Investir dans le boom des robots humanoïdes en 2026 : l’IA physique

Le CES 2026 signale le passage de l’IA virtuelle à l’IA physique

Le CES, anciennement le Consumer Electronics Show, est l’exposition technologique la plus grande et la plus influente au monde. Nous avions précédemment rapporté que l’une des révélations les plus importantes de l’exposition était la première batterie solide commercialisée, produite par Donut Labs.

Mais une autre annonce importante a été faite par le leader de l’IA matérielle NVIDIA sur l'”IA physique”, qui a été présentée comme le moment ChatGPT de NVIDIA. Ce n’est bien sûr pas entièrement une surprise, car l’entreprise défend cette idée d’IA physique depuis un certain temps maintenant, réalisant que les LLM (Large Language Models) purement “intellectuels” ne sont que le premier pas dans le déploiement de l’IA.

Dans la pratique, le rôle le plus impactant de l’IA se produira lorsqu’elle interagira directement avec le monde physique, plutôt que de rester confinée à des environnements numériques et virtuels.

Et c’est quelque chose que, jusqu’à présent, les IA ont encore du mal à faire. Le monde réel est beaucoup plus désordonné qu’un ensemble de données bien rangé dans une feuille de calcul, une vidéo ou un moteur de recherche. Il est souvent ambigu, changeant et inattendu.

Pour toutes ces raisons, un nouveau type d’IA, utilisant la réalité physique et réutilisant les réseaux de neurones de nouvelles manières, est nécessaire. C’est ce que la trame de travail Cosmos de NVIDIA promet.

Pourquoi 2026 pourrait être le moment ChatGPT pour la robotique

La comparaison de 2026 et de l’IA physique pour la robotique à l’effet que ChatGPT a eu sur les LLM vient directement de Jensen Huang, PDG et fondateur de NVIDIA, au CES 2026. Vous pouvez voir son discours entier dans la vidéo suivante :

Huang a fait cette annonce alors que son entreprise lançait de nouveaux modèles ouverts, NVIDIA Cosmos et GR00T (Generalist Robot 00 Technology), utilisés pour l’apprentissage et la raisonnement des robots, Isaac Lab-Arena pour l’évaluation des robots, et la trame de travail de calcul OSMO pour simplifier les flux de travail de formation des robots (plus d’informations sur chacun de ces outils d’IA ci-dessous).

Pourquoi cela compte-t-il ?

Jusqu’à présent, les LLM, étant les premiers modèles de langage, ont principalement affecté les activités de raisonnement et de langage, comme l’écriture, la programmation, la recherche, l’analyse de données, la traduction, les services client, etc.

Ces activités sont importantes, mais elles ne représentent qu’une fraction de l’économie mondiale.

De nombreuses activités mondiales, et souvent les plus intensives en main-d’œuvre, nécessitent une interaction avec le monde physique : la fabrication, les soins de santé, les transports et la logistique, l’agriculture, l’exploitation minière, les tâches ménagères, etc.

Quels secteurs seront transformés en premier par l’IA physique

En théorie, tous les segments du monde physique et les secteurs économiques seront impactés par la propagation de la robotique. Mais dans la pratique, certains segments adopteront la robotique à un rythme beaucoup plus rapide et seront plus touchés plus tôt.

Voitures autonomes

Les véhicules autonomes ont réalisé de grands progrès en 2025, et sont probablement prêts pour le déploiement, en fonction de l’autorisation des régulateurs et d’un cadre juridique plus clair.

Cette tâche est lourde en raisonnement, tandis que les actions mécaniques réelles d’une voiture sont relativement simples (mouvements 2D, accélération, ralentissement, signalisation). Ainsi, la partie la plus importante est une combinaison des éléments suivants :

• Un matériel embarqué solide pour le calcul de bord (non dépendant d’une connexion aux réseaux).
• Des données et une formation pour correspondre aux conditions du monde réel, des règles de conduite générales aux cas rares et inattendus – comme associer une balle qui roule au risque qu’un enfant surgisse soudainement sur la route, conduisant à un ralentissement préalable.
• Des modèles d’action de vision-langage (VLA) convertissent les indices visuels en actions appropriées.

Logistique

L’IA physique aura un impact sur ce domaine de deux manières différentes.

La première est la gestion des entrepôts et des stocks. L’IA physique autorise les robots mobiles autonomes (AMR) à naviguer dans des environnements complexes et à éviter les obstacles, y compris les humains, en utilisant des rétroactions directes à partir de capteurs embarqués. Les bras de robotique et d’autres outils de manipulation permettent également de déplacer des biens.

La deuxième est le service de livraison, qui ressemble davantage aux véhicules autonomes, avec l’IA physique gérant tout, de la conduite à la bonne adresse à la pose sécurisée des biens à la bonne porte, en naviguant les clôtures, les terrains inégaux, les obstacles, etc.

Fabrication

Comme dans les entrepôts, l’IA physique dans les usines doit faire face à un environnement complexe mêlant des machines, des humains et maintenant des robots.

Mais en outre, de nombreux sites de fabrication auront des outils de puissance élevée, des produits dangereux (métal chaud, lasers, produits chimiques, etc.) et des exigences beaucoup plus strictes en termes de qualité finale et d’efficacité.

Alors qu’un robot d’entrepôt coincé ou défectueux peut probablement être traité par un humain travaillant à proximité, la même erreur sur une chaîne de montage ou une usine chimique complexe peut devenir dangereuse rapidement.

Chirurgie et soins de santé

Pour l’instant, la plupart des robots de chirurgie comme ceux de Intuitive Surgical (ISRG ) sont plus comme des bras de robotique contrôlés par un chirurgien que de véritables robots autonomes. Cela change rapidement à mesure que la capacité de l’IA augmente :

• XRlabs utilise Thor et Isaac pour les soins de santé pour permettre aux périscope chirurgicaux, en commençant par les exoscopes, de guider les chirurgiens avec une analyse en temps réel de l’IA.
• LEM Surgical utilise NVIDIA Isaac pour les soins de santé et Cosmos Transfer pour former les bras autonomes de son robot chirurgical Dynamis, alimenté par NVIDIA Jetson AGX Thor ™ et Holoscan.

Tâches manuelles répétitives : robots humanoïdes

La plupart des environnements de travail, des pièces et des outils sont conçus pour être manipulés par les mains et les corps humains. Il serait donc logique que la conception idéale pour un robot destiné à remplacer les humains dans des tâches fastidieuses ou dangereuses soit également une forme humanoïde.

Cependant, le corps humain est également une machine très complexe, et ce n’est que récemment que les robots ont acquis une sophistication mécanique suffisante pour reproduire correctement le mouvement humain.

Il faudra donc peut-être plus de temps pour développer cela – en particulier les compétences motrices globales et fines, ainsi que la capacité de percevoir, de comprendre, de raisonner et d’interagir avec le monde physique, quelle que soit la tâche donnée.

La pile d’IA physique de NVIDIA expliquée

En suivant l’idée développée avec le langage de programmation CUDA – en laissant les GPU être utilisés pour des applications autres que le rendu graphique, qui a donné naissance à la plupart du boom actuel de l’IA – NVIDIA compte sur des modèles ouverts pour conduire le prochain boom de l’IA physique.

De cette façon, NVIDIA deviendra idéalement une action d’IA physique autant qu’elle l’a été une action à base de LLM par le passé.

Le cœur de l’expertise de NVIDIA en matière de matériel et de réseaux de neurones est maintenant affiné en pièces interverrouillées, toutes finement réglées pour les applications d’IA physique.

NVIDIA Cosmos

Cosmos est « une plate-forme avec des modèles de fondation ouverts (WFMs), des garde-fous et des bibliothèques de traitement de données pour accélérer le développement de l’IA physique pour les véhicules autonomes (AV), les robots et les agents d’IA d’analyse de vidéo ».

Plusieurs sociétés de robotique et de véhicules autonomes utilisent déjà Cosmos pour accélérer le développement de leur IA physique.

Cosmos est en fait plusieurs modèles préformés en un, permettant aux robots d’anticiper la façon dont le monde physique réagira et changera, la façon dont les données synthétiques (simulations) se transforment en vidéo du monde réel, et la façon d’utiliser une chaîne de raisonnement qui repose sur des données physiques réelles et d’observation.

NVIDIA Isaac-GROOT et IsaacLab Arena

Isaac GR00T N1.6 est un modèle d’action de vision-langage construit spécifiquement pour les robots humanoïdes, offrant un contrôle complet et une compréhension contextuelle. Les sociétés de robotique, notamment Franka Robotics, Neura Robotics et Humanoid, utilisent déjà cela.

Ceci, combiné avec Isaac Lab-Arena, fournit un système collaboratif pour l’évaluation et la comparaison des politiques de robot en simulation. De cette façon, les laboratoires de recherche et les sociétés de robotique peuvent évaluer rapidement les performances de leur modèle et les comparer à celles des autres dans un environnement standardisé.

Importamment, le modèle Isaac est relativement faible en termes de calcul, avec un module de puce de robotique NVIDIA de 3 500 $ Jetson AGX Thor, suffisant pour exécuter Isaac, ce qui ramène le coût du matériel informatique d’un robot humanoïde à une somme très faible.

NVIDIA® Jetson Thor™ series modules vous offrent la plate-forme ultime pour l’IA physique et la robotique, avec jusqu’à 2070 FP4 TFLOPS de calcul d’IA et 128 Go de mémoire avec une puissance configurable entre 40 W et 130 W.

Ils offrent plus de 7,5 fois plus de calcul d’IA que NVIDIA AGX Orin™, avec 3,5 fois meilleure efficacité énergétique.

Boston Dynamics, Humanoid et RLWRLD ont tous intégré Jetson Thor dans leurs humanoïdes existants pour améliorer leurs capacités de navigation et de manipulation.

NVIDIA Omniverse

Omniverse est une collection de bibliothèques et de microservices pour le développement d’applications d’IA physique telles que les jumeaux numériques industriels et la simulation de robotique.

Les simulations virtuelles, ou « données synthétiques », sont un excellent moyen de former rapidement un robot d’IA dans de nombreuses situations sans avoir à créer physiquement ces situations.

Pour développer Omniverse, NVIDIA a utilisé son stock profond de modèles de physique, de simulation physique et de bibliothèque de données déjà utilisés pour d’autres applications, comme la recherche en physique, les jeux vidéo, etc.

Cet outil peut également être très utile pour les applications logistiques et de fabrication, avec la création de jumeaux numériques personnalisés d’installations réelles, permettant de tester le déploiement de l’IA robotique virtuellement d’abord, en réduisant le risque de perturbation lors du déploiement de robots réels.

Plusieurs sociétés industrielles utilisent déjà cet outil, comme Schneider et Siemens.

NVIDIA OSMO

OSMO est un logiciel « orchestrateur » conçu spécifiquement pour l’IA physique.

Il permet aux utilisateurs de coordonner et de combiner plusieurs outils d’IA, notamment Isaac et Cosmos, à tous les stades du développement de l’IA physique : génération de données, formation, simulation, évaluation et test matériel dans la boucle.

NVIDIA DGX Platform

DGX est la plate-forme de calcul d’IA de NVIDIA, utilisant sa plate-forme de calcul « SuperPOD » pour la formation de modèles d’IA, y compris les IA physiques.

Elle peut être étendue à des dizaines de milliers de GPU NVIDIA, y compris les puces Rubin et Blackwell, créant un supercalculateur d’IA prêt à l’emploi et clé en main.

NVIDIA – Hugging Face

Hugging Face est une bibliothèque de transformateurs conçue pour les applications de traitement du langage naturel, également surnommée le « GitHub pour le machine learning », avec des millions de modèles d’IA préformés, de jeux de données, de bibliothèques, etc.

NVIDIA a intégré ses technologies ouvertes Isaac et GR00T dans le cadre de robotique open-source LeRobot. Avec une communauté de 13 millions de concepteurs d’IA, cela devrait stimuler l’adoption des systèmes NVIDIA comme une norme dans les IA physiques.

Conclusion

La robotique fait de grands progrès soudainement, grâce à la conjonction de deux forces différentes en même temps.

La première est la maturité de la technologie des composants robotiques et la production de masse de bras de robotique, de gyroscopes, de moteurs électriques et d’autres composants utilisés dans les robots, ainsi que dans les drones et d’autres appareils électroniques, conduisant à une baisse rapide des coûts pour des pièces de haute qualité.

La deuxième force est l’amélioration explosive de la technologie d’IA.

Ce qui a atteint la conscience du public il y a quelques années avec les LLM est maintenant en expansion dans de nouveaux domaines, avec le monde réel qui sera bientôt touché par le déploiement de l’IA physique dans les véhicules autonomes, les robots sur mesure ou les corps de robot humanoïde.

Il est possible que l’IA physique se révèle encore plus importante pour l’industrie technologique que les LLM, car elle ouvre une nouvelle série de secteurs économiques. Cela devrait aider à capter plus de valeur ainsi qu’à stimuler la productivité, juste à temps lorsque la géopolitique pousse un redessin massif de la chaîne d’approvisionnement et la réindustrialisation de nombreux pays.

Les meilleures actions d’IA physique et de robot humanoïde pour 2026

Boston Dynamics / Hyundai (HYMLF)

Hyundai est mieux connu pour son activité de construction automobile, à juste titre, car c’est la troisième plus grande société automobile au monde en termes de nombre de voitures vendues, mais c’est en fait également un groupe industriel géant, formé de 3 sous-divisions :

• L’activité de construction automobile, y compris les voitures électriques.
• Le fabricant de robots Boston Dynamics, acquis en 2021, à ne pas confondre avec Hyundai Robotics, un producteur de robots industriels qui fait maintenant partie de la société indépendante HD Hyundai / Hyundai Heavy Industries (mais collaborant étroitement avec Hyundai Motors).
• Hyundai Rotem est actif dans les équipements ferroviaires et militaires, ainsi que dans l’énergie hydrogène.

Boston Dynamics, aux côtés de Caterpillar, Franka Robotics, Humanoid, LG Electronics et NEURA Robotics, utilise la pile de robotique de NVIDIA pour présenter de nouveaux robots alimentés par l’IA.

La société est notamment célèbre pour son robot ATLAS et pour avoir été pionnière dans la conception de robodog.

La société se concentre également sur le marché des robots physiques / IA physique B2B, avec Stretch, un robot d’entrepôt pour la manipulation de colis et de charges dans les entrepôts, jusqu’à 50 livres de poids.

En tant que leader précoce de la robotique et partenaire de NVIDIA, Boston Dynamics est un bon candidat pour saisir une part importante du marché de l’IA physique.

Une IPO de la société, hors de Hyundai, est une possibilité distincte à l’avenir, mais sans plans clairs pour le moment, et donc probablement pas avant 2027 au plus tôt.

« En ce qui concerne le calendrier ou les plans pour l’IPO de Boston Dynamics, rien n’a été confirmé pour le moment, il n’y a donc pas grand-chose à commenter pour l’instant, mais nous communiquerons (avec les parties prenantes) dès que nous aurons un calendrier ou des plans pour l’IPO.

Semblable à la façon dont nous avons mené l’IPO de Hyundai Motor India, nous pouvons dire que nous sommes ouverts d’esprit à l’égard de Boston Dynamics. Cependant, nous n’avons pas examiné (l’IPO de Boston Dynamics) pour le moment, et nous n’avons pas l’intention d’examiner (l’option d’IPO) à court terme. »

— Lee Seung-jo, Directeur financier et stratégique de Hyundai Motor Co

La société a commencé à utiliser des robots humanoïdes Boston Dynamics dans ses usines automobiles et a révélé une version commerciale d’ATLAS.

NVIDIA

À partir de ses origines en tant que fabricant de matériel GPU pour les jeux vidéo et d’autres tâches de rendu graphique, NVIDIA est devenu une entreprise d’IA matérielle massive, donnant à son action la plus grande capitalisation boursière au monde.

NVIDIA a réalisé le potentiel de l’IA tôt, bien avant que quiconque, en dehors des chercheurs spécialisés, se soucie des réseaux de neurones.

C’était à l’époque un mouvement risqué vers un secteur non prouvé, à peine existant, ou comme l’a dit Jensen Huang :

« Nous investissons dans des marchés de zéro milliard de dollars. »

En 2016 et 2017, NVIDIA a respectivement publié les architectures Pascal et Volta, le premier accélérateur d’IA basé sur GPU, tandis que Volta a introduit les cœurs de tenseur, qui ont accéléré les tâches d’apprentissage profond de jusqu’à 12 fois.

Ce rythme de progrès s’est poursuivi depuis.

Les investisseurs ont été quelque peu inquiets que NVIDIA ne puisse bientôt manquer de nouveaux marchés pour justifier ses multiples de valorisation élevés. Avec l’annonce du CES 2026 sur l’IA physique, il semble que ce ne soit pas le cas.

Le déploiement physique de l’IA dans les robots, les véhicules autonomes et d’autres systèmes autonomes fournira à NVIDIA de nombreux nouveaux marchés pour vendre son matériel.

Et son écosystème complet, avec une conception ouverte et un partenariat avec Hugging Face, garantit presque que toutes les sociétés, à l’exception des plus grandes sociétés de technologie, s’appuieront sur la technologie NVIDIA pour le cerveau de leurs robots, car essayer de réinventer la roue serait simplement trop coûteux et retarderait trop une société par rapport à sa concurrence.

Dernières actualités et développements sur l’action NVIDIA (NVDA)