Robostral Navigate par MISTRAL

Robostral Navigate : le robot qui se repère d'un seul regard

Comment une seule caméra RGB et un modèle de 8 milliards de paramètres pourraient bien changer la donne de la navigation robotique.

Le problème : des robots bardés de capteurs

Demandez à un robot autonome de « quitter le hall, traverser le couloir et s'arrêter face à la deuxième étagère de la salle de stockage ». Pour y parvenir, les meilleurs systèmes actuels s'appuient sur des capteurs de profondeur, des rigs multi-caméras ou des cartes pré-construites de l'environnement. Résultat : du matériel coûteux, des contraintes matérielles fortes, et des déploiements qui ne passent pas à l'échelle.

Robostral Navigate, le premier modèle de navigation incarnée de Mistral AI ( publié en juillet 2026), prend le problème à l'envers : et si le robot n'avait besoin que d'une seule caméra RGB ?

Un VLM de 8B qui montre du doigt où aller

Robostral Navigate est un modèle vision-langage de 8 milliards de paramètres qui reçoit un flux d'images RGB monoculaires — le capteur le plus répandu sur les plateformes robotiques — et prédit des waypoints en pointant simplement la prochaine cible dans l'image.

Point clé : le modèle opère entièrement dans l'espace image, pas dans les coordonnées propres au robot. Cela le rend naturellement robuste aux changements d'intrinsèques caméra et d'échelle de scène. Concrètement, la même politique peut piloter des robots roues, pattes ou aériens sans recalibration. Quand le pointage ne suffit pas (cible hors du champ de vision), le modèle retombe sur des commandes de déplacement : « avance de 2 mètres, 1,5 mètre à gauche, tourne de 25° ».

Pour le contrôle bas niveau, il s'appuie sur une petite politique de diffusion de 121M de paramètres, les deux modèles fonctionnant en série à des fréquences d'inférence différentes.

Entraîné en simulation seulement, du jamais-vu en efficacité

Deux chiffres donnent le ton :

• 2,4 millions de trajectoires générées dans 350 000 scènes simulées — aucune collecte de données réelles ;
• Une recette d'entraînement par prefix-caching qui compresse un épisode entier en une seule séquence : 22× moins de tokens, et un temps d'entraînement réduit de plusieurs mois à quelques jours.

Un masque d'attention arborescent empêche le modèle de tricher en se calant sur les actions vérité-terrain passées, l'obligeant à ancrer ses décisions dans la vision. Et un affinage par apprentissage par renforcement renforce l'exploration et la capacité de récupération face aux obstacles.

Le modèle est construit entièrement en interne, initialisé à partir d'un VLM spécialisé dans le pointage, le comptage et la localisation d'objets. La philosophie de Mistral : une fois qu'il comprend où sont les choses, il apprend à s'y déplacer.

Les résultats : un nouveau SOTA avec une seule caméra

Sur les benchmarks de référence Room-to-Room et Room-Across-Room en environnements continus :

Benchmark	Résultat	Écart
R2R-CE	77,4 % de succès	'+10,5 pts vs meilleur monoscope ; +5,3 pts vs meilleurs systèmes profondeur/multi-caméras
RxR-CE	75,1 % de succès	'+3,9 pts grâce au RL (71,2 % → 75,1 %) ; devant toutes les baselines monoscopes

L'exploit : ce modèle à une seule caméra dépasse des systèmes qui voient plus et mesurent la profondeur. Sur des instructions longues et complexes, il planifie des trajectoires quasi optimales sans capteur auxiliaire.

Pourquoi c'est important pour la robotique

Robostral Navigate illustre trois tendances de fond :

1. La démocratisation matérielle — moins de capteurs, c'est un coût de déploiement en chute libre et la compatibilité avec quasiment toute base robotique existante.
2. La simulation comme moteur d'apprentissage — le Sim-to-Real fonctionne à grande échelle, sans un seul kilomètre de données réelles collectées à la main.
3. L'efficacité d'entraînement comme levier — la compression de 22× des tokens montre que l'innovation algorithmique compte autant que la puissance de calcul brute.

C'est un pas vers une IA incarnée unifiée : un même cerveau visuel-linguistique pour comprendre l'espace et agir dedans.

Pour aller plus loin

• 📄 Le papier :  arXiv:2607.20785
• 🤗 La page Hugging Face :  huggingface.co/papers/2607.20785
• 📢 L'annonce :  mistral.ai/news/robostral-navigate

Discord   https://discord.com/channels/1144547040454508606/@home 

Et vous, pensez-vous qu'une caméra unique suffira à équiper la prochaine génération de robots autonomes ? Dites-le en commentaire.

--- 

 Pierre Erol GIRAUDY 

 http://about.me/giraudyerol

Les agents dans la robotique : types, orchestrateurs et futur

Les agents sont devenus le « cerveau » des robots : 

Panorama des agents IA 2026

Ils transforment une consigne en langage naturel en décisions, puis en mouvements. La robotique passe d'une logique programmée, où chaque geste est codé à l'avance, à une logique agentique : percevoir, raisonner, planifier, agir, se corriger. Pour un COMEX, une DSI ou un RSSI, la question n'est plus « faut-il des robots intelligents ? » mais « comment les gouverner ».

En bref :

Les modèles Vision-Language-Action (VLA) équipent environ 40 % des nouveaux déploiements robotiques en 2026 ; l'orchestration de flottes devient agentique ; et le Règlement Machines s'applique dès le 20 janvier 2027. La couche de sécurité, elle, doit rester déterministe. Les modèles VLA  permettent à un robot de franchir le cap entre la compréhension d'une consigne textuelle ou vocale et l'exécution physique d'un mouvement complexe dans un environnement réel^.

---

1. Comment les agents s'insèrent dans un robot

Une architecture robotique agentique se lit en couches, de la plus lente à la plus rapide. Plus on descend, plus la boucle est rapide et déterministe.

Orchestrateur de flotte secondes à minutes

Répartit les missions entre robots, gère les priorités

↓

Agent planificateur (LLM / SLM) ~1 Hz

Décompose la mission, choisit les compétences

↓

Modèle VLA (Vision-Language-Action) 5 à 10 Hz

Vision + consigne vers intention de geste

↓

Action expert / contrôleur moteur 50 à 200 Hz

Commandes articulaires fluides

↓

Superviseur de sécurité déterministe temps réel dur

Arrêt d'urgence, zones interdites, limites de force — hors IA

Le cœur technique de 2026 est le modèle VLA : il reçoit des images de caméras et une instruction, et produit des actions motrices (couples articulaires, positions de pince, mouvements du corps). Il fonctionne en « double système », inspiré du « penser vite, penser lentement » de Kahneman : un modèle vision-langage lent raisonne et replanifie, un action expert léger génère les commandes rapides (Metavert, AI2Work).

---

2. Exemples concrets

Selon le State of Robotics 2026 du Robotics Center of Silicon Valley, les VLA équipent environ 40 % des nouveaux déploiements robotiques, contre quasiment zéro 18 mois plus tôt (AI2Work).

Catégorie	Acteur / produit	Ce qu'il apporte
Modèle de fondation	NVIDIA GR00T	N1.7 (mars 2026) : dextérité avancée ; N2 (présenté au GTC 2026) intègre des world models ; ambition d'être l'« Android de la robotique »
Modèle de fondation	Physical Intelligence π0	Backbone VLM (PaliGemma) + action expert de type Diffusion Transformer ; poids ouverts (openpi) ; conçu pour piloter différents robots
Modèle de fondation	Google DeepMind Gemini Robotics 1.5	Raisonne avant d'agir, transfère des compétences d'un robot à l'autre (septembre 2025)
Modèle de fondation	Figure Helix	Approche verticale : la même entreprise conçoit le modèle et le robot
Orchestration de flotte	Humanoid KinetIQ	Quatre couches cognitives, de l'agent de flotte (qui traite chaque robot comme un outil) au contrôle corps entier à 50 Hz ; flottes mixtes à roues et bipèdes (février 2026)
Orchestration multi-équipements	Ottonomy Ottumn.AI	Plateforme cloud reliant robots, drones, ascenseurs et systèmes du bâtiment ; conforme au standard VDA 5050
Orchestration d'entrepôt	GreyOrange GreyMatter	Orchestration multi-fournisseurs (AMR, AS/RS, chariots autonomes) de la préparation de commandes
Déploiement industriel	Boston Dynamics Atlas	Version de production présentée au CES 2026 ; premières livraisons à Hyundai et Google DeepMind, qui y intègre Gemini Robotics
Agent spécialisé	Dexterity Foresight	World model + agent de chargement de camions en 4D (trois dimensions + temps), décision par colis en moins de 400 ms (mars 2026)

---

3. Types d'agents en robotique

Le type le plus robuste aujourd'hui est l'agent hybride : un planificateur LLM qui appelle des compétences classiques validées.

Type d'agent	Principe	Force	Limite
Réactif	Règle stimulus → réponse (évitement d'obstacle)	Rapide, prévisible	Sans mémoire ni plan
Délibératif / planificateur	LLM qui décompose une mission (ReAct, chaîne de pensée) et appelle des compétences comme des outils	Gère des consignes ouvertes	Latence, hallucinations
VLA de bout en bout	Perception → action dans un seul modèle	Généralise à des scènes nouvelles	Peu explicable, données rares
À world model	Simule les conséquences avant d'agir	Anticipation	Coût de calcul
Hybride	Planificateur LLM + compétences classiques (SLAM, MoveIt)	Robuste, auditable	Intégration plus lourde
Interaction humaine	Dialogue, clarification des consignes, explication	Confiance, acceptabilité	Dépend de la qualité du langage
Superviseur / guardian	Surveille les autres agents, valide ou bloque une action	Sécurité, traçabilité	Doit rester déterministe

---

4. Types d'orchestrateurs

Le choix d'orchestrateur arbitre entre auditabilité (modèle centralisé) et résilience (modèle décentralisé).

Modèle	Fonctionnement	Avantage	Risque
Hiérarchique (chef d'orchestre)	Un agent central assigne les tâches	Simple à auditer	Point de défaillance unique
Décentralisé / essaim	Chaque robot négocie localement (enchères, consensus)	Résilient	Difficile à tracer
Blackboard (tableau partagé)	Les agents publient et lisent un état commun	Naturel avec ROS 2 (topics)	Cohérence de l'état
Événementiel	Déclenchement par événements ERP / WMS (commande reçue → mission)	Intégration métier	Dépendance aux systèmes amont
Humain dans la boucle	Validation humaine aux points critiques	Indispensable pour l'irréversible	Ralentit le flux

Outillage courant : ROS 2 avec Nav2 / MoveIt pour l'exécution, NVIDIA Isaac pour la simulation, et des frameworks agentiques (LangGraph, CrewAI, ou MCP pour exposer les compétences d'un robot comme des outils).

---

5. Recommandations pour une approche souveraine

Principe directeur : l'IA propose, une couche déterministe certifiée dispose.

Architecture

1. Planificateur local avec Ollama : un SLM (Phi-4, Llama, Mistral) en tool calling sur ROS 2, qui choisit parmi un catalogue fermé de compétences validées. Il ne pilote jamais directement les moteurs.
2. Séparation stricte : limites de vitesse, de force et zones interdites restent dans une couche de sécurité déterministe.
3. Journalisation de chaque décision : prompt, contexte, outil appelé, résultat — indispensable pour l'audit.

Conformité

• RGPD : les caméras d'un robot captent des personnes → floutage à la source, traitement local, minimisation, analyse d'impact (AIPD). Rappel : un flux pseudonymisé reste une donnée personnelle ; seule une anonymisation effective sort du champ du RGPD.
• AI Act : un système d'IA servant de composant de sécurité d'une machine relève du haut risque via l'Annexe I. Le calendrier d'application des obligations haut risque fait l'objet d'ajustements : à vérifier au lancement du projet. L'article 4 (maîtrise de l'IA) s'applique déjà aux équipes qui exploitent ces systèmes.
• Règlement Machines 2023/1230 : applicable au 20 janvier 2027, il encadre les machines à comportement évolutif et les fonctions de sécurité fondées sur l'IA (Meticulous Research).
• NIS2 et ISO/IEC 42001 : pour les entités concernées, la flotte robotique entre dans le périmètre de cybersécurité ; un système de management de l'IA (ISO/IEC 42001) structure la gouvernance de bout en bout.

Ces principes s'inscrivent dans les cadres UGAIA © et AFEES © de gouvernance de l'IA souveraine.

6.Risques Robotique IA

Voici la grille d'évaluation et de qualification des risques appliquée aux équipements robotiques dotés d'agents IA (AMR, bras articulés, chiens d'inspection, humanoïdes ou cobots).

Cette grille croise le cadre de gouvernance UGAIA, l'AI Act (Annexe I — Systèmes à haut risque), le Règlement Machines (UE 2023/1230) et le RGPD. Elle repose sur le principe directeur inviolable : « L'IA propose, une couche déterministe certifiée dispose ».

Grille d'évaluation des risques en 5 Axes (UGAIA Robotics)

Axes 1 – Sécurité physique et contrôle cinétique

• Qualités évaluées : Nature des actionneurs, force/vitesse, présence d'opérateurs humains à proximité.
• Critères de risque :
  • Risque Élevé / Critique : Le modèle IA (ex. VLA) contrôle directement les moteurs ou la pince sans passer par un filtre déterministe.
  • Risque Maîtrisé : Les limites physiques de force, de vitesse et les zones interdites sont verrouillées par un superviseur de sécurité déterministe temps réel dur (hors IA) à 50–200 Hz.
• Impératif réglementaire : Conformité au Règlement Machines (UE 2023/1230) (applicable au 20 janvier 2027) et qualification en Annexe I de l'AI Act.

Axes 2 – Niveau d'autonomie et boucles de décision

• Qualités évaluées : Degré de liberté de l'agent embarqué ou déporté sur l'Échelle UGAIA (Niveaux 0 à 4)^[8].
• Critères de risque :
  • Niveaux 0 à 2 (Assistant à Action supervisée) : L'agent propose une trajectoire ou un ordre qui exige une validation humaine préalable (Human-in-the-loop / HITL).
  • Niveaux 3 et 4 (Action autonome bornée ou étendue) : L'agent enchaîne seul des appels de compétences (ex. nav2, MoveIt sous ROS 2).
• Garde-fous requis : Plafond strict du nombre d'étapes (step limit), budget temps, budget de calcul/tokens et dispositif d'arrêt d'urgence d'un seul clic.

Axes 3 – Étanchéité réseau et souveraineté d'infrastructure

• Qualités évaluées : Flux de communication du planificateur (LLM/SLM) et du modèle VLA.
• Critères de risque :
  • Inadmissible (Données sensibles/critiques) : Dépendance à une inférence ou à une passerelle Cloud SaaS externe.
  • Conforme / Souverain (Couche 1) : Modèle SLM local (ex. Phi-4, Mistral, Llama sous Ollama) fonctionnant en boucle locale (loopback) dans un namespace sans route sortante ni résolution DNS.

Axes 4 – Captation vidéo, capteurs et vie privée (RGPD)

• Qualités évaluées : Caméras embarquées, LIDAR, microphones et téléopération.
• Critères de risque :
  • Non conforme : Retransmission de flux vidéo bruts identifiants ou possibilité pour un téléopérateur de visualiser des espaces privés sans contrôle.
  • Conforme : Floutage automatique des visages et plaques directement à la source (sur le robot), minimisation des données et réalisation d'une Analyse d'Impact sur la Protection des Données (AIPD / Art. 35 RGPD).

Axes 5 – Traçabilité, arrêt d'urgence et réversibilité

• Qualités évaluées : Auditabilité des décisions cognitives et mécanismes de suspension.
• Critères de risque :
  • Non auditable / Non gouvernable : Absence de journalisation immuable ou incapacité à stopper l'équipement instantanément.
  • Conforme (Garde-fous 3 & 5) : Journalisation de chaque décision (prompt, contexte, outil ROS 2 appelé, paramètre) via un mlflow_run_id étendu consigné sur volume append-only, associé à un Kill Switch persistant.

---

 Synthèse de Qualification pour Décision COMEX / RSSI / DPO

Axe de contrôle	Point d'application	Preuve obligatoire exigée	Statut de validation
Sécurité Physique	Couche 1 (OS/Automate)	Certificat de conformité du contrôleur moteur déterministe	Bloquant (G4)
Confinement Réseau	Couche 1 (Réseau/OS)	Capture de flux nftables prouvant l'absence de trafic sortant	Bloquant (TR-049)
Arrêt d'Urgence	Couche 2 (Broker)	Test d'activation du Kill Switch persistant (survie au reboot)	Bloquant (G6)
Protections PII / Vidéo	Source embarquée	Preuve du floutage vidéo local + avis AIPD signé par le DPO[7]	Bloquant (G5)
Traçabilité des Ordres	Couche 2 (Broker)	Export du journal MLflow / SIEM avec identifiant d'agent unique	Requis (G3)

---

Pour passer de la fabrique à la production, l'agent doit franchir 7 portes de validation automatisées et humaines :

• G0 (Demande) : Qualification du besoin métier, sponsor et niveau d'autonomie visé.
• G1 (Construction) : Génération du bundle par un agent constructeur dans un bac à sable sans accès aux données réelles.
• G2 (Conformité du bundle) : Contrôle automatique de la structure du SKILL.md et des manifestes d'outils/MCP.
• G3 (Évaluation) : Exécution d'une suite de tests automatisée avec seuils bloquants (MLflow).
• G4 (Sécurité) : Revue d'injection de prompt et vérification du moindre privilège par le RSSI.
• G5 (Données) : Analyse d'impact (AIPD) et validation de la classification par le DPO.
• G6 (Promotion) : Signature et enregistrement final par le propriétaire humain.

7. Le futur (2027–2035)

La gouvernance multi-agents sera le facteur décisif de confiance et de conformité.

• World models généralisés : le robot « imagine » avant d'agir ; segment à plus forte croissance selon les analystes.
• Transfert entre robots (cross-embodiment) : un même modèle pour bras, AMR et humanoïdes.
• Robots comme agents de l'entreprise : connectés à l'ERP, à la GMAO, au WMS, orchestrés comme les agents logiciels.
• IA embarquée (edge) : modèles exécutés sur le robot, favorables à la souveraineté et à la latence.
• Gouvernance multi-agents : traçabilité, arrêt d'urgence logiciel (kill-switch), certification.
• Marché : les modèles de fondation robotiques sont projetés à 24,85 milliards USD en 2036 (environ 0,99 milliard en 2026), estimation de cabinet à prendre avec prudence (Meticulous Research).

---

Sources

• Vision-Language-Action Models — Metavert
• VLA: The Hidden Brain in New Robots — AI2Work (juillet 2026)
• Robot Foundation Models Market 2026-2036 — Meticulous Research (octobre 2026)
• Pi0 — Intel Open Edge Platform
• Introducing KinetIQ — Humanoid
• CES 2026 : Boston Dynamics Atlas — Robotics 24/7
• Dexterity Foresight — Robotics 24/7
• Ottonomy Ottumn.AI — Robotics 24/7

Exosquelettes, chiens robots, humanoïdes de toutes tailles, robots compagnons : la robotique « incarnée » quitte les salons pour entrer dans les usines, les entrepôts et bientôt les foyers. Voici les modèles déjà commercialisés ou annoncés à court terme (fin 2026 à 2027), classés par famille, avec une lecture gouvernance pour les décideurs européens.

Prix indicatifs relevés en octobre 2026, variables selon les sources et les configurations.

---

1. Exosquelettes

Les exosquelettes sont le segment le plus mûr pour le grand public : légers, abordables, déjà en vente.

Modèle	Type	Disponibilité / prix
Hypershell Halo	Jambe complète, s'enfile en moins de 20 s	Présenté à l'IFA 2026, 2 299 $, commandable (livraison dans certaines régions)
Ascentiz série H (H Pro, H Ultra)	Modulaire, assistance de hanche	Montré au CES 2026, en vente directe depuis l'été 2026
Haier W3	1,75 kg, apprentissage IA de la démarche	Environ 2 200 $, en magasin
Sumbu Exo-S3 (S3, Pro, Ultra)	Grand public, double vecteur, terrain réel	Lancé au CES 2026
Wandercraft Eve (France)	Médical, auto-équilibré	Autorisé par la FDA pour certains utilisateurs de fauteuil roulant, lancement officiel en septembre 2026
Able Human Motion (spin-off UPC, Catalogne)	Rééducation, léger et peu coûteux	En préparation

---

2. Chiens robots : portage, inspection, surveillance

Le marché va de l'éducation (environ 1 600 $) à l'inspection de sites dangereux (plus de 150 000 $).

Modèle	Usage principal	Repère
Unitree Go2	Éducation, recherche, loisirs	À partir d'environ 1 600 $
Deep Robotics Lite3	Recherche, éducation	Quelques milliers de $
Boston Dynamics Spot	Inspection industrielle, sécurité	Environ 75 000 $ de base
Unitree B2	Industriel, charge utile	Prix très variables selon les sources
ANYbotics ANYmal X (Suisse)	Sites dangereux (pétrochimie, énergie)	150 000 $ et plus, sur devis
Ghost Robotics Vision 60	Défense, sécurité, recherche et sauvetage	Charge utile 10 kg, plus de 3 h d'autonomie
Vbot SuperDog	Portage grand public	Lancement mondial annoncé prochainement

• Spot devient plus autonome : en avril 2026, Boston Dynamics y a intégré Gemini Robotics-ER 1.6 (Google DeepMind) pour détecter des débris dangereux et lire des manomètres. Plus de 2 000 unités sont déployées dans plus de 40 pays.
• ANYmal X fonctionne en zone ATEX 1 (atmosphère explosive), un atout clé pour les sites industriels européens.
• Vbot SuperDog est le vrai « chien de portage » grand public : suivi autonome de son utilisateur et transport de charges sur terrain difficile.
• Ghost Vision 60 embarque, en version sécurité, détection et suivi de cibles avec imagerie basse lumière et thermique. Il peut aussi être armé, ce qui place ce modèle hors du champ civil.

---

3. Humanoïdes, de toutes tailles

Les petits formats sont déjà achetables ; les modèles industriels sont livrés en volumes limités ; les robots domestiques arrivent fin 2026.

Modèle	Segment	Disponibilité / prix
Noetix Bumi	Petit format	Environ 1 400 $, cité comme le moins cher du marché
Rotaku Domo	Compact, développeurs	Moins de 3 000 $, réservations ouvertes
Unitree R1	Petit format	5 900 $
Unitree G1	Format moyen, recherche	Environ 13 500 à 16 000 $ selon les sources
Unitree H2	Taille adulte, industrie	29 900 $, 182 cm, 70 kg
Figure 03	Industrie	Plus de 350 livrés (avril 2026), capacité annoncée de 12 000 par an
Boston Dynamics Atlas	Industrie	Production 2026 réservée (Hyundai, Google DeepMind), autres clients à partir de 2027
Tesla Optimus	Industrie, puis grand public	Calendrier incertain ; ventes externes limitées visées fin 2027
1X NEO	Maison	20 000 $ ou 499 $/mois, premières livraisons aux États-Unis promises fin 2026
NEURA 4NE1 (Allemagne)	Polyvalent	À partir de 19 999 €
LG CLOiD	Maison	Présenté au CES 2026

• Également en service : Agility Digit, Apptronik Apollo, Humanoid HMND 01 (partenariats Schaeffler et Bosch).
• Tesla Optimus : mi-juillet 2026, la ligne de Fremont était libérée mais la production n'avait pas commencé.
• 1X NEO : certaines tâches pourront être réalisées par un opérateur humain à distance, à des créneaux planifiés. Une personne peut alors voir l'intérieur du domicile par les caméras du robot : c'est un point RGPD direct.
• Europe : la start-up parisienne UMA, fondée par un ancien scientifique d'Optimus, prépare Northstar, un humanoïde fabriqué en Europe. Un sujet de souveraineté à suivre.

---

4. Autres familles à suivre

• Robots compagnons et assistance aux seniors : Haier, Ecovacs, TCL et Hisense ont présenté des robots domestiques à l'AWE 2026 ; celui de Haier détecte la chute d'une personne âgée et prévient la famille.
• Surveillance domestique : Amazon Astro (1 599 $, sur invitation) reconnaît les membres du foyer et signale les visages inconnus.
• Robots terrestres militaires : l'Ukraine a commandé 50 000 robots terrestres pour 2026, la plus grosse commande de ce type à ce jour (RoboZaps, d'après IEEE Spectrum).
• Manipulateurs mobiles et logistique : par exemple Dexterity Mech pour le chargement de camions.

---

5. Lecture gouvernance

Trois catégories posent les questions les plus directes aux COMEX, DSI et RSSI :

• Chiens de surveillance et robots domestiques : caméras, reconnaissance faciale et téléopération imposent une analyse d'impact (AIPD) au titre du RGPD et une information claire des personnes filmées.
• Exosquelettes médicaux : ils relèvent du règlement sur les dispositifs médicaux, et pas seulement de l'AI Act.
• Tous ces robots, vendus en Europe : ils passent sous le Règlement Machines 2023/1230 à partir du 20 janvier 2027. Côté AI Act, l'article 4 (maîtrise de l'IA) concerne déjà les équipes qui les exploitent ; le calendrier des obligations haut risque reste à vérifier au lancement de chaque projet.

Ces points s'inscrivent dans les cadres UGAIA © et AFEES © de gouvernance de l'IA souveraine.

---

Sources

• Exoskeleton Report — newsletter août 2026
• Wandercraft Eve — HME News
• Prix des chiens robots 2026 — Robotics Center
• Boston Dynamics, profil 2026 — robotics.press
• How Much Does a Humanoid Robot Cost? — eWeek
• Humanoid robot news, juillet 2026 — RoboZaps
• 1X NEO — OODA Loop
• Robots domestiques à l'AWE 2026 — KrASIA
• GitLab Duo Agent Platform
• Best AI Voice Agents & Phone Answering 2026 | ToolChase
• GitLab Orbit : le contexte pour les agents d'IA
• External agents - GitLab-managed
• UGAIA_Modeles_HF_Tokens_Poids_GPU

---

La planche 3 répond à la question « avec quels produits construire le robot ? » C’est l’écosystème des agents et des modèles : pour chaque niveau de la planche 1, elle liste les solutions disponibles sur le marché et recommande un choix.

C’est un tableau :

• En lignes, les niveaux de décision : N3 cognitif, N2 raisonnement incarné, N1 motricité, N0 réflexe, puis la validation et les garde-fous. Chaque ligne rappelle les numéros des composants concernés sur la planche 1.
• En colonnes, l’origine des solutions : open source exécutable en local (Hermes, GR00T, Phi-4…), européen (Mistral), fournisseurs américains (Claude, Gemini Robotics…) et briques classiques certifiables sans IA (Nav2, MoveIt 2, ros2_control).
• Une dernière colonne donne la sélection recommandée pour un profil hybride souverain.

Les Agents IA les plus utilisés en 2026

En octobre 2026, Claude Code domine les agents de code, Hermes Agent et OpenClaw les agents personnels, LangChain et LangGraph les frameworks. Ces trois classements reposent sur des métriques différentes et ne se comparent pas entre eux :

• Agents de code : enquêtes d'adoption auprès des développeurs.
• Agents personnels : volume de jetons traités via OpenRouter.
• Frameworks : téléchargements de paquets et étoiles GitHub.

Cet article dresse ce panorama, puis examine les exigences de confinement, les risques propres aux agents autonomes et la réponse qu'y apporte le cadre UGAIA.

---

1. Quels agents sont les plus utilisés en 2026 ?

Agents de code — adoption au travail, mi-2026

Selon l'enquête JetBrains (plus de 15 000 développeurs professionnels), 90 % des développeurs utilisaient un agent de code au moins une fois par semaine en mai–juillet 2026, et 68 % chaque jour. Claude Code est l'agent le plus adopté au travail.

Agent	Éditeur	Adoption au travail	Observation
Claude Code	Anthropic	~39 %	18 % en janvier 2026 ; choisi par 75 % des petites startups
GitHub Copilot	Microsoft / GitHub	21 %	Prédominant dans les entreprises de plus de 10 000 salariés (56 %)
Codex	OpenAI	16 %	Multiplié par 5 depuis janvier 2026
Cursor	Anysphere	12 %	En recul
JetBrains AI / Junie	JetBrains	~9 %	—
OpenCode	Open source	7 %	42 % de notoriété
Google Antigravity	Google	6 %	Stable

Agents personnels et généralistes — trafic OpenRouter, mai 2026

Hermes Agent (Nous Research) a dépassé OpenClaw le 10 mai 2026 au classement quotidien d'OpenRouter : 224 milliards de jetons par jour, contre 186 milliards.

Agent	Éditeur	Indicateur
Hermes Agent	Nous Research (licence MIT)	N° 1 en volume quotidien depuis le 10/05/2026
OpenClaw	Open source (Peter Steinberger)	Devant en cumul au moment du dépassement : 9,17 billions de jetons, contre 6,35 pour Hermes
Kilo Code, Claude Code, pi, Cline, Roo Code, OpenHands	Divers	Relevé du 21/05/2026 : Kilo Code 3e (163 Md/jour), Claude Code 5e (64,1 Md), pi 6e (58 Md), Cline 11e, Roo Code 12e, OpenHands 19e

Deux réserves s'appliquent. OpenRouter ne compte que les applications qui acceptent le suivi de leur trafic : Claude Code, Copilot ou Codex utilisés directement chez leur éditeur n'y figurent pas. Le classement varie aussi selon la fenêtre de mesure ; il faut vérifier la page en direct avant toute citation datée.

Frameworks pour construire des agents

LangChain et LangGraph dominent les installations : environ 309 millions et 66,5 millions sur 30 jours au 27 juillet 2026.

Framework	Indicateur
LangChain / LangGraph	~309 M (LangChain) et ~66,5 M (LangGraph) installations sur 30 jours
CrewAI	~10,8 M installations sur 30 jours ; licence MIT ; ~51 000 étoiles GitHub
Mastra (TypeScript)	~4,9 M installations par mois
Microsoft Agent Framework	Fusion d'AutoGen et de Semantic Kernel ; v1.0 en avril 2026
n8n (low-code)	~190 000 étoiles GitHub, le plus étoilé du panel

Sont également cités : OpenAI Agents SDK, Google ADK, Pydantic AI, LlamaIndex, smolagents et Claude Agent SDK.

Modèles à poids ouverts

Les paramètres, la longueur de contexte, les licences et les besoins en GPU des principaux modèles à poids ouverts (Hermes 4, Llama 3.3, Phi-4, Mistral Small 4, Qwen3-Coder-Next, gpt-oss) sont réunis dans un tableau relevé sur les fiches Hugging Face au 22/10/2026 : consulter le tableau. Ses sources figurent dans l'onglet « Sources ».

---

2. Confinement réseau des agents IA

L'étanchéité réseau requise pour les agents IA repose sur un confinement strict en Couche 1 (réseau / système d'exploitation), résumé par la règle : « Le prompt exprime, le contexte filtre, le broker contraint, l'OS garantit. » Seule la Couche 1 garantit techniquement l'absence d'exfiltration de données.

Les exigences de confinement en Couche 1

Pour qu'un agent autonome, en particulier de niveau 3 ou 4, soit jugé conforme et gouvernable, son environnement d'exécution doit respecter les contraintes suivantes :

• Namespace sans route sortante ni DNS : l'agent s'exécute dans un espace isolé, sans route vers Internet ou le réseau externe et sans résolution DNS.
• Inférence en loopback : la communication entre l'agent ou l'orchestrateur et le modèle de langage (SLM local comme Mistral, Phi-4 ou Llama sous Ollama) passe exclusivement par la boucle locale.
• Sandbox jetable sans accès réseau : toute exécution de code, de script ou d'outil a lieu dans un conteneur éphémère privé de réseau.
• UID de service dédié : l'agent fonctionne sous un identifiant système non privilégié, aux droits strictement restreints sur le système de fichiers.

Fermeture systématique des surfaces réseau sortantes

Déployer un modèle local ne garantit pas la souveraineté si des passerelles réseau restent ouvertes. La gouvernance exige la désactivation explicite de toutes les surfaces réseau secondaires :

• Recherche web et accès URL : retrait des outils de requête HTTP et de navigation web de la liste d'autorisations (allowlist).
• Navigateurs automatisés : interdiction d'installer des agents de scraping ou de navigation dynamique.
• Connecteurs inter-agents (A2A) et MCP distants : interdiction des serveurs MCP externes et des canaux d'agent à agent non contrôlés par le broker.
• Gateways sortants : suppression des connecteurs d'envoi automatique (e-mails, webhooks, API externes).

Grille d'admissibilité et tests de contrôle (profil souverain « Andorre »)

Pour admettre un agent ou une plateforme agentique sur des données critiques (niveau 4), la DSI et le RSSI vérifient les critères bloquants suivants :

• Test de coupure réseau complète : démontrer que le cycle d'exécution complet de l'agent fonctionne dans un namespace sans route sortante ni DNS.
• Contrôle de télémétrie par capture nftables : capturer les flux au niveau du système d'exploitation pour prouver qu'aucune requête de licence, d'authentification en ligne ou de télémétrie ne sort.
• Indépendance vis-à-vis du SaaS : les agents de code et assistants SaaS (Claude Code, Copilot, ChatGPT…) ne pouvant pas offrir ce confinement local en Couche 1, ils sont proscrits pour les données de niveau 4.

---

3. Risques des agents IA autonomes

Les limites et vulnérabilités des agents autonomes se structurent autour de cinq axes techniques, cognitifs et réglementaires.

Les quatre risques opérationnels majeurs

Contrairement aux chatbots, qui produisent du texte, les agents agissent directement sur les systèmes d'information. Cette capacité d'action introduit quatre risques spécifiques :

• L'action irréversible : l'agent exécute des opérations (écriture, envoi d'e-mails, suppression de fichiers, modification de droits) sans validation humaine à chaque étape.
• L'enchaînement d'outils imprévu : une suite d'appels, chacun légitime pris isolément, peut produire un effet global inattendu ou contraire à l'intention initiale.
• L'exfiltration via les outils : des outils de sortie légitimes (messagerie, requêtes HTTP, webhooks) peuvent devenir des canaux de fuite de données ou relayer des injections de prompt indirectes.
• La boucle non bornée : l'agent s'enferme dans un cycle d'essais et d'erreurs, consomme des ressources (jetons, puissance GPU) et fait exploser les coûts sans converger.

Les cinq défaillances de gestion du contexte

Gartner et le cadre UGAIA identifient la gestion du contexte comme l'une des principales sources d'échec des agents autonomes :

• Information perdue : oubli d'instructions ou de données clés situées au milieu d'une longue fenêtre de contexte.
• Empoisonnement par hallucination répétée : l'agent réinjecte ses propres hallucinations dans sa mémoire à long terme, ce qui aggrave les erreurs futures.
• Distraction par excès de contexte : une surabondance d'informations perturbe le raisonnement.
• Confusion par contenu non pertinent : l'agent ne sépare plus les données utiles du bruit.
• Conflit entre sources : blocage ou décision incohérente face à des sources contradictoires.

L'inefficacité des règles rédigées uniquement dans le prompt

Une règle de sécurité rédigée comme consigne système (dans le prompt ou un fichier SKILL.md) n'est qu'une recommandation : une injection de prompt documentaire suffit à la neutraliser. Par ailleurs, les moteurs de règles sans état (par exemple OPA/Rego) jugent un appel d'outil isolé, sans pouvoir vérifier s'il respecte l'ordre des étapes précédentes.

L'immaturité de la remédiation et du rollback automatisé

Les garde-fous actuels sont préventifs : ils bloquent ou demandent une approbation, mais ne défont pas automatiquement les conséquences d'une action exécutée. Gartner estime que le rollback automatisé des actions d'agents reste embryonnaire, avec un plateau d'adoption à 5–10 ans. La réversibilité doit donc reposer sur des procédures organisationnelles : sauvegardes avant action, transactions compensatoires.

Les limites d'auditabilité et de gouvernabilité

• L'agent non auditable : un agent dont les appels d'outils et les décisions ne sont pas tracés de façon immuable est non auditable, donc non conforme.
• L'agent non gouvernable : sans arrêt d'urgence persistant (kill switch) capable d'interrompre immédiatement l'exécution, un agent ne peut pas satisfaire l'exigence de contrôle humain de l'article 14 de l'AI Act pour les systèmes à haut risque.

---

4. La réponse de la gouvernance UGAIA

Le cadre UGAIA oppose à chacune de ces limites un point d'application vérifiable, selon le principe directeur « Le prompt exprime, le contexte filtre, le broker contraint, l'OS garantit. » Ces contrôles réduisent les risques ; ils ne les annulent pas.

Face aux quatre risques opérationnels

• Action irréversible : le broker (Couche 2) classe les actions en quatre catégories (READ, DRAFT, SEND, DESTRUCTIVE). Les actions à impact externe (SEND) exigent une validation humaine simple ; les actions critiques (DESTRUCTIVE), une double validation humaine et une sauvegarde préalable obligatoire.
• Enchaînement d'outils imprévu : AgentLTL contrôle la séquence temporelle de la trace. Il impose un ordre d'exécution (déployer en préproduction avant la production) et lie les variables entre appels (appliquer exactement l'artefact relu). Le broker réévalue les autorisations à chaque décision.
• Exfiltration via les outils : Presidio pseudonymise les données personnelles avant tout appel d'outil ou envoi externe. Le confinement en Couche 1 enferme l'agent dans un namespace sans route sortante ni DNS, et le broker applique une liste blanche stricte des destinations autorisées.
• Boucle non bornée et explosion des coûts : le garde-fou « Bornage de la boucle et kill switch » fixe des plafonds d'étapes, de durée et de budget. En cas de dépassement, la passerelle bloque l'exécution et le kill switch persistant interrompt l'agent.

Face aux cinq défaillances de gestion du contexte

• Contexte surchargé, distrait ou confus : le registre des sources de contexte (phase 4) garantit qu'un agent ne lit que des sources enregistrées, vérifiées et adaptées à son niveau d'habilitation. Le broker applique une allowlist d'outils et de sources restreinte par tâche.
• Empoisonnement par hallucination et conflits : la provenance est obligatoire en mémoire durable (aucun contenu non sourcé ne devient persistant) ; le principe cite-or-abstain s'ajoute à la détection automatique des contradictions.

Face aux règles « prompt-only »

• Bascule vers des contrôles appliqués : une consigne dans le prompt ou un SKILL.md reste une recommandation vulnérable aux injections. UGAIA déplace la contrainte vers le broker (Couche 2), via des politiques externes OPA/Rego, et vers l'OS (Couche 1).
• Règles temporelles opposables (AgentLTL, TR-070) : les instructions sont converties en règles formelles exécutées en modes bloquants (block, ask, stop). Les commandes masquées ou non analysables (eval, variables de commande $CMD) sont refusées pour empêcher tout contournement par reformulation.

Face à l'immaturité du rollback automatisé

Garde-fou 7 — Remédiation par procédure : faute de rollback automatisé mature, UGAIA compense par l'organisation. Aucune action SEND ou DESTRUCTIVE n'est autorisée sans plan de rollback documenté, instantané d'état préalable ou transactions compensatoires testées.

Face aux limites d'auditabilité et de gouvernabilité

• Garde-fou 5 — Journalisation via mlflow_run_id étendu : chaque décision consigne l'outil appelé, ses paramètres pseudonymisés, la version du modèle, la validation humaine horodatée et l'effet produit. Les journaux sont exportés sur un volume append-only en Couche 1, hors d'atteinte de l'agent.
• Garde-fou 3 — Kill switch persistant : le RSSI peut interrompre le système en temps réel. Le coupe-circuit désactive les outils, survit au redémarrage et bloque le lancement de tout nouveau run.
• Garde-fou 8 — Évaluation continue : suites de tests automatisées (hallucination, toxicité, dérive) en intégration continue et en production, avec seuils bloquants.

---

https://docs.google.com/spreadsheets/d/1W4a7ewpndGUHdSBVBrrIOl_pfqxyOKyfaIz8hWAXOEI/edit?usp=sharing

Sources

• JetBrains Research — AI Coding Agents: Adoption Trends (août 2026)
• The Pragmatic Engineer — AI tooling 2026
• Labellerr — 10 Best AI Coding Agents in 2026 (Stack Overflow 2026)
• OpenRouter — App & Agent Rankings (page en direct)
• Build Fast with AI — Hermes Agent #1 on OpenRouter
• Glukhov — OpenClaw vs Hermes: Stars, Downloads & Usage 2026
• Rick Hightower — LangGraph vs CrewAI vs Claude Agent SDK (données du 27/07/2026)
• Future AGI — Comparing OSS Agent Frameworks 2026
• Tinycommand — Best Open Source AI Agent Frameworks 2026
• GitLab Duo Agent Platform
• Best AI Voice Agents & Phone Answering 2026 | ToolChase
• GitLab Orbit : le contexte pour les agents d'IA
• External agents - GitLab-managed
• UGAIA_Modeles_HF_Tokens_Poids_GPU

---

L'orchestration de l'IA sur l'ensemble du cycle de développement logiciel (SDLC — Software Development Lifecycle) repose sur un principe fondateur : la séparation stricte entre la construction (production du code, des tests, des compétences et des définitions) et l'exploitation (exécution en production).