Gemini 4 Argon, Digit 5, EmArm : la semaine où l’IA physique devient vérifiable

La nouveauté de la semaine n’est pas un robot unique. C’est une convergence : Google décrit un modèle qui relie raisonnement, simulation et action ; Agility prépare un humanoïde pour des déploiements industriels ; le DOE finance des bancs d’essai pour l’autonomie scientifique ; HKUST publie un bras qui ressent le contact sur une grande partie de son corps.

Ces annonces ne prouvent pas une intelligence physique générale. Elles montrent plutôt les pièces nécessaires pour s’en approcher : une tâche mesurable, une simulation contrôlable, des capteurs qui voient et touchent, une procédure d’arrêt, des journaux et une comparaison honnête entre ce qui a été annoncé et ce qui a été réellement démontré.

Gemini 4 Argon : fermer la boucle entre voir, simuler et agir

Dans son article du 13 octobre, Google présente Gemini 4 Argon comme un modèle de raisonnement physique appliqué à toute la chaîne robotique. Le texte cite un score de 87 % sur le benchmark ERQA et décrit des usages de contrôle, de reconstruction de jumeaux numériques, d’annotation de trajectoires et d’amélioration par simulation.

L’exemple le plus parlant associe un robot Spot, une poubelle à pédale et MuJoCo. Le modèle pratique dans une représentation simulée, vérifie des repères visuels, puis produit une séquence d’action. C’est une architecture plus intéressante qu’une simple commande vocale, parce qu’elle rend visibles des étapes de vérification.

Mais le résultat reste une démonstration publiée par Google. Le benchmark n’est pas un taux de réussite domestique, la vidéo ne donne pas un dénominateur d’échecs et l’article ne transforme pas un modèle en produit grand public. Notre analyse détaillée de Gemini 4 Argon sur ActuHumanoïde distingue ces niveaux.

Pour l’angle d’usage quotidien, notre analyse Robot Personnel sur l’IA physique à la maison traduit cette même annonce en critères de sécurité, de données et de reprise humaine.

Digit 5 : le passage du prototype au pilote industriel

Agility a publié cette semaine une mise à jour de sa collaboration avec NVIDIA : Digit 5 doit standardiser son calcul embarqué sur des modules NVIDIA IGX Thor, avec des éléments de la plateforme de sécurité Halos. L’entreprise annonce un accès anticipé au premier semestre 2027, puis une disponibilité croissante pour des opérateurs de fabrication, d’entrepôt et de distribution.

Le 20 octobre, AGCO et Agility ont également annoncé un pilote à Hesston, au Kansas, attendu en 2027. Les tâches citées sont concrètes : trier et empiler des pièces, puis placer des bacs. Ce cadrage est le signal important. Un humanoïde devient évaluable lorsqu’une entreprise accepte de mesurer un geste, une cadence, une reprise et une valeur opérationnelle.

Il ne s’agit pas encore d’un prix public ni d’une disponibilité française. Notre checklist d’achat Digit 5 et notre analyse du coût total gardent cette distinction visible.

Le DOE veut rendre l’autonomie scientifique reproductible

Le Department of Energy américain a sélectionné quatre projets de robotique et d’automatisation pour la découverte scientifique. MAESTRO travaille sur des infrastructures de laboratoire qui apprennent ; DART cherche à mesurer quand une autonomie est fiable, transférable et scientifiquement valide ; TRACE relie robots, instruments, agents, jumeaux numériques et données ; SPIRE vise l’intégration de la manipulation d’échantillons avec les instruments et le calcul.

Le vocabulaire est révélateur : atlas d’échecs, provenance, contrats de capacités, tests à fidélité mixte et évaluations rerunables. Autrement dit, le progrès n’est pas seulement « le robot a réussi ». Il faut pouvoir expliquer dans quelles conditions, avec quelles données, après quelle erreur et si un autre laboratoire peut reproduire le résultat.

Cette méthode est valable pour la maison. Un vendeur devrait pouvoir dire combien de fois une tâche a été tentée, combien de fois elle a échoué et combien de fois un humain a dû reprendre la main.

EmArm : quand le robot cesse de dépendre uniquement de ses yeux

HKUST a présenté EmArm, un bras robotique doté d’une peau tactile optique souple intégrée à une structure rigide. La peau couvre les parties haute et basse du bras ; des caméras internes interprètent la distribution des forces. L’article de Nature Sensors décrit une boucle qui combine informations tactiles et position des articulations pour adapter le mouvement.

Les auteurs rapportent une fidélité tactile pouvant atteindre 97,9 % dans cinq interférences, une résolution spatiale de 0,085 mm et une capacité à réagir à un obstacle que la vision ne détecte pas. Ces chiffres appartiennent au protocole de recherche. Ils ne prouvent ni compréhension générale des émotions ni sécurité d’un compagnon à domicile.

La piste est néanmoins essentielle : un robot qui ne sent pas le contact peut voir une personne trop tard. Notre dossier Robot Compagnon sur EmArm explique ce que cette recherche change pour les interactions sociales.

Ce que ces annonces prouvent vraiment

Elles prouvent que la robotique avance sur plusieurs verrous distincts : raisonnement spatial, simulation, calcul embarqué, sécurité coopérative, provenance expérimentale et toucher. Elles ne prouvent pas qu’un humanoïde peut réaliser toutes les corvées, huit heures par jour, sans supervision, dans un logement quelconque.

Pour évaluer la prochaine annonce, quatre questions suffisent :

1. Quelle tâche exacte a été mesurée ?
2. Combien d’essais et combien d’échecs ?
3. Quelle intervention humaine a été nécessaire ?
4. Quel est le coût complet par résultat réussi ?

Notre guide Robot De Maison sur les preuves à demander transforme cette grille en checklist d’achat.

Verdict RoboFutur

La semaine est importante parce qu’elle remplace progressivement le récit de « l’IA qui sait tout faire » par une pile de preuves : modèle, capteurs, simulation, arrêt, données, répétition et économie. C’est moins spectaculaire qu’une vidéo virale, mais beaucoup plus proche de la valeur réelle.

Le meilleur indicateur des prochains mois ne sera pas le nombre de robots présentés. Ce sera le nombre de tâches documentées, répétées et reprises proprement quand le monde réel ne suit pas le scénario.