Progrès récents
En octobre 2024, plusieurs Optimus de Tesla ont servi des boissons lors du lancement du Cybercab. L’événement a été présenté comme une démonstration d’autonomie, mais les robots étaient contrôlés à distance par des opérateurs humains. En février 2026, Unitree a présenté une chorégraphie de danse martiale au gala du Nouvel An chinois, incluant sauts, pirouettes et même des flips arrière. Le même mois, les World Humanoid Robot Games de Pékin ont enregistré un robot parcourant 100 m en 8,86 s, battant le record humain de 9,59 s établi par Usain Bolt. L’an 2025, le meilleur robot mettait plus de 20 s sur la même distance. Ces performances, bien que spectaculaires, restent limitées à des tâches de courte durée et souvent assistées.
Limites de la manipulation
La manipulation d’objets reste le principal goulot d’étranglement. En septembre 2025, Benjie Holson a publié la « Humanoid Olympics », une liste de 15 tâches de manipulation (ouverture de portes, confection d’un sandwich au beurre de cacahuète, épluchage d’une orange, etc.). Trois mois et demi plus tard, la startup Physical Intelligence a affirmé avoir résolu 10 de ces défis. Le processus reposait sur le « puppeting » : 176 exemples réussis (environ huit heures de données) ont été nécessaires pour apprendre à retourner une chaussette. Malgré ces progrès, le robot a mis quatre à dix fois plus de temps qu’un humain et n’a réussi que 52 % des essais. Ces chiffres illustrent la difficulté de modéliser les réponses physiques variées d’objets comme un oreiller, un sac de chips ou un verre d’eau.
Contraintes économiques et sécuritaires
Déployer des humanoïdes dans des usines ou des commerces implique des exigences de fiabilité et de coût. Un robot doit fonctionner plusieurs heures sans panne, résister à l’usure et être réparable à moindre frais. De plus, la sécurité autour d’humains impose des capteurs redondants et des algorithmes de prévention des collisions, ce qui augmente la complexité matérielle et logicielle. Les démonstrations de danse ou de course ne testent pas ces exigences : le sol est immobile et les scénarios sont prévisibles, alors que la plupart des tâches industrielles exigent une adaptation continue.
Perspectives d’évolution
Les experts s’accordent à dire que la généralisation reste hors de portée. Les modèles d’IA actuels excellent dans des tâches limitées mais ne possèdent pas la flexibilité cognitive d’un travailleur humain capable d’apprendre en cours d’exécution. Les projets futurs devront intégrer des systèmes de planification à long terme capables de suivre l’avancement d’un projet (assemblage d’un moteur, montage de meubles) et de réagir aux imprévus. En l’absence de percées majeures dans la perception tactile, la planification de trajectoires dynamiques et la réduction des coûts de production, il est raisonnable d’envisager plusieurs décennies avant que les humanoïdes puissent réellement concurrencer les travailleurs humains sur des tâches complexes et prolongées.
