Translate

jeudi 5 novembre 2026

Règle d’analyse des risques des robots humanoïdes - RA-HUM

 

RA-HUM : une règle simple pour séparer l’annoncé du prouvé chez les robots humanoïdes

5 novembre 2026 · UGAIA/AFEES Erol GIRAUDY

Les fabricants d’humanoïdes annoncent des cadences, des usines et des démonstrations spectaculaires. Un COMEX qui doit décider d’un pilote a besoin d’autre chose : savoir ce qui est prouvé, ce qui est seulement déclaré, et ce que cela implique pour la sécurité des salariés, les données et le contrat. La règle RA-HUM (règle d’analyse des risques des robots humanoïdes) répond à cette seule question, en dix axes, un score sur 100 et une décision. Elle fait partie du Guide de gouvernance pour la robotique — 10 robots (partie 4).


1. Annoncé ou prouvé : la leçon du dossier Optimus

Le 21 octobre 2026, dans sa lettre aux actionnaires du troisième trimestre, Tesla a indiqué avoir lancé la production d’Optimus sur ses lignes de Fremont, en « montée en cadence initiale » (early ramp). Aucun rythme de production, aucun client externe, aucun prix n’ont été publiés. C’est le cas d’école : une capacité industrielle peut être affichée sans que la production réelle, la fiabilité ou la sécurité soient démontrées. RA-HUM oblige à classer chaque information : prouvée (mesurée ou vérifiée par un tiers), déclarée (annonce du fabricant), rapportée (presse) ou inconnue.

2. Les dix axes et leur poids

AxePoidsQuestion de contrôle
A1 Maturité industrielle×1Quelle production réelle, et non quelle capacité d’usine ?
A2 Preuve en exploitation×1Quels clients nommés, quelles heures, quels volumes ?
A3 Manipulation et main×2Quelle charge, quel taux de saisie réussie ?
A4 Perception tactile×1Quelle sensibilité, quelle durée de vie ?
A5 Fiabilité et maintenance×2Quel temps moyen entre pannes, quelles pièces d’usure ?
A6 Autonomie IA×3Quel taux de réussite hors tâches entraînées, quelle part de téléopération ?
A7 Sécurité fonctionnelle×3Détection des personnes, arrêt sûr, certification ?
A8 Cybersécurité et données×3Où partent images et données, qui accède au robot à distance ?
A9 Approvisionnement×2Quelle part de la nomenclature dépend d’un seul pays ?
A10 Économie et social×1Quel coût total, quel retour sur investissement, quel dialogue social ?

Chaque axe est coté de 0 à 4 : 0 = preuve indépendante, chiffrée, de moins de six mois ; 1 = chiffre du fabricant recoupé par un client ; 2 = chiffre du fabricant non recoupé ; 3 = information de presse ou signal d’alerte avéré ; 4 = aucune information, ou défaillance documentée. Un signal d’alerte avéré (une capacité d’usine citée à la place de la production réelle, par exemple) fixe la cote à 3 au minimum.

3. La formule, expliquée

Score = 100 × Σ pi ci ÷ (4 × Σ pi)

pi est le poids de l’axe i (1, 2 ou 3) et ci sa cote (0 à 4). Les poids totalisent 19 ; le pire cas, tous les axes cotés 4, vaut donc 19 × 4 = 76 points. En pratique : Score = 100 × points ÷ 76. Le score exprime la part du risque maximal que présente le robot.

Attention au sens de lecture : un score élevé signale un risque élevé. RA-HUM ne note pas la qualité d’un robot. Elle mesure la part de ses capacités qui reste non prouvée à la date de l’analyse. Un robot brillant mais opaque obtient un mauvais score.

Exemple déroulé, Figure 03 (poids × cote) : A1 1 × 2 = 2 ; A2 1 × 2 = 2 ; A3 2 × 2 = 4 ; A4 1 × 2 = 2 ; A5 2 × 3 = 6 ; A6 3 × 2 = 6 ; A7 3 × 3 = 9 ; A8 3 × 3 = 9 ; A9 2 × 3 = 6 ; A10 1 × 3 = 3. Total : 49 points ; 100 × 49 ÷ 76 = 64,47, soit 64 sur 100.

Trois remarques. La sécurité, la cybersécurité et l’autonomie IA pèsent à elles seules 9 des 19 poids : c’est voulu. Le score ne se lit jamais sans les règles d’arrêt ci-dessous, qui priment. Et une fiche sans date n’a aucune valeur : les cotes baissent quand les preuves arrivent.

4. De la note à la décision

ScoreDécisionCe que cela autorise
0 à 25Déploiement envisageableMise en service après les portes de validation G0 à G6, revue trimestrielle
26 à 50Pilote encadréZone isolée, sans co-activité humaine non protégée
51 à 75Veille et essais en laboratoireAucun engagement contractuel ferme
76 à 100Ne pas engagerRéévaluer au prochain jalon du fabricant

Trois règles d’arrêt s’appliquent quel que soit le score : A7 coté 4 interdit toute mise en service à proximité de personnes ; A8 coté 4 interdit tout traitement d’images de salariés ou de public tant que l’analyse d’impact (AIPD) n’est pas faite ; trois axes ou plus cotés 4 valent « ne pas engager », automatiquement.

5. Application : quatre humanoïdes au 31 octobre 2026

Hypothèse : usage industriel générique (manutention, logistique) sur un site européen, avec co-activité humaine possible.

Axe (poids)Figure 03Agility DigitUnitree G1/H2Tesla Optimus V3
A1 Maturité (×1)2313
A2 Exploitation (×1)2134
A3 Manipulation (×2)2233
A4 Tactile (×1)2444
A5 Fiabilité (×2)3344
A6 Autonomie IA (×3)2244
A7 Sécurité (×3)3244
A8 Données (×3)3344
A9 Approvisionnement (×2)3333
A10 Économie (×1)3323
Points sur 7649486670
Score sur 10064638792
DécisionVeille et essaisVeille et essaisNe pas engager (arrêts A7, A8)Ne pas engager (6 axes à 4)

Agility Digit (63) a le dossier d’exploitation le plus solide : plus de 100 000 bacs déplacés chez GXO à Flowery Branch et plus de 65 000 heures cumulées chez ses clients ; GXO étend le déploiement à deux nouveaux entrepôts début 2027. Mais Digit travaille avec des pinces, pas des mains, derrière des barrières, et aucun taux de panne n’est publié.

Figure 03 (64) s’appuie sur une vraie référence industrielle : chez BMW à Spartanburg, la génération précédente, Figure 02, a tenu onze mois, 1 250 heures et plus de 90 000 pièces chargées, pour plus de 30 000 BMW X3, selon Figure AI. Ces résultats portent sur Figure 02 ; pour Figure 03, la sécurité, les données et la fiabilité restent peu documentées.

Unitree G1/H2 (87) est le moins cher et parmi les plus vendus, mais d’abord une plateforme de recherche. Des chercheurs d’Alias Robotics ont documenté une faille Bluetooth donnant un accès root, une clé de chiffrement commune à tous les robots et une télémétrie envoyée toutes les cinq minutes vers des serveurs en Chine, sans que l’utilisateur en soit informé. Le Pentagone a inscrit Unitree sur sa liste 1260H le 8 juin 2026. Les règles d’arrêt A7 et A8 suffisent à exclure toute mise en service près de salariés ; un usage reste possible en laboratoire isolé, hors réseau, Bluetooth désactivé.

Tesla Optimus V3 (92) sert de référence : production annoncée, mais aucune donnée d’exploitation, de fiabilité ni de sécurité publiée. Six axes cotés 4.

6. Ce que le score dit, et ce qu’il ne dit pas

Ces scores mesurent le risque d’un engagement à une date donnée, pour une hypothèse d’usage précise. Ils ne jugent pas la valeur des technologies ni le sérieux des équipes. Un fabricant fait baisser son score en publiant des preuves : faire passer l’autonomie IA (A6) de 3 à 1 grâce à un essai indépendant retire 6 points, soit environ 8 points de score. Pour Figure 03 ou Digit, passer sous la barre de 50 (pilote encadré) demanderait par exemple des résultats réels chez le client, une certification de sécurité, des données de fiabilité et la localisation des données dans l’Union européenne. La fiche se refait à chaque jalon : livraison de Digit 5, nouveaux résultats chez BMW, entrée en application du Règlement Machines.

7. L’ancrage réglementaire européen

  • Règlement Machines (UE) 2023/1230, applicable le 20 janvier 2027 : robots mobiles autonomes et composants de sécurité à base d’IA, marquage CE (axes A5, A7, A8).
  • AI Act, article 5 : pas de reconnaissance des émotions sur le lieu de travail, déjà applicable ; annexe III (emploi), au 2 décembre 2027, si le robot surveille ou évalue des salariés ; article 4 : former les personnes qui exploitent le système.
  • RGPD : caméras et micros filment des salariés ; base légale, AIPD et transferts hors UE (États-Unis, Chine) sont à traiter avant tout pilote.
  • ISO/IEC 42001 : la fiche RA-HUM s’intègre au système de management de l’IA, comme preuve à la porte G0 de qualification du projet.

Pour aller plus loin

La règle complète (questions de contrôle, preuves attendues, conditions pour changer de classe) figure dans la partie 4 du Guide de gouvernance pour la robotique — 10 robots, avec le radar de gouvernabilité des dix familles de robots, les huit portes de validation G0 à G7 et un pilote de 90 jours. 

Message au COMEX : commencer par les cobots et les AMR, dont le retour sur investissement est prouvé, et réserver l’humanoïde au laboratoire tant que son score dépasse 50.


Sources


UGAIA/AFEES Erol GIRAUDY — about.me
ugaia.eu · uga-ia.blogspot.com · larselesrse.blogspot.com · cluboffice2010.blogspot.com · erolgiraudy.eu


jeudi 29 octobre 2026

Guide de Référence pour le Déploiement des Robots Humanoïdes d’Assistance.

Cadre stratégique, réglementaire, technique et humain pour une intégration responsable.




















Entre révolution technologique et transformation sociétale, les robots humanoïdes d’assistance 

s’imposent progressivement dans les établissements de santé, les industries et les espaces publics. 

Leur déploiement ne peut cependant se limiter à une approche technologique. 


Il nécessite un cadre robuste associant conformité réglementaire, sécurité opérationnelle, 

gouvernance éthique et accompagnement humain.

 

Pourquoi les robots humanoïdes vont transformer 

nos organisations.


Le vieillissement de la population, les tensions sur les ressources humaines, la recherche d'une 

meilleure qualité de service et les progrès de l'intelligence artificielle incarnée ouvrent la voie à 

une nouvelle génération de robots capables d'interagir naturellement avec leur environnement.


Dans les EHPAD, les hôpitaux, les résidences autonomie ou encore les espaces publics, ces systèmes 

peuvent :

  • Assister les professionnels dans les tâches répétitives.
  • Améliorer l'autonomie des personnes âgées ou en situation de handicap.
  • Faciliter l'orientation et l'accueil des visiteurs.
  • Renforcer la sécurité des infrastructures.
  • Contribuer au maintien à domicile.

Cependant, l'intégration de robots humanoïdes équipés d'IA avancées de type 

Vision-Langage-Action (VLA) implique également des enjeux majeurs en matière de 

sécurité, de cybersécurité, de protection des données et d'acceptabilité sociale.

 

Les 4 piliers d'un déploiement réussi

 

1. Conformité réglementaire : AI Act, RGPD et 

gouvernance des données.

Les robots humanoïdes d'assistance sont susceptibles d'être classés parmi les systèmes 

d'intelligence artificielle à haut risque dans le cadre du règlement européen AI Act.


Gouvernance des données (Article 10)

Les données utilisées pour l'entraînement, la validation et les tests doivent répondre à des exigences

 strictes :


✅ Représentativité des utilisateurs et situations réelles

✅ Prise en compte des handicaps, troubles cognitifs ou altérations de la parole

✅ Détection systématique des biais algorithmiques

✅ Anonymisation ou pseudonymisation des données personnelles

✅ Respect du RGPD dès la conception ("Privacy by Design")


Contrôle humain permanent (Article 14)

Le principe de supervision humaine doit être garanti :

  • Bouton d'arrêt d'urgence physique accessible.
  • Arrêt à distance sécurisé.
  • Téléopération immédiate.
  • Possibilité de neutralisation manuelle.
  • Visualisation claire de l'état du robot.


Robustesse et cybersécurité (Article 15)

Un robot humanoïde ne doit jamais devenir un risque pour son environnement.

Les bonnes pratiques incluent :

  • Chiffrement AES-256 des données.
  • Authentification forte.
  • Protection contre le spoofing des capteurs.
  • Mise à jour logicielle signée.
  • Tolérance aux pannes sans perte d'équilibre.

 

2. Sécurité opérationnelle et supervision humaine

 

La confiance des utilisateurs repose d'abord sur la sécurité.

Les dispositifs indispensables

Arrêt d'urgence multimodal

Le robot doit pouvoir être stoppé instantanément :

  • Bouton physique « coup-de-poing »
  • Télécommande sécurisée
  • Commande vocale prioritaire :

« STOP ROBOT »

Reprise en main (Override)

À tout moment, l'opérateur doit pouvoir reprendre le contrôle :

  • Interruption immédiate de mission
  • Passage en téléopération
  • Blocage des trajectoires automatisées

Transparence des états internes

Le robot doit signaler clairement :

🟢 Veille

🔵 Observation

🟠 Action

🔴 Erreur ou anomalie

 

Charte éthique : placer l'humain au centre

 

La réussite d'un projet robotique repose autant sur l'éthique que sur la technologie.

Principes fondamentaux

Respect de la dignité humaine

Le robot est un outil d'assistance.

Il ne remplace jamais :

  • Le lien social
  • Le jugement humain
  • L'accompagnement thérapeutique
  • La relation de soin

Protection de la vie privée

Les meilleures pratiques actuelles privilégient une approche :

Edge AI

Les traitements IA sont réalisés localement :

  • Reconnaissance visuelle embarquée
  • Traitement vocal embarqué
  • Navigation autonome locale

Sans transmission systématique des flux vidéo ou audio vers le cloud.

Zones d'exclusion privées

Certaines zones doivent être automatiquement protégées :

  • Chambres
  • Sanitaires
  • Espaces d'intimité

Les capteurs audio et vidéo y sont désactivés.

Prévention de la tromperie anthropomorphique

Un robot ne doit jamais se faire passer pour un être humain.

Il est recommandé qu'il rappelle régulièrement :

« Je suis un système robotique d'assistance. »

afin d'éviter toute confusion émotionnelle, particulièrement auprès des publics vulnérables.

 

Outil pratique : checklist de conformité

 

Avant toute mise en service, une auto-évaluation est recommandée.


Domaine

Critère

Statut

Action corrective

Sécurité physique

Limitation de force active

✅ Conforme

Aucune

Gouvernance des données

Suppression automatique des vidéos

⚠ À vérifier

Audit des procédures

Supervision humaine

Téléopération < 2 secondes

❌ Non conforme

Optimisation du réseau

Cybersécurité

Mises à jour signées

✅ Conforme

Maintien du dispositif

 

Les nouveaux métiers de la robotique humanoïde.


Le déploiement des robots crée de nouvelles expertises.

Responsable de flotte robotique

Missions :

  • Gestion des robots déployés
  • Planification des missions
  • Analyse des incidents
  • Gestion des accès utilisateurs

Intégrateur-développeur HMI/IA

Responsable de :

  • ROS2
  • Cartographie SLAM
  • Flux conversationnels
  • Interfaces homme-machine

Technicien de maintenance robotique

Intervient sur :

  • Actionneurs
  • Batteries
  • LiDAR
  • Caméras 3D
  • Calibration capteurs

Référent éthique et usage

Garant de :

  • Conformité AI Act
  • Respect de la vie privée
  • Acceptabilité sociale
  • Médiation homme-robot

 


Cartographie des compétences de demain

Pôle Hardware & Capteurs

Compétences :

  • Mécatronique
  • Électronique
  • Calibration LiDAR
  • Maintenance préventive

Pôle Logiciel & IA Embarquée

Compétences :

  • ROS2
  • SLAM
  • Vision par ordinateur
  • NLP
  • Modèles VLA

Pôle Exploitation

Compétences :

  • Supervision de flotte
  • Téléopération
  • Gestion des incidents
  • Continuité de service

Pôle Gouvernance

Compétences :

  • AI Act
  • RGPD
  • Audit conformité
  • Éthique de l'IA

 

Former les équipes : un facteur clé de succès

 

L'acceptabilité sociale constitue souvent le premier obstacle au déploiement.

Une stratégie de formation structurée est indispensable.

Module 1 : Acculturation

Pour tous les collaborateurs :

  • Comprendre les capacités réelles du robot
  • Déconstruire les mythes
  • Découvrir les règles de sécurité

Module 2 : Utilisation opérationnelle

Pour les équipes terrain :

  • Utilisation quotidienne
  • Gestion des incidents simples
  • Interaction avec les usagers

Module 3 : Administration avancée

Pour les référents techniques :

  • Configuration système
  • Diagnostic N1/N2
  • Audit et conformité

 

Le "Permis de conduire" des robots domestiques

 

À l'image du permis automobile, l'utilisation d'un robot humanoïde à domicile nécessite un apprentissage minimal.

Module A : Préparer le logement

  • Cartographie du domicile
  • No-Go Zones
  • Détection des animaux

Module B : Protocoles d'urgence

  • Arrêt vocal
  • Arrêt physique
  • Modes dégradés

Module C : Vie privée

  • Gestion des caméras
  • Obturateurs physiques
  • Paramètres de confidentialité

Module D : Prévention de la sur-confiance

Les utilisateurs doivent connaître :

  • Les limites du robot
  • Les tâches interdites
  • Les situations nécessitant une intervention humaine

 

Conduite du changement : la méthode recommandée

 

Phase 1 : Immersion

Avant déploiement :

  • Ateliers de découverte
  • Démonstrations interactives
  • Sessions de questions-réponses

Phase 2 : Réseau d'ambassadeurs

Identifier des collaborateurs référents capables :

  • D'accompagner les équipes
  • De diffuser les bonnes pratiques
  • De rassurer les utilisateurs

Phase 3 : Amélioration continue

Mettre en place :

  • Registre de retours d'expérience
  • Réunions hebdomadaires
  • Ajustements progressifs

 

Résumé exécutif pour les directions générales

 

L'adoption des robots humanoïdes d'assistance représente une évolution majeure comparable 

à l'arrivée de l'informatique dans les organisations.

 

Toutefois, le succès ne dépend pas uniquement des performances technologiques.

 

Les projets les plus performants reposent sur quatre fondations essentielles :

✅ Conformité réglementaire (AI Act, RGPD)

✅ Sécurité opérationnelle et contrôle humain permanent

✅ Charte éthique claire et transparente

✅ Formation et accompagnement du changement


L'enjeu n'est pas de remplacer l'humain mais d'augmenter ses capacités dans un cadre sécurisé, 

responsable et respectueux des valeurs fondamentales de la société.

 



Conclusion

 

Les robots humanoïdes d'assistance ne constituent plus une perspective futuriste mais une réalité 

émergente. 


Les organisations qui réussiront leur intégration seront celles qui considéreront simultanément les 

dimensions technologiques, humaines, réglementaires et éthiques. 


La robotique de demain sera autant une affaire de gouvernance et de confiance qu'une question 

d'intelligence artificielle et de mécatronique.


L'impact de l'agentique sur la robotique : vers des systèmes autonomes décisionnels

L'agentique, c'est-à-dire l'utilisation d'agents intelligents autonomes capables de planifier, d'utiliser des outils et d'exécuter des chaînes d'actions complexes, transforme profondément le monde de la robotique. Cette évolution marque le passage de simples machines exécutant des scripts préprogrammés à de véritables systèmes cyberphysiques autonomes capables de prendre des décisions.

Voici les principales dimensions de cette révolution.

1. Du traitement de l'information à l'action physique concrète

Alors qu'un agent logiciel ou conversationnel se limite à la manipulation de données (génération de code, recherches, envoi d'e-mails, etc.), l'agentique appliquée à la robotique, souvent associée à l'IA incarnée (Embodied AI) et aux modèles Vision-Language-Action (VLA), confère à la machine un véritable corps capable d'interagir avec le monde réel.

L'agent est en mesure de :

  • Recevoir un objectif global.
  • Décomposer cet objectif en sous-tâches.
  • Construire un plan d'action.
  • Mobiliser ses capteurs (caméras, LiDAR, capteurs de profondeur).
  • Agir physiquement grâce à ses actionneurs.

Par exemple, un robot pourra interpréter des consignes telles que :

  • « Ranger la pièce »
  • « Assister un résident dans ses déplacements »
  • « Préparer un poste de travail »

2. Autonomie décisionnelle et délégation

L'agentique introduit un véritable changement de paradigme : la machine ne se contente plus de répondre à une requête ponctuelle, elle organise et exécute de manière autonome une succession de tâches pour atteindre un objectif donné.

  • Le transfert de décision
    L'autonomie accrue implique que certaines décisions opérationnelles soient directement prises par le système robotique. Cette capacité soulève des enjeux de gouvernance comparables à ceux observés dans les systèmes d'information d'entreprise.
  • Les niveaux d'autonomie
    Les réglementations, notamment l'AI Act européen, imposent désormais de classifier et d'encadrer précisément le degré d'autonomie accordé aux robots. Cette exigence est particulièrement importante pour les robots d'assistance, de santé ou intervenant auprès de publics vulnérables.

3. Sécurité opérationnelle : Human-in-the-Loop et Kill Switch

L'autonomie physique accroît mécaniquement les risques opérationnels : mouvements imprévus, collisions, mauvaise interprétation d'un contexte ou exécution d'actions non adaptées.

L'agentique impose ainsi l'intégration de mécanismes de sécurité robustes dès la conception.

  • Contrôle humain effectif (Human-in-the-Loop)
    Un opérateur doit pouvoir superviser le robot et reprendre instantanément le contrôle en cas de comportement inattendu. Les architectures critiques visent généralement un délai d'interruption inférieur à 200 ms.
  • Arrêt d'urgence multimodal (Kill Switch)
    Qu'il soit physique (bouton d'arrêt d'urgence sur le robot) ou logiciel (interruption de l'agent autonome), le mécanisme de coupure immédiate devient une condition indispensable à tout déploiement industriel ou médical.

4. Évolution des compétences et de la chaîne de valeur

L'émergence des robots agentiques transforme en profondeur les compétences recherchées et les métiers associés.

  • Recherche et développement
    Forte croissance des besoins en spécialistes de l'IA incarnée, des modèles VLA, de la navigation autonome SLAM 3D, des systèmes embarqués, ainsi que des environnements ROS2 et C++.
  • Gouvernance, conformité et éthique
    Apparition de nouveaux métiers tels que :
    • Auditeur AI Act
    • Robot Safety Officer (RSO)
    • Consultant en éthique de l'IA
    Leur mission consiste notamment à évaluer les risques, auditer les jeux de données, prévenir les biais algorithmiques et garantir le respect de la vie privée.
  • Exploitation sur le terrain
    Développement de nouveaux profils d'intégrateurs robotiques, de gestionnaires de flottes AMR (Autonomous Mobile Robots) et de techniciens spécialisés en maintenance robotique avancée.

5. Acceptabilité sociale et encadrement des usages

Les robots humanoïdes et assistants autonomes étant destinés à interagir de plus en plus étroitement avec l'être humain, notamment dans les établissements de santé ou à domicile, la question de l'acceptabilité sociale devient centrale.

  • Transparence des interactions
    Mise en place de chartes éthiques interdisant notamment la création délibérée de liens émotionnels trompeurs entre la machine et l'utilisateur.
  • Formation des utilisateurs
    Développement de programmes de sensibilisation comparables à un « permis d'utilisation » permettant de comprendre les capacités réelles du robot, ses limites et les risques liés à une confiance excessive (over-reliance).

Conclusion

L'agentique représente probablement l'évolution la plus structurante de la robotique depuis l'apparition de l'automatisation industrielle moderne. 

En associant perception, raisonnement, planification et action physique, elle permet de concevoir des robots capables d'agir de manière autonome dans des environnements complexes.

Cependant, cette autonomie croissante s'accompagne d'exigences tout aussi importantes en matière de sécurité, de gouvernance, de transparence et d'acceptabilité sociale. 

L'avenir de la robotique ne dépendra donc pas seulement des performances technologiques des agents intelligents, mais également de notre capacité à en encadrer l'usage de façon responsable.

---
 Pierre Erol GIRAUDY 


dimanche 25 octobre 2026

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

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