Chez CATL, Moz1 exécute une tâche précise — pas toutes les tâches

Le robot humanoïde sur roues Moz1 a déjà une application concrète : sur une ligne de batteries de CATL, il manipule des connecteurs de test. Mais il faut distinguer cette opération définie de la promesse d’un robot capable de s’adapter à des tâches variées. Spirit AI fait aussi état de déploiements chez JD.com, sans que les informations disponibles permettent de préciser ce qu’y font les robots. 643

Chez CATL, un geste industriel mesurable

À la base de Zhongzhou de CATL, sur une ligne d’assemblage de packs de batteries, le travail rapporté pour Moz1 consiste notamment à insérer et retirer des connecteurs de test. Le robot ajuste ses mouvements et la force exercée pour manipuler des câbles souples. Spirit AI indique avoir déployé, au total, des dizaines de Moz1 chez CATL et JD.com. 43

Pour l’insertion des connecteurs chez CATL, Spirit AI annonce un taux de réussite supérieur à 99 %, avec des temps de cycle comparables à ceux d’ouvriers expérimentés. Il s’agit d’un résultat communiqué par l’entreprise pour une opération précise, et non d’une mesure indépendante de la fiabilité de l’ensemble de la ligne ou de la capacité du robot à accomplir une tâche inconnue. 6

Un autre chiffre, parfois cité à propos de Spirit AI, ne porte pas sur cette ligne : Gao Yang évoque environ 90 % de réussite sur des tâches simples dans des environnements de type salon aménagés de façon structurée. Les deux taux ne décrivent donc ni la même tâche ni le même cadre d’essai. 24

Pourquoi Spirit AI cherche encore des données

L’entreprise entraîne les modèles qui servent de « cerveau » à ses robots à partir de données recueillies lors d’activités physiques. Selon les informations publiées, environ 1 000 prestataires participent à cette collecte. Gao Yang présente le manque de données adaptées comme un frein majeur : réussir un geste répétable en usine ne prouve pas que le robot saura le reproduire de façon fiable dans un environnement différent. 13

La manipulation fine et les situations inédites restent difficiles. S’y ajoutent les exigences de sécurité lorsque des robots travaillent à proximité de personnes. Ces limites comptent autant que les démonstrations de performance pour envisager des usages plus larges. 1

Mi-2027 : une prévision sur les capacités, pas une date de lancement domestique

Gao Yang prévoit d’atteindre d’ici mi-2027 ce qu’il appelle un jalon « GPT-3.0 » pour la robotique : donner une instruction en langage naturel à un robot, qui tenterait alors d’enchaîner des actions physiques pour accomplir la tâche. C’est une prévision sur l’évolution du logiciel, pas l’annonce que Moz1 sera fiable dans toutes les situations à cette date. 343

Gao voit les un à deux prochaines années comme une première phase d’applications industrielles, suivie de tâches plus simples dans les services commerciaux. Pour des robots réellement utiles à domicile, il évoque un horizon d’au moins huit ans. Le résultat annoncé chez CATL montre donc ce que Moz1 peut faire aujourd’hui sur une opération encadrée ; la prévision pour 2027 porte sur une souplesse d’action que Spirit AI espère encore développer. 143