Google donne de vrais chiffres sur les robots : sans humain, ils se trompent beaucoup… pour l’instant

Google DeepMind, une branche de Google spécialisée dans l’intelligence artificielle, a présenté en juillet 2026 une nouvelle version de ses modèles dédiés à la robotique, appelée Gemini Robotics 2.

L’objectif est de créer un « cerveau » pour les robots humanoïdes, capables de se déplacer, manipuler des objets et prendre des décisions de manière autonome.

Contrairement aux modèles précédents qui contrôlaient uniquement le haut du corps, cette nouvelle version gère l’ensemble du corps, des pieds aux doigts.

Google part du constat que les robots actuels, bien que sophistiqués, peinent à comprendre leur environnement et à agir de manière autonome.

Le projet vise donc à combler cette lacune en développant une intelligence artificielle spécifiquement conçue pour les robots.

Pour fonctionner, Gemini Robotics 2 repose sur trois modèles distincts, chacun ayant un rôle précis.

Le premier, Gemini Robotics 2 (ou VLA pour Vision-Langage-Action), traduit les informations visuelles et sonores du robot en mouvements concrets, lui permettant de se déplacer et d’interagir avec son environnement.

Le deuxième, Gemini Robotics ER 2 (Embodied Reasoning ou « raisonnement incarné »), agit comme un cerveau de haut niveau : il analyse la situation, planifie les étapes d’une tâche, surveille leur exécution et corrige les erreurs.

Enfin, Gemini Robotics On-Device 2 est une version allégée du VLA, conçue pour fonctionner localement sur le robot, sans dépendre d’une connexion internet.

Ce dernier modèle est particulièrement utile dans des environnements industriels où la latence réseau pourrait poser problème.

Google a illustré les capacités de Gemini Robotics 2 avec une démonstration utilisant l’humanoïde Apollo 2, développé par la startup Apptronik.

Le robot a reçu la consigne suivante : « mets l’arrosoir dans le bac vert sur l’étagère du bas ».

Pour y parvenir, Apollo 2 a dû marcher jusqu’à la table, attraper l’arrosoir, se déplacer vers les étagères et le déposer au bon endroit.

Bien que cette tâche semble simple, elle nécessite une coordination complexe entre la vision, la marche et la manipulation d’objets.

Google reconnaît que ses robots restent lents et que leur taux de réussite varie considérablement selon les tâches.

Par exemple, ramasser un objet au sol ne fonctionne que dans 45,7 % des cas, tandis que ramasser un objet sur une étagère atteint 76,3 %.

La manipulation fine avec une main à cinq doigts, comme visser une ampoule (36 % de réussite) ou nouer un sac poubble (44 %), reste particulièrement difficile.

Une autre innovation de Gemini Robotics 2 est la capacité à faire collaborer plusieurs robots simultanément.

Google affirme que son modèle ER 2 permet d’enchaîner des séquences de plusieurs minutes impliquant des centaines de décisions, réparties entre différents robots.

L’idée est que chaque robot a ses forces et ses faiblesses, et qu’en les associant, ils peuvent accomplir des tâches plus complexes.

Par exemple, un robot pourrait se charger du déplacement, tandis qu’un autre manipulerait des objets avec précision.

Cette approche pourrait être particulièrement utile dans des environnements industriels ou logistiques, où la coordination entre machines est essentielle.

Les modèles de Gemini Robotics 2 ne sont pas encore accessibles au grand public.

Gemini Robotics ER 2 est disponible dans Google AI Studio et en version privée sur la plateforme Gemini Enterprise Agent Platform.

Les autres modèles (VLA et On-Device) sont réservés aux partenaires en accès anticipé, principalement des entreprises disposant de robots pour les tester.

Google souligne que les constructeurs de robots pourraient hésiter à confier le contrôle de leurs machines à un tiers, préférant développer leur propre intelligence artificielle.

Cette question de la dépendance technologique pourrait devenir un enjeu majeur dans l’adoption de ces solutions.

Pour l’instant, les robots humanoïdes comme ceux de 1X ou Tesla reposent encore largement sur une téléopération humaine à distance pour paraître compétents.