Une IA qui ne se contente plus de répondre, mais qui agit
Google DeepMind a annoncé le 30 juillet 2026 Gemini Robotics 2, une nouvelle génération de modèles destinés à piloter des robots dans le monde physique. L’annonce marque une rupture importante avec la vague actuelle des « agents IA » : jusqu’ici, ces systèmes promettaient surtout d’automatiser des tâches numériques — écrire du code, effectuer des recherches, gérer une campagne publicitaire, exploiter des logiciels d’entreprise ou repérer des vulnérabilités.
Avec Gemini Robotics 2, l’agent ne clique plus seulement sur une interface : il perçoit un espace, planifie une séquence d’actions, se déplace, saisit des objets et doit gérer les conséquences matérielles de ses erreurs.
Selon Engadget et WIRED, le point central de cette mise à jour est le contrôle corporel intégral, ou « whole-body control ». Là où les démonstrations robotiques se concentraient souvent sur un bras, une pince ou une séquence prédéfinie, Google DeepMind vise désormais une coordination allant des pieds aux mains sur des humanoïdes. Axios rapporte aussi que la famille de modèles sépare la commande des actions physiques élémentaires de la planification de tâches de plus haut niveau.
Cette séparation est essentielle : un robot utile ne doit pas seulement savoir attraper un arrosoir. Il doit comprendre qu’il faut s’en approcher sans heurter une personne, adopter une posture stable, choisir une prise compatible avec l’objet, vérifier qu’il ne le fait pas tomber, puis réagir si l’environnement change.
Le chaînon manquant : réunir perception, raisonnement et mouvement
Le défi historique de la robotique généraliste n’est pas de faire répéter un geste à une machine dans une cage industrielle. C’est de faire fonctionner perception, raisonnement et contrôle moteur dans un lieu désordonné, variable et partagé avec des humains.
Les robots industriels classiques excellent dans des environnements structurés : même pièce, même trajectoire, même objet, même cadence. Un humanoïde dans un entrepôt, un atelier ou un domicile rencontre au contraire des surfaces glissantes, des objets déformables, des obstacles imprévus et des consignes ambiguës. Une phrase comme « range ce qui traîne » mobilise à la fois la vision, le langage, la connaissance des objets, la planification, la locomotion et la prudence.
C’est le pari de l’IA incarnée, souvent appelée « physical AI ». Dans ses travaux précédents, Google DeepMind décrivait Gemini Robotics comme une architecture vision-langage-action : les images et les instructions sont converties en commandes pour le robot. Sa déclinaison Gemini Robotics-ER, pour « embodied reasoning », prend en charge la compréhension spatiale, l’estimation de trajectoires, l’identification des prises et la planification.
Gemini Robotics 1.5 avait déjà ajouté une forme de raisonnement avant l’action et la possibilité de transférer des compétences entre plusieurs corps robotiques, par exemple entre deux bras de laboratoire et un humanoïde. Gemini Robotics 2 semble pousser cette logique au niveau du corps entier, avec davantage de dextérité et de coordination entre robots. L’enjeu commercial est immense : plutôt que de programmer chaque geste pour chaque machine, les fabricants espèrent disposer d’une même couche d’intelligence adaptable à des robots de formes différentes.
Il faut toutefois distinguer une démonstration convaincante d’une autonomie générale. Les rapports techniques de Google DeepMind font état de progrès mesurés sur des bancs d’essai et dans des tâches ciblées, mais ils reconnaissent aussi les limites liées à la précision des prises, à la calibration et au passage de la simulation au réel. Le rapport est une source primaire utile, mais il est produit par l’entreprise qui commercialise la technologie : il ne remplace ni un audit indépendant ni des essais prolongés en conditions opérationnelles.
Le contraste avec les agents logiciels devient brutal
Cette annonce intervient alors que l’industrie cherche à présenter les agents IA comme une infrastructure de productivité universelle. The Register a récemment rapporté l’intégration de Gemini dans les fonctions d’agents d’Oracle. TechCrunch a de son côté relayé l’affirmation de Google selon laquelle l’IA aurait permis de détecter et corriger un volume inédit de vulnérabilités dans Chrome.
Ces exemples illustrent la promesse dominante : l’agent IA travaille dans des environnements numériques, accélère le développement logiciel, la cybersécurité, l’analyse ou les processus administratifs. Mais un agent qui se trompe dans un navigateur peut, en principe, être arrêté, corrigé ou restauré. Le coût reste souvent informationnel, financier ou réputationnel.
Un agent relié à un humanoïde introduit une autre catégorie de conséquences : blessure, chute, dommage matériel, arrêt de production, atteinte à la vie privée par les caméras embarquées ou encore intrusion informatique dans un dispositif doté de force, de mobilité et de capteurs. Une hallucination n’est plus seulement une phrase erronée ; elle peut devenir un mouvement inadapté.
Cette différence mérite d’être soulignée au moment où les plateformes cherchent à étendre leurs assistants à toutes les couches de l’économie. Le conflit opposant Reddit à Google autour des résumés produits par IA, relaté par Engadget, montre déjà que les agents logiciels redistribuent la valeur et le contrôle de l’information. Dans la robotique, la question se déplace : qui contrôle la machine, qui assume ses décisions et qui répond lorsqu’elle agit mal ?
La sécurité ne peut pas être une simple fonction de refus
Google DeepMind affirme intégrer une approche de sécurité à plusieurs niveaux : filtrage des demandes dangereuses, raisonnement sur les contraintes physiques, mécanismes de prévention des collisions et capacité à demander une intervention humaine. L’entreprise a également développé le benchmark ASIMOV pour évaluer l’aptitude de ses modèles à suivre des instructions de sécurité physique.
Ces garde-fous sont nécessaires, mais ils ne suffisent pas à garantir un déploiement sûr. Le risque ne vient pas uniquement d’une demande explicite comme « fais quelque chose de dangereux ». Il peut venir d’un capteur mal calibré, d’une instruction mal interprétée, d’un objet partiellement caché, d’une mise à jour logicielle défectueuse, d’une panne réseau ou d’une attaque par injection de consignes via un texte, une image ou une voix présente dans l’environnement.
L’IA incarnée agrandit également la surface d’attaque. Un pirate qui compromet un assistant logiciel peut accéder à des données ou à des comptes ; un pirate qui compromet une flotte de robots peut aussi perturber une activité physique. Le National Institute of Standards and Technology, ou NIST, souligne justement qu’il subsiste un écart important entre les résultats de recherche sur l’IA incarnée et les systèmes réellement exploitables par les industriels. Son cadre de gestion des risques pour l’IA insiste sur la gouvernance, les tests, la surveillance et la résilience, plutôt que sur la seule performance du modèle.
Pour les entreprises clientes, la bonne question n’est donc pas « le robot est-il intelligent ? », mais « dans quelles limites vérifiées peut-il agir seul ? ». Cela implique des zones d’exclusion, des limites de force et de vitesse, un arrêt d’urgence indépendant du modèle, des journaux d’événements inviolables, des essais de défaillance, une cybersécurité du matériel et des procédures claires de reprise par un opérateur humain.
Une étape crédible, pas encore le robot universel
Gemini Robotics 2 représente un saut technique crédible parce qu’il cherche à unifier les morceaux longtemps séparés de la robotique : le cerveau conversationnel, la compréhension visuelle, le planificateur et le contrôleur du corps. C’est aussi pourquoi il faut résister au vocabulaire de « physical AGI » parfois employé autour de ces annonces. Une vidéo de robot qui ramasse des objets ou nettoie un espace ne prouve pas qu’une machine peut travailler de manière fiable pendant des milliers d’heures dans un milieu humain imprévisible.
À court terme, les usages les plus plausibles sont ceux où l’environnement reste partiellement contrôlé : logistique, inspection, manutention légère, maintenance assistée et tâches répétitives dans des sites industriels. À plus long terme, si le transfert de compétences entre différents robots et l’adaptation locale se confirment, le logiciel pourrait devenir le facteur qui compte autant que la mécanique.
Google DeepMind ne promet donc pas seulement un robot plus habile. L’entreprise propose une nouvelle forme d’agent : un système capable de relier une intention formulée en langage naturel à une action dans le monde. C’est la prochaine frontière de l’IA, mais aussi celle où l’exigence de preuve, de contrôle humain et de responsabilité devra être la plus élevée.