Edge AI & Cerveaux de Robots: Les modèles VLA qui alimentent la robotique (2026)

Navigation de la série: Partie 2 sur 6 dans The Physical AI Handbook

Edge AI & Foundation Models: Pourquoi les robots ne peuvent pas utiliser le cloud

Dans le monde de l’IA logicielle, un retard d’une demi-seconde dans la réponse d’un chatbot est une légère gêne. Dans l’IA physique, un retard d’une demi-seconde est une catastrophe de sécurité. Si un robot humanoïde se déplace sur le sol d’une usine très fréquentée et qu’un humain se met sur son chemin, le robot doit traiter cette vision, raisonner sur l’action et arrêter ses moteurs en moins de 20 millisecondes.

À partir de 2026, l’industrie est parvenue à un consensus: pour survivre dans le monde réel, le cerveau doit vivre à l’intérieur du corps. Cette exigence a alimenté une migration massive vers l’Edge AI, où 80 % de l’inférence se déroule désormais localement sur la machine plutôt que dans un centre de données distant.

L’essor du VLA: modèles Vision-Language-Action

Jusqu’à récemment, les robots étaient aveugles et suivaient des lignes rigides de code préprogrammé. En 2026, nous sommes passés aux modèles Vision-Language-Action (VLA). Il s’agit de modèles de fondation multimodaux—pensez-y comme un cortex moteur pour l’IA—qui traitent simultanément trois entrées:

1. Vision: Flux de caméras 4K à haute vitesse et données de profondeur LiDAR.
2. Langage: Commandes vocales ou textuelles des superviseurs humains (p. ex., « Trier les pièces endommagées dans le bac bleu »).
3. Action: Les commandes précises de couple et d’angle pour des centaines de petits moteurs (actionneurs).fo

Parce que ces modèles sont entraînés sur d’énormes ensembles de données comme l’Open X-Embodiment (plus d’un million de trajectoires), ils possèdent une intelligence générale. Un robot alimenté par un VLA n’a pas besoin d’être programmé pour trouver un outil spécifique ; il sait ce qu’est l’outil et comment le saisir en raisonnant grâce à son entraînement visuel.

Les superpuissances du silicium: NVIDIA vs. Qualcomm

NVIDIA Jetson Thor (NVDA )

NVIDIA reste le gorille de 500 livres dans ce domaine. Son module Jetson Thor, construit sur l’architecture Blackwell, offre une performance IA impressionnante de 2 070 TFLOPS. Thor est conçu pour exécuter des World Models—des simulations qui tournent à l’intérieur de la tête du robot des milliers de fois par seconde afin de prédire les résultats physiques avant qu’ils ne se produisent.

Qualcomm Dragonwing IQ10 (QCOM )

Annoncé début 2026, le Dragonwing IQ10 est la proposition de Qualcomm pour la couronne de la robotique. Alors que NVIDIA l’emporte en TFLOPS bruts, Qualcomm gagne en efficacité par watt. L’IQ10 devient le choix privilégié pour les humanoïdes fonctionnant sur batterie qui doivent tenir une pleine équipe de 8 heures sans surchauffer. Il intègre un CPU Oryon à 18 cœurs et prend en charge jusqu’à 20 caméras simultanées pour une conscience à 360 degrés.

Benchmarks de latence: Pourquoi la physique exige le Edge

Les données reflètent les moyennes industrielles des temps de trajet aller-retour de la détection à l’action observés début 2026.

Conclusion: L’inversion de l’inférence

La révolution du Edge Brain a inversé la thèse d’investissement en IA. En 2026, l’accent s’est déplacé des immenses centres de données utilisés pour entraîner les modèles vers les puces spécialisées utilisées pour les exécuter dans le monde réel. Pour l’ère de l’IA physique, la valeur réside là où l’action se déroule: à la périphérie.

Cependant, un cerveau n’est bon que par la qualité des données qu’il reçoit. Pour comprendre les yeux et la peau qui fournissent ces données, consultez Partie 3: La couche capteur & Perception haute fidélité.