ne peut pas dépendre uniquement du cloud : latence, sécurité, continuité de service, confidentialité des données et contrôle moteur imposent une partie du raisonnement et de la perception à bord. En associant GR00T à Thor, NVIDIA pousse une architecture cloud-to-robot : entraîner et générer des données avec des GPU de centre de données, simuler dans Isaac Sim et Isaac Lab, puis déployer sur Jetson.
Cette ouverture contrôlée sert donc deux objectifs. D’abord, accélérer la recherche académique en réduisant le coût d’intégration initial. Ensuite, créer un effet de réseau : plus les laboratoires publient des comportements, des jeux de données et des benchmarks compatibles Isaac GR00T, plus la plateforme devient incontournable.
La bataille du standard humanoïde
L’annonce prend tout son sens face à Boston Dynamics, Figure, Tesla, Agility Robotics, 1X et Unitree. Boston Dynamics dispose d’une profondeur d’ingénierie exceptionnelle avec Atlas, désormais orienté vers des applications industrielles et une intégration d’entreprise via Orbit. Figure, de son côté, met en avant Helix, son modèle vision-langage-action propriétaire pour le contrôle humanoïde, et affirme l’avoir entraîné avec environ 500 heures de données supervisées de haute qualité.
Ces entreprises construisent des solutions verticalement intégrées : robot, logiciel, données, contrôle et cas d’usage. Cette intégration peut produire des performances impressionnantes, mais elle pose problème à la recherche académique. Un laboratoire ne peut pas facilement reproduire, auditer ou modifier la pile complète d’un Atlas ou d’un Figure 03. Les données sont propriétaires, les interfaces sont limitées et les robots sont souvent conçus pour des pilotes industriels encadrés plutôt que pour l’expérimentation ouverte.
NVIDIA attaque exactement cette faiblesse. Avec un design de référence basé sur Unitree et Sharpa, l’entreprise ne prétend pas battre Boston Dynamics en mécatronique pure. Elle propose plutôt un terrain commun : un humanoïde suffisamment capable, une main tactile, un ordinateur embarqué puissant, une pile de simulation et des modèles disponibles. Si plusieurs institutions comme Ai2, ETH Zurich, Stanford Robotics Center et UC San Diego utilisent la même base, les résultats deviennent plus comparables. C’est un levier de standardisation.
Le parallèle avec le PC est tentant : IBM n’a pas gagné durablement parce que chaque composant était le meilleur, mais parce qu’un standard matériel et logiciel a permis à tout un écosystème de se former autour de lui. NVIDIA veut que l’humanoïde de laboratoire ait son équivalent : une plateforme de référence autour de Jetson Thor et Isaac.
Ce que cela change pour les labos
Pour les équipes universitaires, l’intérêt est concret. Elles peuvent consacrer moins de temps à l’assemblage bas niveau et plus de temps aux questions scientifiques : apprentissage par démonstration, transfert simulation-réel, contrôle du corps entier, manipulation tactile, sécurité, évaluation des politiques et interaction langage-action.
La prise en charge annoncée d’Isaac Teleop est importante, car la donnée robotique reste le nerf de la guerre. Les grands modèles de langage ont profité du Web ; les robots, eux, n’ont pas d’équivalent simple d’un corpus Internet de gestes fiables. Les données de manipulation doivent être capturées, nettoyées, synchronisées, annotées et adaptées à des corps différents. Une pile de téléopération, de simulation et de post-entraînement peut réduire ce goulet d’étranglement.
Cela ne rend pas la robotique humanoïde facile. Les limites restent nombreuses : sécurité physique, robustesse en environnement non contrôlé, coût total du système, maintenance, disponibilité des pièces, qualité des mains, endurance énergétique, et surtout évaluation honnête des capacités. Un robot peut réussir une vidéo spectaculaire et échouer dès que l’objet, l’éclairage ou la consigne changent légèrement.
La prospective : ouverture ou dépendance renforcée ?
À court terme, Isaac GR00T Reference Humanoid Robot devrait surtout accélérer les publications, les benchmarks et les prototypes académiques. Les laboratoires qui n’avaient pas les moyens de développer une plateforme humanoïde complète pourront démarrer plus vite. Les travaux sur les modèles vision-langage-action devraient aussi gagner en comparabilité, car plusieurs équipes pourront tester sur un socle similaire.
À moyen terme, l’enjeu sera la gouvernance. Si les modèles, les données et les outils restent suffisamment ouverts, la communauté pourra réellement auditer, adapter et améliorer la plateforme. Si, au contraire, les composants les plus stratégiques demeurent liés aux licences NVIDIA, aux GPU NVIDIA et aux services NVIDIA, l’ouverture servira surtout à étendre un verrouillage d’écosystème.
La vérité sera probablement entre les deux. NVIDIA démocratise une partie de l’accès à la robotique humanoïde avancée, mais le fait depuis une position de fournisseur central. Pour les chercheurs, c’est une occasion majeure : disposer d’un « kit de référence » crédible pour explorer l’intelligence physique. Pour l’industrie, c’est le signal que la standardisation des humanoïdes commence peut-être moins par le robot lui-même que par la pile de calcul, de simulation et de modèles qui l’anime.
Le pari de NVIDIA est clair : si le futur robot humanoïde devient une plateforme informatique mobile, alors le gagnant ne sera pas seulement celui qui fabrique les meilleures jambes ou les meilleures mains. Ce sera celui qui contrôle le système d’exploitation de l’intelligence incarnée.