Intelligence artificielle embarquée et cerveaux robotiques : les modèles VLA au service de la robotique (2026)

Navigation de la série : Partie 2 sur 6 Le manuel de l'IA physique

IA en périphérie et modèles de base : pourquoi les robots ne peuvent pas utiliser le cloud

Dans le domaine de l'IA logicielle, un délai d'une demi-seconde dans la réponse d'un chatbot est un désagrément mineur. En IA physique, ce même délai représente une catastrophe en matière de sécurité. Si un robot humanoïde traverse une usine très fréquentée et qu'un humain se trouve sur son passage, le robot doit traiter l'information visuelle, analyser la situation et immobiliser ses moteurs en moins de 20 millisecondes.

En 2026, un consensus se dégageait dans le secteur : pour survivre dans le monde réel, le cerveau devait être intégré au corps. Cette exigence a engendré une migration massive vers l’IA en périphérie, où 80 % des inférences sont désormais effectuées localement sur la machine plutôt que dans un centre de données distant.

L'essor des modèles VLA : vision-langage-action

Jusqu'à récemment, les robots étaient aveugles et suivaient des séquences de code préprogrammées rigides. En 2026, nous sommes passés aux modèles Vision-Langage-Action (VLA). Ce sont des modèles de base multimodaux — que l'on peut comparer à un cortex moteur pour l'IA — qui traitent simultanément trois types d'entrées :

1. Vision : Flux vidéo 4K haute vitesse et données de profondeur LiDAR.
2. Langue : Commandes vocales ou textuelles de superviseurs humains (par exemple : « Triez les pièces endommagées dans le bac bleu »).
3. Action : Commandes précises de couple et d'angle pour des centaines de minuscules moteurs (actionneurs).fo

Ces modèles, entraînés sur des ensembles de données massifs comme Open X-Embodiment (plus d'un million de trajectoires), possèdent une intelligence générale. Un robot équipé d'un système de reconnaissance visuelle (VLA) n'a pas besoin d'être programmé pour trouver un outil spécifique ; il sait de quel outil il s'agit et comment le saisir grâce à son entraînement visuel.

Les superpuissances du silicium : NVIDIA contre Qualcomm

La bataille pour le cerveau robotique est une course à deux entre les géants du monde des semi-conducteurs, chacun proposant une voie différente vers l'intelligence incarnée.

NVIDIA Jetson Thor (NVDA )

NVIDIA reste le leader incontesté du secteur. Son module Jetson Thor, basé sur l'architecture Blackwell, offre une puissance de calcul impressionnante de 500 2,070 TFLOPS pour l'IA. Thor est conçu pour exécuter des modèles du monde : des simulations qui s'exécutent des milliers de fois par seconde dans le cerveau du robot afin de prédire les événements physiques avant qu'ils ne se produisent.

Qualcomm Dragonwing IQ10 (QCOM )

Annoncée début 2026, la Dragonwing IQ10 est la tentative de Qualcomm de conquérir le marché de la robotique. Si NVIDIA domine en termes de puissance de calcul brute (TFLOPS), Qualcomm mise sur l'efficacité énergétique. L'IQ10 s'impose comme la solution de choix pour les humanoïdes autonomes fonctionnant sur batterie et capables de tenir une journée de travail complète de 8 heures sans surchauffe. Elle intègre un processeur Oryon à 18 cœurs et prend en charge jusqu'à 20 caméras simultanées pour une vision à 360 degrés.

Tests de latence : pourquoi la physique exige une performance optimale

Le tableau suivant illustre l'écart de sécurité entre le calcul local et le calcul dans le cloud.

Les données reflètent les moyennes du secteur pour les délais aller-retour entre la détection et l'action observés début 2026.

Conclusion : L'inversion d'inférence

La révolution de l'intelligence artificielle en périphérie a bouleversé les stratégies d'investissement dans ce domaine. En 2026, l'attention se portera non plus sur les immenses centres de données servant à l'entraînement des modèles, mais sur les puces spécialisées permettant leur exécution en conditions réelles. À l'ère de l'IA physique, la valeur réside là où se déroule l'action : en périphérie du réseau.

Cependant, le cerveau n'est performant que si les données qu'il reçoit le sont également. Pour comprendre le rôle des yeux et de la peau qui fournissent ces données, voir : Partie 3 : La couche de capteurs et la perception haute fidélité.