Intelligence artificielle
IA physique : Investir dans le boom des robots humanoïdes 2026
Le CES 2026 signale le passage de l’IA virtuelle à l’IA physique
CES, anciennement le Consumer Electronics Show, est la plus grande et la plus influente exposition technologique au monde. Nous avions déjà signalé que l’une des révélations les plus importantes du salon était la toute première batterie à état solide commercialisée, produite par Donut Labs.
Mais une autre annonce importante a été faite par le leader du matériel IA, NVIDIA, concernant « l’IA physique », présentée comme le moment ChatGPT de NVIDIA. Bien sûr, cela n’est pas entièrement une surprise, car l’entreprise promeut cette idée d’IA physique depuis un certain temps, réalisant que les LLM purement « intellectuels » (modèles de langage de grande taille) ne sont que la première étape du déploiement de l’IA.
En pratique, le rôle le plus percutant de l’IA se manifestera lorsqu’elle interagira directement avec le monde physique, au lieu de rester confinée aux environnements numériques et virtuels.
Et c’est quelque chose que, jusqu’à présent, les IA ont encore du mal à accomplir. Le monde réel est bien plus désordonné qu’un ensemble de données bien rangées 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 réaffectant les réseaux neuronaux de nouvelles manières, est nécessaire. C’est ce que le cadre Cosmos de NVIDIA promet.
Pourquoi 2026 pourrait être le moment ChatGPT pour la robotique
La comparaison des IA physiques de 2026 pour la robotique à l’impact que ChatGPT a eu sur les LLM provient directement de Jensen Huang, PDG et fondateur de NVIDIA, au CES 2026. Vous pouvez voir l’intégralité de son discours 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 le raisonnement des robots, Isaac Lab-Arena pour l’évaluation des robots, et le cadre de calcul edge-to-cloud OSMO afin de simplifier les flux de travail d’entraînement des robots (plus de détails sur chacun de ces outils IA ci-dessous).
Pourquoi est‑ce important ?
Jusqu’à présent, les LLM, étant les premiers modèles linguistiques, ont surtout influencé les activités de raisonnement et celles fortement axées sur le langage, comme la rédaction, la programmation, la recherche, l’analyse de données, la traduction, le service client, etc.
Ces activités sont importantes, mais ne représentent qu’une fraction de l’économie mondiale.
De nombreuses autres activités mondiales, souvent les plus intensives en main‑d’œuvre, nécessitent une interaction avec le monde physique : fabrication, santé, transport & logistique, agriculture, extraction minière, tâches domestiques, etc.
Quelles industries seront transformées en premier par l’IA physique
En théorie, tous les segments du monde physique et tous les secteurs économiques seront impactés par la diffusion de la robotique. Mais en pratique, certains segments adopteront la robotique à un rythme bien plus rapide et seront plus rapidement affectés.
Voitures autonomes
Les véhicules autonomes ont fait de grands progrès en 2025, et sont probablement prêts pour le déploiement, selon l’autorisation des régulateurs et un cadre juridique plus clair.
Cette tâche repose fortement sur le raisonnement, tandis que les actions mécaniques réelles d’une voiture sont relativement simples (mouvements 2D, accélération, décélération, signalisation). Ainsi, la partie la plus importante est une combinaison des éléments suivants :
- Matériel embarqué puissant pour le calcul en périphérie (indépendant d’une connexion réseau).
- Données et entraînement adaptés aux conditions du monde réel, des règles de conduite générales aux cas rares et changements inattendus — comme associer une balle qui roule au risque qu’un enfant traverse soudainement la route, entraînant une décélération préventive.
- Les modèles de raisonnement vision‑langage‑action (VLA) transforment les indices visuels en actions appropriées.
Logistique
L’IA physique impactera ce domaine de deux manières différentes au minimum.
La première concerne les entrepôts et la gestion des approvisionnements. 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 les retours directs des capteurs embarqués. Les bras robotiques et autres outils de manipulation leur permettent également de déplacer des marchandises.
La seconde concerne les services de livraison, plus similaires aux véhicules autonomes, où l’IA physique gère tout, du déplacement jusqu’à la bonne adresse à la pose sécurisée des marchandises à la bonne porte, en naviguant autour des clôtures, des terrains accidentés, des obstacles, etc.
Fabrication
Comme dans les entrepôts, l’IA physique dans les usines doit gérer un environnement complexe mêlant machines, humains et désormais robots.
Mais de plus, de nombreux sites de fabrication disposeront d’outils à haute puissance, de produits dangereux (métal chaud, lasers, produits chimiques, etc.) et d’exigences beaucoup plus strictes en matière de qualité finale et d’efficacité.
Alors qu’un robot d’entrepôt bloqué ou défectueux peut être résolu par un humain à proximité, la même erreur sur une chaîne de montage ou dans une usine chimique complexe peut devenir dangereuse rapidement.
Chirurgie & santé
Pour l’instant, la plupart des robots chirurgicaux comme ceux d’Intuitive Surgical (ISRG ) sont davantage des bras robotiques 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 la santé afin de permettre des scopes chirurgicaux, en commençant par les exoscopes, pour guider les chirurgiens grâce à une analyse IA en temps réel.
- LEM Surgical utilise NVIDIA Isaac for Healthcare et Cosmos Transfer pour entraîner les bras autonomes de son robot chirurgical Dynamis, propulsé 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 des mains et des corps humains. Il est donc logique que la conception idéale d’un robot destiné à remplacer les humains dans des tâches fastidieuses ou dangereuses soit également sous forme humanoïde.
Cependant, le corps humain est également une machine très complexe, et ce n’est que récemment que les robots sont devenus mécaniquement suffisamment sophistiqués pour reproduire correctement les mouvements humains.
Ainsi, cela pourrait prendre plus de temps à développer — en particulier les compétences motrices grossières et fines, ainsi que la capacité de percevoir, comprendre, raisonner et interagir avec le monde physique, quel que soit la tâche donnée.
La pile d’IA physique de NVIDIA expliquée
En suivant l’idée développée avec le langage de programmation CUDA — permettant aux GPU d’être utilisés pour des applications autres que le rendu graphique, ce qui a donné naissance à la plupart du boom actuel de l’IA — NVIDIA mise sur les modèles ouverts pour conduire le prochain boom de l’IA physique.
De cette façon, NVIDIA devrait idéalement devenir autant une action d’IA physique qu’elle l’a été en tant qu’action axée sur les LLM au cours des cinq dernières années.
Le cœur de l’expertise matérielle et des réseaux neuronaux de NVIDIA est désormais affiné en pièces interconnectées, toutes finement réglées pour les applications d’IA physique.
NVIDIA Cosmos
Cosmos est « une plateforme avec des modèles de base à monde ouvert (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 IA d’analyse vidéo. »
Plusieurs entreprises de robotique et de véhicules autonomes utilisent déjà Cosmos pour accélérer le développement de leur IA physique.
Cosmos est en réalité plusieurs modèles pré‑entraînés en un seul, permettant aux robots d’anticiper comment le monde physique réagira et changera, comment les données synthétiques (simulations) se transforment en vidéo du monde réel, et comment utiliser une chaîne de raisonnement qui s’appuie sur des données physiques réelles et l’observation.
NVIDIA Isaac-GROOT & IsaacLab Arena
Isaac GR00T N1.6 est un modèle vision‑langage‑action conçu spécifiquement pour les robots humanoïdes, offrant un contrôle du corps entier et une compréhension contextuelle. Des entreprises de robotique telles que Franka Robotics, Neura Robotics et Humanoid l’utilisent déjà.
Cela, combiné à Isaac Lab-Arena, fournit un système collaboratif d’évaluation et de benchmark des politiques de robot en simulation. Ainsi, les laboratoires de recherche et les entreprises de robotique peuvent évaluer rapidement les performances de leurs modèles et les comparer à d’autres dans un environnement standardisé.
Il est important de noter que le modèle Isaac nécessite relativement peu de puissance de calcul, avec un module de puce robotique NVIDIA d’une valeur de 3 500 $ Jetson AGX Thor, suffisant pour faire fonctionner Isaac, réduisant ainsi le coût matériel de calcul d’un robot humanoïde à une somme très faible.
NVIDIA® Jetson Thor™ series modules give you the ultimate platform for physical AI and robotics, delivering up to 2070 FP4 TFLOPS of AI compute and 128 GB of memory with power configurable between 40 W and 130 W.
They deliver over 7.5x higher AI compute than NVIDIA AGX Orin™, with 3.5x better energy efficiency.
Boston Dynamics, Humanoid et RLWRLD ont tous intégré Jetson Thor dans leurs humanoïdes existants afin d’améliorer leurs capacités de navigation et de manipulation.
NVIDIA Omniverse
Omniverse est une collection de bibliothèques et de microservices pour développer des applications d’IA physique telles que les jumeaux numériques industriels et la simulation robotique.
Les simulations virtuelles, ou « données synthétiques », sont un excellent moyen d’entraîner rapidement une IA robotique dans de nombreuses situations sans avoir à créer ces situations physiquement.
Pour développer Omniverse, NVIDIA a utilisé son vaste répertoire de modèles physiques, de simulations physiques et de bibliothèques de données déjà employés pour d’autres applications, comme la recherche en physique, les jeux vidéo, etc.
Ce type d’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 d’abord le déploiement d’IA robotique virtuellement, réduisant ainsi le risque de perturbation lors du déploiement de robots réels.
Plusieurs entreprises 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 IA, y compris Isaac et Cosmos, à toutes les étapes du développement d’une IA physique : génération de données, entraînement, simulation, évaluation et tests hardware‑in‑the‑loop.
NVIDIA DGX Platform
DGX est la plateforme de NVIDIA qui utilise son système de calcul « SuperPOD » pour entraîner des modèles d’IA, y compris les IA physiques.
Il peut s’étendre à des dizaines de milliers de GPU NVIDIA, y compris les puces Rubin et Blackwell, créant ainsi un superordinateur IA clé en main, prêt à fonctionner.
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 IA pré‑entraînés, jeux de données, bibliothèques, etc.
NVIDIA a intégré ses technologies open‑source Isaac et GR00T dans le cadre de robotique open‑source LeRobot leader. Avec une communauté de 13 millions de créateurs d’IA, cela devrait favoriser l’adoption des systèmes Nvidia comme norme dans les IA physiques.
Conclusion
La robotique progresse rapidement, grâce à la conjonction de deux forces différentes simultanément.
La première est la maturité de la technologie des composants robotiques et la production de masse des bras robotiques, gyroscopes, moteurs électriques et autres composants utilisés dans les robots, ainsi que dans les drones et autres électroniques, entraînant une forte baisse des coûts des pièces de haute qualité.
La deuxième force est l’amélioration explosive de la technologie IA.
Ce qui a atteint la conscience du grand public il y a quelques années avec les LLM s’étend maintenant à de nouveaux domaines, le monde réel étant sur le point de ressentir l’effet du déploiement croissant de l’IA physique dans les véhicules automobiles, les corps de robots sur mesure ou humanoïdes.
Il est possible que l’IA physique s’avère encore plus importante pour l’industrie technologique que les LLM, car elle ouvre toute une nouvelle série de secteurs économiques. Cela devrait l’aider à capter davantage de valeur ainsi qu’à stimuler la productivité, juste à temps alors que la géopolitique entraîne une refonte massive des chaînes d’approvisionnement et une réindustrialisation de nombreux pays.
Meilleures actions d’IA physique et de robots humanoïdes pour 2026
Boston Dynamics / Hyundai (HYMLF)
Hyundai est surtout connue pour son activité automobile, à juste titre, car elle est la 3ᵉ plus grande entreprise automobile au monde en nombre de voitures vendues, mais c’est également un groupe industriel massif, composé de 3 subdivisions :
- L’activité de fabrication automobile, y compris les voitures électriques.
- Fabricant de robots Boston Dynamics, acquis en 2021, à ne pas confondre avec Hyundai Robotics, un producteur de robots industriels désormais intégré à la société indépendante HD Hyundai / Hyundai Heavy Industries (mais collaborant étroitement avec Hyundai Motors).
- Hyundai Rotem est actif dans les équipements ferroviaires & militaires, ainsi que dans l’énergie hydrogène.
Boston Dynamics, aux côtés de Caterpillar, Franka Robotics, Humanoid, LG Electronics et NEURA Robotics, utilise la pile robotique NVIDIA pour lancer de nouveaux robots pilotés par l’IA.
L’entreprise est notamment célèbre pour son robot ATLAS et pour avoir été pionnière du design robodog.
L’entreprise se concentre également sur le marché B2B des robots physiques / IA physique, avec Stretch, un robot d’entrepôt destiné à manipuler des colis et charges dans les entrepôts, jusqu’à 50 livres (≈ 22,7 kg) de poids.
En tant que leader précoce de la robotique et partenaire de NVIDIA, Boston Dynamics est un bon candidat pour s’emparer d’une part importante du marché de l’IA physique.
Une introduction en bourse de la société, issue de Hyundai, est une possibilité distincte à l’avenir, mais sans plans clairs pour le moment, et donc probablement pas avant 2027 au moins.
“En ce qui concerne le calendrier ou les plans pour l’introduction en bourse de Boston Dynamics, rien n’a encore été confirmé, il n’y a donc pas grand-chose à commenter pour le moment, mais nous communiquerons (avec les parties prenantes) dès que nous aurons un calendrier ou des plans d’IPO.
De la même manière que nous avons mené (l’IPO de Hyundai Motor India), nous pouvons dire que nous sommes ouverts à Boston Dynamics. Cependant, nous n’avons pas encore examiné (l’IPO de Boston Dynamics) pour le moment, et nous n’avons pas de projets d’examiner (l’option IPO) à court terme.
– Lee Seung-jo, directeur financier et directeur stratégique de Hyundai Motor Co
L’entreprise a commencé à utiliser les robots humanoïdes de Boston Dynamics dans ses usines automobiles et a dévoilé une version commerciale d’ATLAS.
NVIDIA
Issu d’un fabricant de matériel GPU pour les jeux vidéo et autres tâches de rendu graphique, NVIDIA est devenu une immense entreprise de matériel IA, conférant à son action la plus grande capitalisation boursière du monde.
NVIDIA a perçu le potentiel de l’IA tôt, bien avant que quiconque, en dehors des chercheurs spécialisés, ne s’intéresse aux réseaux neuronaux.
Il était, à l’époque, un mouvement risqué dans un secteur non prouvé, à peine existant, ou comme le dit Jensen Huang :
“Nous investissons dans des marchés de zéro milliard de dollars.”
En 2016 et 2017, NVIDIA a publié les architectures Pascal et Volta, respectivement, le premier accélérateur IA basé sur GPU, tandis que Volta a introduit les Tensor Cores, qui ont accéléré les tâches d’apprentissage profond jusqu’à 12 fois.
Ce rythme de progrès s’est poursuivi depuis.
Les investisseurs ont été quelque peu inquiets que NVIDIA 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 encore le cas.
Le déploiement physique de l’IA dans les robots, les voitures autonomes et d’autres systèmes autonomes offrira à NVIDIA de nombreux nouveaux marchés pour vendre son matériel.
Et son écosystème complet, avec un design ouvert et un partenariat avec Hugging Face, garantit presque que toutes les entreprises technologiques, à l’exception des plus grandes, dépendront de la technologie NVIDIA pour le cerveau de leurs robots, car tenter de réinventer la roue serait trop coûteux et retarderait une entreprise par rapport à ses concurrents.
Dernières nouvelles et développements sur l’action Nvidia (NVDA)
