Un robot qui recoit l'ordre "pose l'arrosoir dans le bac vert de l'etagere du bas", traverse la piece, attrape l'objet et le range au bon endroit - sans script pre-programme, sans decoupage etape par etape. C'est la demonstration que Google DeepMind a devoilee le 30 juillet 2026 avec Gemini Robotics 2, trois nouveaux modeles qui font passer l'IA physique de Google de la manipulation de table a la coordination du corps entier, "des pieds jusqu'au bout des doigts".
De la table basse au corps entier
Les versions precedentes de Gemini Robotics se limitaient a la manipulation du haut du corps : un bras, une pince, un plan de travail. Utile pour des demonstrations en labo, insuffisant pour un robot cense evoluer dans un environnement domestique ou industriel reel.
Gemini Robotics 2 change de registre. Le modele coordonne pour la premiere fois la marche, l'accroupissement et la manipulation d'objets pendant que le robot raisonne sur la tache en cours. Sur les benchmarks internes publies par DeepMind, les taux de reussite sur des taches de corps entier oscillent entre 45,7% et 76,3% selon la complexite - des chiffres qui montrent a la fois les progres reels et la marge qui reste avant une fiabilite de niveau industriel.
Trois modeles, trois usages
Google ne livre pas un modele unique mais une famille de trois, chacun cible sur un besoin different :
Gemini Robotics 2 VLA (vision-language-action) pilote directement les mouvements du robot a partir d'instructions en langage naturel. Gemini Robotics ER 2 est un modele de raisonnement incarne, disponible en preview publique, qui aide le robot a comprendre son environnement sans forcement generer l'action motrice elle-meme. Gemini Robotics On-Device 2 tourne en local, directement sur le materiel du robot, sans dependance au cloud - un point critique pour la latence et pour des deploiements dans des zones sans connectivite fiable.
Cette segmentation en dit long sur la strategie de Google : plutot qu'un modele monolithique, une boite a outils modulaire que les fabricants de robots peuvent assembler selon leurs contraintes (puissance de calcul embarquee, besoin de latence, cout).
La dexterite, le vrai defi technique
Le morceau le plus impressionnant de la demonstration concerne la main. Gemini Robotics 2 pilote la main SharpaWave a cinq doigts et 22 degres de liberte montee sur le robot humanoide Apollo 2 du fabricant Apptronik. Les taches demontrees incluent nouer une corde ou sceller un sac de congelation - des gestes fins qui exigent une coordination tactile bien plus complexe que saisir un objet rigide.
Les scores de dexterite multi-doigts varient fortement selon la tache, entre 32% et 92% de reussite. Cet ecart illustre une realite que les communiques marketing ont tendance a gommer : certaines manipulations fines restent tres difficiles a generaliser, meme pour un modele entraine sur des volumes massifs de demonstrations.
On-device : adapter un modele a un nouveau robot en quelques heures
Le modele embarque merite un arret particulier. Google affirme que Gemini Robotics On-Device 2 peut s'adapter a un corps de robot entierement nouveau en quelques heures seulement, sans reentrainement complet depuis zero. Si ce chiffre se confirme a l'usage, c'est potentiellement l'element le plus disruptif de l'annonce : le cout et le delai d'adaptation d'un modele de fondation a une nouvelle plateforme materielle sont historiquement l'un des plus gros freins a l'adoption de la robotique par IA generative dans l'industrie.
Pour l'instant, le VLA principal et le modele on-device restent en acces restreint (early access), seul le modele de raisonnement ER 2 etant ouvert en preview publique. Google avance donc prudemment, en testant d'abord aupres de partenaires selectionnes avant une ouverture plus large.
Mon avis
Cette annonce confirme une tendance de fond : les grands labos d'IA generative (Google, mais aussi Figure, Physical Intelligence ou Tesla sur d'autres approches) convergent tous vers l'idee que la robotique humanoide a besoin d'un modele de fondation generaliste plutot que de systemes de controle specifiques a chaque tache. C'est le meme pari que celui fait sur le langage il y a quelques annees : un seul gros modele, entraine sur des volumes massifs de donnees, generalise mieux que des dizaines de systemes specialises.
Les chiffres de reussite publies - entre 32% et 92% selon les taches - sont honnetes, ce qui merite d'etre souligne dans un secteur ou l'effet demo ecrase souvent la rigueur des benchmarks. Mais ils rappellent aussi qu'on est encore loin d'un robot domestique fiable a 99% pour des taches critiques. La vraie question pour 2027 ne sera pas "le robot sait-il marcher et attraper un objet", mais "a quelle frequence echoue-t-il, et que se passe-t-il quand il echoue" - une question de fiabilite industrielle, pas de demo produit.
