Contexte organisationnel
En 2026, OpenAI a annoncé la dissolution de son équipe robotique autonome. Les chercheurs concernés ont été réaffectés au sein de l’équipe principale de recherche, placée sous la responsabilité du Chief Research Officer Mark Chen, tandis que les équipes appliquées et hardware ont rejoint la division Applied, dirigée par le président Greg Brockman. Cette réorganisation intervient après la participation prévue à la conférence CoRL, où le stand #208 est resté vide. OpenAI rappelle que la robotique demeure une composante de sa vision à long terme, mais qu’elle ne justifie plus une structure indépendante.
Intégration des modèles généraux en robotique
OpenAI mise désormais sur ses modèles de frontière, notamment GPT‑6 Astra, pour contrôler des systèmes physiques. Le discours officiel indique que les avancées réalisées avec le modèle vidéo Sora, qui doit comprendre les lois physiques pour générer des séquences réalistes, ont conduit à la conviction que les mêmes architectures peuvent être exploitées directement en robotique. Cette approche élimine la nécessité de développer des réseaux spécialisés en « spatial intelligence », réduisant ainsi le nombre de pipelines d’entraînement et les coûts associés.
Évaluation expérimentale
Un partenariat avec Nvidia a permis de mesurer les performances d’un agent alimenté par Astra sur un benchmark de manipulation simulée. L’agent a atteint un taux de succès de 74,8 %, contre 51,0 % pour les meilleurs modèles robotique spécialisés répertoriés sur le même tableau de bord. Les expériences ont fourni à Astra des images de caméra, des informations de configuration robotique et une interface de contrôle, démontrant que le modèle peut raisonner sur la position d’un objet, adapter son plan d’action à des variations d’éclairage et identifier les étapes défaillantes d’une séquence.
Enjeux économiques et perspectives
La décision intervient alors que l’entreprise enregistre des pertes d’exploitation de 10,9 milliards de dollars sur le dernier trimestre, et qu’elle prépare une levée de fonds ainsi qu’une éventuelle IPO en 2027. Réduire les équipes « side‑quests » permet de réallouer les ressources de calcul vers les produits jugés les plus rentables. Malgré ces gains potentiels, les spécialistes soulignent que les modèles volumineux restent dépendants d’une connexion cloud, ce qui impose une latence et un coût d’infrastructure non négligeables pour les robots déployés sur site. Les acteurs industriels, qui accumulent des données d’utilisation réelle sur les lignes de production, conservent un avantage en matière d’adaptation locale. OpenAI prévoit une première démonstration publique de son robot humanoïde en 2027, mais la viabilité à grande échelle dépendra de la capacité à concilier performances de modèle généraliste et exigences de latence embarquée.
