L’IA physique promet de faire évoluer la robotique au-delà de l’automatisation répétitive. Pour Alexandre Embry, directeur du Lab AI Robotics and Experiences chez Capgemini, le sujet n’est plus seulement de programmer des machines, mais de les entraîner à agir dans des environnements réels, variables et contraints.
De la robotique programmée à la robotique entraînée
Longtemps, la robotique industrielle s’est construite autour de machines spécialisées, affectées à une tâche, un scénario opérationnel, un environnement. Avec l’IA physique, Capgemini décrit une rupture d’usage : le robot n’est plus seulement programmé pour reproduire une opération, il est entraîné pour s’adapter.
« Ce ne sont pas des robots qu’on programme, ce sont des robots qu’on entraîne », résume Alexandre Embry, directeur du Lab AI Robotics and Experiences chez Capgemini. Cet entraînement passe notamment par la simulation, par la répétition de scénarios ou par la capture de gestes humains, dans une logique d’« imitation learning ». L’IA sert alors à traduire ces données en comportements exécutables par le robot.
Une seconde couche d’IA intervient directement dans la machine. Elle lui permet de percevoir son environnement, de contourner un obstacle, d’ajuster un geste ou de réagir à une condition imprévue. La différence avec l’automatisation classique tient donc à cette capacité d’adaptation. Capgemini parle de robotique « general purpose » ou polyfonctionnelle : une même plateforme capable de répondre à plusieurs scénarios, là où les robots traditionnels restent fortement spécialisés.
Réindustrialisation, pénibilité, souveraineté : les cas d’usage se précisent
Selon le rapport « Physical AI: Taking human-robot collaboration to the next level », 79 % des organisations investissent déjà dans l’IA physique et 27 % lancent des déploiements ou passent à l’échelle. Mais seules 4 % opèrent réellement à grande échelle.
L’intérêt est pourtant installé. Deux tiers des organisations considèrent l’IA physique comme une priorité majeure pour les trois à cinq prochaines années. Les dirigeants interrogés y voient des applications dans les opérations dangereuses, la micro-logistique, le pick-and-place, l’inspection terrain, l’assemblage dynamique, l’assistance aux soins ou encore l’évaluation de dommages après sinistre.
La pénurie de main-d’œuvre pèse aussi dans les décisions. Pour Alexandre Embry, l’IA physique peut répondre à des tâches « répétitives », « pénibles » ou difficiles à pourvoir, notamment lorsqu’elles exposent les salariés à des risques physiques sur la durée. Le sujet dépasse donc la seule réduction des coûts.
Le rapport souligne également un lien avec la réindustrialisation : 43 % des dirigeants déclarent que la relocalisation de production rend l’IA physique plus attractive. L’idée, selon Alexandre Embry, est de rendre à nouveau possible une production locale à coût maîtrisé, tout en recréant des besoins autour de la maintenance, de l’intégration et de la supervision. Pour certaines industries, la logique rejoint aussi des enjeux de souveraineté et de maîtrise de la chaîne de production.
Passage à l’échelle : les verrous restent nombreux
L’écart entre expérimentation et industrialisation demeure important. Capgemini relève que près de huit dirigeants sur dix considèrent encore le passage à l’échelle comme un défi. Alexandre Embry appelle à « être humble » : la technologie reste au début de sa maturation, à la fois côté hardware, fiabilité, entraînement et robustesse des modèles.
Les robots humanoïdes concentrent l’attention, mais ils restent un pari plus long terme. Dans le rapport, 72 % des dirigeants citent leur immaturité technique, notamment en matière de fiabilité et de dextérité, 63 % évoquent les coûts élevés et 58 % les difficultés d’entraînement. Les robots mobiles autonomes, les bras robotisés industriels et les cobots devraient, eux, porter la croissance à plus court terme.
Les freins ne sont pas seulement technologiques. Régulation, conformité, sécurité des travailleurs, cybersécurité et standardisation doivent être intégrées dès la conception. Alexandre Embry rappelle qu’un robot autonome concentre plusieurs réalités à la fois : une machine-outil, un véhicule autonome et un système d’IA. Cette combinaison le soumet à des exigences multiples.
La cybersécurité devient un point de vigilance central. Un robot voit, entend, collecte des données et évolue dans un environnement industriel. La question n’est donc pas seulement celle d’une prise de contrôle spectaculaire, mais aussi celle de la fuite de données, de l’arrêt de production ou du risque opérationnel. « Il faut le traiter comme un outil qui rentre dans un environnement industriel, et non comme un simple nouveau collègue », insiste Alexandre Embry.
L’IA physique ouvre donc une nouvelle phase de la robotique, moins centrée sur la démonstration que sur l’intégration industrielle. Sa promesse dépendra moins de la forme des robots que de leur capacité à être fiables, supervisés, sécurisés et réellement utiles dans les opérations.
