Pendant des années, la promesse des robots humanoïdes a ressemblé à une démo tournant en boucle : impressionnante pendant trente secondes, mais condamnée à rester confinée dans un laboratoire pour exécuter une seule tâche répétitive. Certes, ils savaient ramasser un cube, mais naviguer dans une pièce encombrée sans ressembler à un bambin sous caféine relevait encore du miracle. Google DeepMind propose aujourd’hui une solution radicale avec Gemini Robotics 2, une plateforme d’IA qui s’apparente moins à une mise à jour logicielle qu’à une véritable greffe de cerveau pour robots de tous poils.
Le concept est d’une simplicité désarmante : créer une « couche d’intelligence » unifiée capable de donner à n’importe quelle machine la faculté de percevoir, de raisonner et d’agir dans le chaos imprévisible du monde réel. Il ne s’agit plus seulement d’affiner le contrôle moteur d’un bras articulé ; Google introduit ici la notion d’« intelligence corporelle totale » (full body intelligence). Pour la première fois, un modèle d’IA unique est conçu pour piloter un humanoïde des pieds à la pointe des doigts, coordonnant l’équilibre, la locomotion et la manipulation dans un seul processus fluide. C’est toute la différence entre programmer les articulations d’un automate et lui donner une conscience de ses mouvements.
Un Cerbère de l’IA à trois têtes
Au cœur de Gemini Robotics 2 ne se trouve pas un, mais un trio de modèles spécialisés travaillant de concert. Imaginez une structure de commandement optimisée pour l’action physique.
D’abord, il y a Gemini Robotics 2 lui-même, le modèle maître « Vision-Langage-Action » (VLA). C’est le moteur principal, celui qui traduit une commande complexe comme « pose l’arrosoir sur l’étagère du bas » en une séquence précise de commandes motrices : marcher, se pencher, maintenir l’équilibre et positionner l’objet.
Ensuite vient Gemini Robotics ER 2, le modèle de « Raisonnement Incarné » (Embodied Reasoning). C’est le stratège du groupe. Il analyse un flux vidéo continu du monde réel pour comprendre le contexte, planifier des tâches multi-étapes et même corriger le tir en cas d’imprévu. Si le modèle principal est le corps, l’ER 2 est le cerveau supérieur qui définit le quoi avant que le VLA ne détermine le comment. Il peut même solliciter des outils externes comme Google Search pour affiner ses plans.
Enfin, on trouve On-Device 2, le caméléon de la bande. Ce VLA ultra-léger est optimisé pour tourner localement sur le matériel du robot, mais son véritable tour de force réside dans son adaptabilité. Google affirme qu’il peut être configuré pour un tout nouveau corps robotique — avec des capteurs, des articulations et une mécanique différents — en quelques heures seulement, avec moins de 200 démonstrations. C’est un pas de géant pour s’affranchir du développement d’IA spécifiques au matériel, un fardeau qui freine l’industrie depuis des décennies.
Du plan de travail au monde sauvage
Le véritable juge de paix pour une IA robotique est sa capacité à gérer des tâches demandant plus de finesse qu’une simple ligne d’assemblage. Gemini Robotics 2 a été explicitement conçu pour sortir des laboratoires et s’attaquer à des scénarios complexes. Les démonstrations affichent une dextérité bluffante : du contrôle d’une main à cinq doigts (22 degrés de liberté) pour dévisser une ampoule avec un taux de réussite de 92 %, au nouage d’un sac poubelle (un exercice plus humble qui plafonne à 44 %).
Ce bond en avant est rendu possible par l’intégration de l’ensemble du corps dans le processus de décision. Lors de tests effectués avec l’humanoïde Apollo 2 d’Apptronik, le robot a atteint un taux de réussite de 76,3 % pour récupérer des objets sur une étagère — une mission qui exige de coordonner la marche, l’équilibre, l’allonge et la préhension.
Mais la fonctionnalité la plus visionnaire est sans doute la collaboration multi-robots. Gemini Robotics ER 2 peut agir comme un chef d’orchestre central, répartissant les tâches entre des types de robots totalement différents. Imaginez un humanoïde comme Apollo tendant un objet à un robot mobile sur roues pour le transport, chacun comprenant son rôle dans un flux de travail global. C’est ici que l’ambition de la plateforme devient limpide : créer un langage commun pour que les machines collaborent enfin intelligemment.
L’Android de la robotique ?
Avec Gemini Robotics 2, Google place ses pions pour devenir le système d’exploitation fondamental de la prochaine génération de hardware. En créant une IA puissante et adaptable capable, en théorie, de piloter n’importe quelle machine, la firme de Mountain View se positionne comme le fournisseur de « cerveau » d’un écosystème naissant de « corps » robotiques.
Pour les développeurs et les chercheurs, la bonne nouvelle est qu’une partie de cet arsenal est déjà accessible. Gemini Robotics ER 2 est désormais disponible via l’API Gemini et Google AI Studio, permettant de concevoir des applications exploitant ses capacités de raisonnement avancé. Cela ouvre la porte à toute une communauté pour expérimenter la planification complexe et la compréhension vidéo en temps réel.
Bien sûr, le fossé entre une démo léchée et un robot réellement utile et fiable reste un gouffre. Le monde réel est infiniment plus chaotique qu’un labo sous contrôle. Mais en misant sur une intelligence généralisée capable d’apprendre, de s’adapter et de collaborer, Google DeepMind jette un pont solide au-dessus du vide. Ils ne se contentent pas de fabriquer un robot plus malin ; ils dessinent les plans pour que tous les robots le deviennent. Et pour une fois, on a l’impression que la réalité est enfin en train de rattraper la science-fiction.