Google DeepMind a présenté Gemini Robotics ER 2, un modèle de raisonnement pensé comme un cerveau de haut niveau pour les robots. Il comprend la vidéo, planifie des tâches en plusieurs étapes et fait travailler ensemble des machines de types différents. Le lab en fait le socle logiciel d’une robotique enfin capable de vérifier ce qu’elle est en train de faire.
Pour résumer
- Gemini Robotics ER 2 sert de cerveau de haut niveau : compréhension vidéo, planification multi-étapes, correction en temps réel.
- Le modèle fait collaborer des robots différents, un rover à roues et un humanoïde, autour d’une même tâche.
- Il atteint 91,3 % de précision pour localiser l’instant clé dans une vidéo, à moins d’une seconde près.
Faire résumer cet article par une IA
ChatGPTUn cerveau qui regarde la vidéo avant d’agir
L’annonce vient de Google DeepMind, qui décrit Gemini Robotics ER 2 dans un billet officiel publié le 30 juillet présentant le modèle. Le rôle assigné est clair : un cerveau de haut niveau qui pilote les couches de contrôle bas niveau du robot.
La nouveauté centrale tient à la vidéo. Le modèle suit un flux d’images pour vérifier qu’une tâche est bien terminée avant de passer à la suivante, qu’il s’agisse de visser une ampoule ou de fermer un sac poubelle. Le robot ne se contente plus d’exécuter, il contrôle son propre travail.
Les démonstrations restent volontairement banales. Le modèle guide un robot pour glisser une cassette dans un lecteur audio, visser une ampoule ou nouer un sac. Des gestes anodins pour un humain, longtemps hors de portée d’une machine incapable de dire si elle avait réussi.
Deux capacités portent ce contrôle. La classification de progression indique au robot où il en est dans une tâche, avec 57,4 % de précision sur une évaluation continue. La détection de moment repère l’image exacte où un événement critique se produit, à 91,3 % de précision et à moins d’une seconde près.
Pour les équipes qui construisent des robots, ce saut change la donne. Un système qui sait détecter qu’il a raté une étape peut se corriger seul, sans attendre une supervision humaine. C’est la différence entre une démonstration filmée et une machine qui tient dans un environnement réel imprévisible.
Cette logique d’agent qui observe puis agit, Google la déploie déjà côté logiciel grand public, comme lorsque Gemini a commencé à piloter un ordinateur à la place de l’utilisateur. Gemini Robotics ER 2 transpose la même idée dans le monde physique.
Quand un rover et un humanoïde se partagent la tâche
L’autre avancée est la collaboration multi-robots. Gemini Robotics ER 2 permet à des machines de formes différentes, un rover à roues et un humanoïde, de communiquer via une compréhension sémantique partagée et de se répartir un travail qu’un seul robot aurait du mal à mener.
Concrètement, chaque robot prend la part de tâche qui correspond à sa forme. L’un se déplace et transporte, l’autre manipule avec dextérité. Le modèle orchestre les deux comme des membres d’une même équipe, pas comme deux automates isolés.
Comparé à la version précédente, Gemini Robotics ER 1.6, le bond porte précisément sur ces trois axes : compréhension vidéo, suivi de progression et collaboration entre robots. Le modèle grandit là où la robotique industrielle bute encore, la coordination de plusieurs corps sur un même chantier.
Ce terrain devient soudain très disputé. Le pari d’Apple sur la robotique humanoïde à 130 milliards de dollars montre que les géants placent leurs jetons sur le corps des machines. Un cerveau logiciel qui fait déjà collaborer des robots hétérogènes prend une longueur d’avance sur le matériel qui cherche encore son cas d’usage.
D’autres articles sur Horizon
- Claude Mythos 5 : Anthropic admet trois intrusions réelles
- Claude Opus 5 triche pour dominer un distributeur
- Agents IA personnels : Zuckerberg en prévoit des milliards
Ce que Google impose à la robotique concurrente
Côté concurrence, Google déplace la ligne de front. Tant que la robotique se jouait sur la mécanique et les capteurs, l’avantage revenait aux constructeurs de matériel. En posant l’intelligence au niveau du raisonnement vidéo et de l’orchestration, Google ramène la bataille sur son terrain, celui des grands modèles.
Les fabricants d’humanoïdes deviennent des clients potentiels autant que des rivaux. Un constructeur qui livre un châssis performant mais sans cerveau capable de vérifier ses gestes aura intérêt à brancher un modèle comme celui-ci plutôt qu’à repartir de zéro.
Le calendrier compte aussi. Pendant que les robots Optimus de Tesla se préparent à arriver, Google avance une brique logicielle prête et mesurée sur des tâches concrètes. La course ne se limite plus à qui fabrique le meilleur robot, mais à qui fournit le cerveau que tout le monde voudra brancher.
Cette bascule redistribue la valeur dans la chaîne. Le composant rare n’est plus le moteur ou l’articulation, mais le logiciel qui transforme une suite de mouvements en une tâche menée à son terme. Google veut occuper précisément cette place.
Reste la question de la fiabilité en conditions réelles. Les chiffres publiés portent sur des évaluations cadrées, et le vrai test viendra des ateliers, des entrepôts et des maisons où rien ne se passe comme dans une démo. La promesse d’un robot qui vérifie son travail avant de continuer sera jugée sur le terrain, pas sur un benchmark.
Affaire à suivre sur Horizon.
