Présentation

Walden Robotics, filiale issue du Toyota Research Institute depuis janvier 2026, a levé 300 millions de dollars en juillet 2026 pour développer des robots à usage général destinés aux lignes de production. Depuis mai 2026, ces machines assurent des postes de machine tending, d’assemblage de pièces et de kitting, des tâches que les fabricants n’avaient pas encore automatisées. L’entreprise cite un déficit d’environ 500 000 postes de machinistes aux États-Unis, soulignant que la partie la plus répétitive du métier peut être prise en charge par la robotique.

Architecture technique

Le modèle « Physical AI » repose sur une chaîne de simulation massive dans les data‑centers avant toute mise en service. CoreWeave, partenaire d’infrastructure, fournit la puissance de calcul nécessaire pour entraîner les modèles de perception et de contrôle, puis les teste dans des environnements virtuels reproduisant fidèlement les contraintes physiques de l’usine. Cette étape de simulation, qualifiée de « tremendous amount of simulation », permet de réduire les itérations physiques, mais ne garantit pas une performance parfaite sur le terrain.

Une fois le modèle validé, le robot est déployé avec une couche d’assistance humaine à distance. Le système détecte les situations où l’autonomie est insuffisante, déclenche un appel d’aide et transmet les données d’erreur à des opérateurs qui interviennent en temps réel. Cette approche rappelle les métiers d’automated loom du XIXᵉ siècle, où un seul opérateur supervisait plusieurs machines.

Déploiement et limites

Le principal obstacle identifié par les dirigeants de Walden est la confiance des usines dans la capacité du robot à demander de l’aide de façon fiable. Un robot qui ne signale pas correctement une anomalie peut entraîner des arrêts de ligne coûteux. De plus, la dépendance à une infrastructure cloud pour la simulation implique des coûts d’énergie et de bande passante significatifs, surtout lorsqu’on considère que chaque modèle doit être ré‑entraîné à chaque modification du processus de fabrication.

Le recours à l’assistance humaine crée également une nouvelle chaîne de responsabilité : les décisions prises à distance doivent être traçables et conformes aux normes de sécurité industrielle. Enfin, le besoin de « continuous learning » impose une mise à jour régulière du modèle, ce qui peut compliquer la gestion des versions dans un environnement réglementé.

Perspectives

Si les robots de Walden réussissent à démontrer une fiabilité suffisante, ils pourraient combler le vide laissé par la pénurie de main‑d’œuvre qualifiée et étendre l’automatisation à des tâches auparavant jugées trop complexes. Cependant, l’adoption à grande échelle dépendra de la capacité des fournisseurs d’infrastructure à offrir des simulations à moindre coût et de la mise en place de protocoles de supervision humaine robustes.