À la World Robot Conference 2026, les robots avancent plus vite que leur autonomie

La World Robot Conference 2026 a donné une image paradoxale de l’IA incarnée : l’industrie change d’échelle à grande vitesse, mais ses progrès restent difficiles à percevoir dans les capacités réellement générales des robots. Les stands regorgeaient de démonstrations spectaculaires — danse, sport, tri ou opérations en usine — sans toujours montrer une rupture nette avec les présentations de l’année précédente. 12

Un marché en forte accélération

Selon l’article consacré à la conférence, plus de 22 000 robots humanoïdes ont été expédiés dans le monde au premier semestre 2026. Les livraisons annuelles pourraient dépasser 50 000 unités. AgiBot en aurait livré environ 9 700, Unitree plus de 7 000 et Galaxy General plus de 1 100. Les cinq premiers fabricants représenteraient à eux seuls 86 % du marché. 12

Les usages restent toutefois concentrés sur quelques secteurs :

• le divertissement, avec environ 38 % des applications ;
• la production de données et la recherche, autour de 26 % ;
• la fabrication intelligente, environ 16 % ;
• l’entreposage et la logistique, près de 10 %. 12

Ces chiffres témoignent d’une industrialisation rapide. Ils ne prouvent pas pour autant que les robots savent agir de manière autonome dans une grande variété de situations.

Le vrai test : sortir du scénario préparé

Le problème central est celui de la généralisation. Un robot peut réussir une tâche dans une scène fixe, avec des objets connus, une disposition prévisible et un enchaînement soigneusement préparé. La difficulté commence lorsqu’il faut changer d’objet, de plan de travail, d’usine ou de procédure — et recommencer l’opération de façon fiable.

Le défi consiste donc à disposer de données d’entraînement incarnées suffisamment nombreuses, diverses et qualitatives, tout en limitant les démonstrations entièrement scénarisées. Il faut également recalibrer en continu les systèmes mécaniques et logiciels, puis conserver une présence humaine pour corriger les erreurs et accompagner le déploiement. 12

Wang Xingxing estime qu’un fonctionnement fiable dans un environnement fixe devient de plus en plus accessible. Mais, pour dépasser ce cadre, les robots ont encore besoin d’un important post-entraînement et d’une intervention humaine persistante. Wang He propose un critère plus exigeant : un robot saura-t-il généraliser son comportement dans 100 usines ou 1 000 magasins, comprendre des instructions en langage naturel et agir dans un lieu qu’il ne connaît pas ? 12

L’article situe les modèles actuels d’IA incarnée autour du niveau de GPT-2 et évoque une capacité comparable à GPT-3.5 ou GPT-4 vers 2028. Il s’agit d’une projection, et non d’un résultat établi. 12

Unitree : la force du mouvement et des volumes

Unitree apparaît surtout comme un acteur de l’exécution physique. Son avantage réside dans le contrôle des mouvements, la conception du corps robotique, le coût et la capacité de production, plutôt que dans la domination des modèles fondamentaux d’IA incarnée. 12

Lors de l’événement, l’entreprise a présenté un robot capable d’atteindre 12,65 m/s. Elle avait par ailleurs expédié plus de 7 000 humanoïdes au premier semestre, soit environ 31 % du marché mondial selon les chiffres cités. 12

Cette approche illustre une voie pragmatique : produire des machines moins coûteuses et suffisamment performantes pour multiplier les usages, même si leur intelligence générale reste limitée.

Galaxy General : apprendre en regardant les travailleurs

Galaxy General défend une stratégie différente, centrée sur les modèles fondamentaux pour l’IA incarnée. L’entreprise a présenté son robot bipède ET1 et indiqué que son modèle général de contrôle du corps avait été entraîné sur environ 100 000 heures de données de mouvements humains. 12

Sa méthode WAM-TTT — pour « World Action Model Test-Time Training » — vise à permettre à un robot de s’adapter à une nouvelle tâche en observant des vidéos de travailleurs. Les clients n’auraient pas besoin d’annoter manuellement chaque séquence ni de téléopérer le robot ; les vidéos du travail réalisé sur place servent à poursuivre l’entraînement du modèle. 14

L’article affirme aussi que Galaxy General serait passée de simples démonstrations de faisabilité à des déploiements dans plusieurs dizaines d’usines de CATL. Cette information doit toutefois être comprise comme un retour d’entreprise ou de déploiement, et non comme une évaluation indépendante de l’intelligence générale du système. 12

Une industrie qui se consolide avant de se généraliser

Le bilan de la conférence est donc moins celui d’une révolution visible que celui d’une consolidation industrielle. Les expéditions augmentent, les fabricants se spécialisent et certains robots quittent progressivement les laboratoires pour des sites réels. Mais les démonstrations publiques restent souvent des variations de tâches déjà connues, tandis que la capacité décisive — comprendre une consigne, s’adapter à un environnement inédit et agir avec peu d’aide humaine — demeure largement à construire. 12

L’IA incarnée progresse ainsi plus vite commercialement que cognitivement. Le prochain saut ne se mesurera pas seulement à la vitesse d’un robot ou au nombre d’unités vendues, mais à sa capacité à apprendre sur le terrain et à reproduire ses compétences d’un site à l’autre.