Les robots vont-ils enfin avoir leur cerveau comme ChatGPT ?

UNE RUÉE VERS L'OR ROBOTIQUE

L’intelligence artificielle appliquée aux robots est devenue l’un des secteurs les plus en vue pour les investisseurs. Des milliards de dollars affluent vers des entreprises qui veulent transposer aux machines les Outils qui ont fait le succès des grands modèles de langage. Pourtant, malgré cette frénésie, les robots restent incapables d’accomplir des tâches vraiment utiles. Leur corps progresse, mais leur cerveau, lui, est encore en retard.

UNE INTRODUCTION EN BOURSE QUI TOURNE AU CAUCHEMAR

L’exemple le plus frappant vient de Chine, avec Unitree, le leader local des robots. L’entreprise avait réussi un coup d’éclat en entrant en Bourse avec une valorisation record de 66 milliards de dollars. Mais cette semaine, la bulle a éclaté : la valeur de l’action a chuté de près de 50 %. Les analystes pointent du doigt un problème simple : les robots sont de plus en plus performants physiquement, mais ils ne savent toujours pas quoi faire de cette puissance.

UNE CONFÉRENCE QUI DÉMONTRE L'ENGOUEMENT. ET LES CRAINTES

La conférence Actuate, qui réunit les développeurs d’IA pour robots, a triplé de taille depuis son lancement en 2023. Cette année, 1 500 participants s’y sont pressés, selon Foxglove, une entreprise spécialisée dans la gestion et la visualisation des données pour l’IA physique. L’enthousiasme est palpable, mais les craintes aussi : un stand d’Avala, spécialiste de l’infrastructure pour l’IA physique, promettait même de résoudre « la crise des données robotiques ».

LA CRISE DES DONNÉES : LE FREIN INVISIBLE

Cette « crise » n’est autre que l’absence de données de qualité pour entraîner les modèles. Construire un robot capable de réaliser n’importe quelle tâche reste un rêve lointain. Les approches actuelles, qui misent sur l’apprentissage automatique pour des tâches spécifiques, ne donnent pas encore de résultats fiables et commercialisables. Pour avancer, les développeurs doivent s’inspirer des laboratoires d’IA de pointe : multiplier les jeux de données variés, expérimenter des méthodes d’entraînement différentes, et imaginer des scénarios de renforcement par l’expérience plus efficaces.

LE « GPT-2 » DE LA ROBOTIQUE : UNE ÉPOQUE ENCORE PRIMITIVE

Harry Mellsop, fondateur d’Antioch, une startup qui crée des outils de simulation pour les développeurs, compare la situation actuelle à l’ère GPT-2, le modèle d’OpenAI qui a précédé ChatGPT. Pour passer à la vitesse supérieure, il faudra plus de données et de puissance de calcul, notamment des GPU optimisés pour le traçage de rayons. Ces processeurs sont indispensables pour créer des simulations ultra-réalistes, un passage obligé pour entraîner des robots capables de comprendre leur environnement.

LES VOITURES AUTONOMES : LES SEULES À AVOIR RÉUSSI

Les véhicules autonomes sont aujourd’hui les robots les plus avancés. Leur succès s’explique par deux raisons : d’abord, ils peuvent collecter des données en temps réel grâce aux voitures déjà sur la route. Ensuite, leur mission principale est simple : éviter les obstacles, sans avoir besoin de manipuler physiquement leur environnement. Beaucoup des outils utilisés pour construire ces modèles viennent directement des entreprises de voitures autonomes. Foxglove, par exemple, a été fondée par d’anciens employés de Cruise, l’ambitieux projet de voiture autonome de General Motors.

LES GÉANTS DE LA TECH INVESTISSENT DANS LES HUMAINOÏDES

Les constructeurs automobiles ne veulent pas se contenter de vendre des voitures autonomes. Ils misent désormais sur leurs outils d’IA pour se lancer dans la robotique humanoïde. Tesla teste déjà son robot Optimus, tandis que Wayve et Uber ont créé des laboratoires dédiés à la recherche sur les robots à forme humaine. Ces projets restent pour l’instant des efforts de R&D, mais l’ambition est claire : concurrencer les spécialistes des humanoïdes.

UNE PLATEFORME MATÉRIELLE : POURQUOI TROP TÔT POUR DÉCIDER

Alex Kendall, le PDG de Wayve, estime qu’il est encore trop tôt pour choisir une plateforme matérielle unique. Les capteurs et autres composants évoluent si vite qu’un modèle vraiment généraliste doit rester agnostique. Pour lui, les infrastructures de données, de simulation et d’opérations machine learning seront probablement partagées entre les véhicules et les robots, mais les modèles spécifiques à chaque environnement devront être adaptés.

CO-DESIGNER LE MATÉRIEL ET L'IA : LA CLÉ POUR AVANCER

Théophile Gervet, PDG de Genesis AI, une entreprise de robotique humanoïde qui a levé 105 millions de dollars cette année, n’est pas d’accord. Pour lui, « nous sommes encore trop tôt dans cette vague pour qu’une stratégie purement logicielle fonctionne. Notre approche, c’est de co-concevoir le matériel et l’IA ». Il souligne aussi un autre enjeu majeur : comment cibler son activité dans la robotique physique ?

SPÉCIALISER LES ROBOTS : UNE STRATÉGIE QUI PAIE

Certaines entreprises misent sur des robots spécialisés pour des tâches précises. Gritt installe des robots dans les fermes solaires, Agility déploie ses machines dans des environnements industriels, et Bedrock fait fonctionner des pelleteuses de manière autonome. En revanche, les robots humanoïdes polyvalents restent cantonnés aux laboratoires.

LE DILEMME DU GÉNÉRALISTE : UNE IMPASSE ?

Pour Gervet, la tentation de se spécialiser est forte, car elle permet de générer des revenus et de collecter des données du monde réel. Pourtant, ces données, bien qu’utiles pour des robots spécialisés, ne suffisent pas à faire progresser les modèles polyvalents. Kevin Peterson, directeur technique de Bedrock, explique que sa société commence par l’excavation pour comprendre les défis de « la manipulation en conditions réelles ». Mais l’objectif est de développer une couche d’intelligence applicable à toute une gamme de machines de construction.

GÉRER L'AVALANCHE DE DONNÉES VISUELLES ET LIDAR

La gestion des données est un casse-tête, surtout à cause de leur densité. Les images et les scans lidar (technologie de détection par laser) représentent un volume colossal. Foxglove a annoncé cette semaine un nouveau produit, construit sur le modèle de monde ouvert Nvidia Cosmos. Cet outil permet aux ingénieurs de rechercher des données avec des requêtes en langage naturel sophistiquées, afin de construire des évaluations et des simulations. L’objectif ? Accélérer le triage et le débogage pour que les développeurs puissent itérer plus vite.

QUAND LES ROBOTS AURONT-ILS LEUR « MOMENT CHATGPT » ?

Sam Altman, le patron d’OpenAI, a récemment déclaré que le « moment ChatGPT » pour la robotique n’est qu’à quelques années. Alex Kendall, de Wayve, rappelle que le plus grand déploiement de robots au monde reste encore les aspirateurs autonomes pour particuliers. Pour lui, un vrai « moment ChatGPT » serait une technologie qui enthousiasme les consommateurs, pas seulement les investisseurs déjà très excités.

Cette technologie, que sa société licence déjà aux constructeurs automobiles, représente selon lui une opportunité de plusieurs milliards de dollars. Elle permettrait aussi de construire un modèle d’IA incarné vraiment généraliste.

LA MANIPULATION SIMPLE : LE VRAI TEST POUR LES ROBOTS

Pour Théophile Gervet, le « moment ChatGPT » de la robotique arrivera quand une machine pourra accomplir des tâches de base de manipulation avec fiabilité. « Tu peux parler à un robot en langage naturel et lui demander de pousser, tirer, fermer un ordinateur portable, ranger une table, ou n’importe quelle tâche simple. Et ça marche à 80 % ou plus dès la sortie de la boîte, comme l’expérience ChatGPT. »

PAS DE « MOMENT CHATGPT » POUR LA ROBOTIQUE, SELON FOXGLOVE

Adrian Macneil, PDG de Foxglove, voit les choses différemment. Pour lui, « il n’y aura pas de moment ChatGPT pour la robotique ». Le succès de ChatGPT s’explique par sa distribution massive : zéro à un million d’utilisateurs actifs en une semaine. « La distribution dans le monde réel est bien plus difficile », souligne-t-il. Il préfère évoquer un « moment Apple II » ou un « moment IBM PC » pour la robotique : quand pourra-t-on acheter un robot domestique capable d’accomplir des tâches utiles et amusantes ?

L'AVENIR : ENTRE SPÉCIALISATION ET GÉNÉRALISATION

Les experts s’accordent sur un point : la robotique physique est à un tournant. Les données et les outils manquent encore pour créer des robots vraiment polyvalents. Les entreprises doivent choisir entre se spécialiser sur des niches rentables ou continuer à investir dans des modèles généralistes, encore trop limités. Une chose est sûre : le premier à résoudre ce casse-tête pourrait bien déclencher une révolution technologique comparable à celle de ChatGPT.