Robotique : où va la valeur à l'ère de l'IA physique ?

Ce que le PC et le smartphone nous apprennent

Deux migrations de valeur permettent de lire l'IA physique. Sur le PC, l'architecture ouverte de l'IBM PC (1981) a permis le clonage par des tiers (Compaq et d'autres) : le matériel s'est commoditisé, la valeur s'est concentrée chez les fournisseurs du processeur et de l'OS, Microsoft et Intel, l'alliance « Wintel ». Sur le smartphone, le schéma s'est répété en pire pour les fabricants : en 2023, Apple captait environ 85 % du profit mondial du secteur avec seulement 21 % des volumes (Counterpoint Research, Bloomberg), le reste se battant sur des marges Android construites sur puces Qualcomm et architecture ARM. Le véhicule électrique logiciel suit une trajectoire comparable : selon McKinsey, le contenu logiciel d'une berline milieu de gamme passe d'environ 10 % de sa valeur (1 220 dollars) en 2018 à une projection de 30 % (5 200 dollars) en 2030.

La robotique suivra-t-elle le même scénario, avec NVIDIA en position de « Wintel de la robotique » ? L'entreprise combine une puce embarquée (Jetson Thor, architecture Blackwell, jusqu'à 2 070 TFLOPS FP4, 128 Go de mémoire), un modèle de fondation ouvert (Isaac GR00T) et une plateforme de simulation quasi standard (Isaac Sim). TechCrunch résumait en janvier 2026 : NVIDIA veut devenir « l'Android de la robotique généraliste ». Boston Dynamics intègre Jetson Thor dans Atlas, Agility Robotics l'annonce pour Digit 6, Figure AI construit dessus. Différence avec le PC : la diversité physique des robots complique la standardisation totale.

Le hardware se commoditise plus vite que prévu

La compression des prix a surpris le secteur lui-même. Unitree a lancé son G1 en mai 2024 à 99 000 yuans, environ 16 000 dollars (The Robot Report) ; en 2026, l'entreprise proposait une plateforme bras double à base fixe dès 4 290 dollars et des versions bipèdes R1 / R1 Air entre 4 900 et 5 900 dollars. Le prix de vente moyen d'Unitree est lui-même passé de 593 000 yuans en 2023 à 168 000 yuans sur les neuf premiers mois de 2025 (prospectus d'introduction en bourse, mars 2026), tout en restant rentable via l'intégration verticale de ses moteurs et réducteurs. La pression descend toute la chaîne : selon la China Robot Industry Alliance (données 2024-2025), le fabricant de réducteurs harmoniques Leaderdrive détient déjà plus de 35 % des unités installées en Chine, à des prix inférieurs de 40 à 60 % aux équivalents japonais Harmonic Drive.

Le parallèle avec le photovoltaïque est direct : le prix des modules solaires chinois a baissé d'environ 90 % depuis 2010, avec une nouvelle division par deux en 2023 et encore 25 % en 2024 sous l'effet de la surcapacité (CSIS, EnergyTrend). Ce que la Chine a fait à la marge du panneau solaire, elle semble le refaire sur l'actionneur robotique. Ce qui reste défendable côté matériel n'est donc plus le prix mais la fiabilité industrielle prouvée, la précision répétable, la sécurité certifiée (marquage CE, voir notre pilier AI Act et normes) et la chaîne de service locale.

Encore faut-il distinguer deux hardwares que tout oppose. Le hardware émergent (humanoïdes, quadrupèdes) se commoditise sur le prix catalogue, pas sur la fiabilité : un G1 à 16 000 dollars tourne deux heures sur batterie et n'est homologué pour aucune cadence de production. Le robot industriel éprouvé vend autre chose : des dizaines de milliers d'heures de MTBF, du 24/7 pendant huit à douze ans, une répétabilité au dixième de millimètre et des pièces détachées garanties vingt ans. Cette fiabilité est le fruit de décennies d'ingénierie et de retours d'usine : elle ne se copie pas en dix-huit mois, et c'est pourquoi les prix des bras industriels s'érodent lentement quand ceux des humanoïdes s'effondrent. Confondre les deux dynamiques, c'est l'erreur classique des analyses écrites loin des ateliers. Notre indice de production humanoïde suit cette bascule fabricant par fabricant.

Où est le vrai différenciateur ? Pas dans le modèle

Le VLA est la technologie habilitante de cette vague, pas le différenciateur durable. GR00T N1 est en poids ouverts, OpenVLA et SmolVLA aussi, et les recettes d'entraînement se publient en continu : quand une équipe compétente peut affiner un modèle correct en quelques semaines, le modèle ne protège personne. Comme pour les grands modèles de langage, les performances convergent et la valeur se déplace autour du modèle.

Ce qui reste défendable en 2026 : d'abord les données de flotte, la boucle robots déployés vers données vers modèle vers robots que seuls possèdent ceux qui ont des machines sur le terrain (voir la section sur l'économie des données) ; ensuite la fiabilité industrialisée, le fossé entre la démonstration et les 8 heures par jour auditables qui a toujours structuré la robotique industrielle ; puis le coût du hardware, qui explique l'écart de notre indice de production entre Unitree et Tesla ; et la distribution, le réseau d'intégrateurs et de service que les acteurs historiques des bras possèdent et qu'aucun fabricant d'humanoïdes n'a encore construit.

Le compute embarqué, lui, est un égalisateur : NVIDIA vend les mêmes Jetson à tout le monde. Conclusion opérationnelle : entre deux fournisseurs qui revendiquent chacun un VLA, ne comparez pas les modèles, comparez les données de flotte, les pilotes vérifiables et le réseau de service.

La preuve par le marché : en octobre 2025, SoftBank n'a pas acheté un laboratoire de modèles, il a racheté la division robotique d'ABB pour 5,375 milliards de dollars, c'est-à-dire un réseau de distribution, un parc installé et quarante ans de service, qu'il assemble avec Skild AI et AutoStore dans sa holding Robo HD (annonce du 08/10/2025).

Un roboticien sait-il faire du logiciel ? La question structurelle

Soyons directs : les cultures sont largement incompatibles. Un roboticien pense en cycles produit de 5 à 7 ans, validés par des dossiers de sécurité machine ; une équipe IA pense en itérations hebdomadaires et déploiement continu. Le premier vend un actif CAPEX amorti sur une décennie ; le second construit une relation récurrente de type SaaS, avec des cycles de vente et une organisation commerciale différents.

Les précédents logiciels des grands roboticiens invitent à la prudence. KUKA Connect, ABB Ability et FANUC Field existent depuis le milieu des années 2010, avec de vraies fonctions de supervision. Mais aucun des quatre grands ne publie de ligne de revenu logiciel récurrent distincte de la vente de robots : la division Robotique d'ABB pesait 2,3 milliards de dollars en 2024, environ 7 % du groupe, très majoritairement liée au matériel. Ce n'est pas la preuve d'un échec, mais que le logiciel n'y est pas encore un centre de profit comparable à un multiple de valorisation SaaS.

La guerre des talents aggrave l'écart : en 2026, un chercheur senior en laboratoire IA de premier plan (OpenAI, Anthropic) perçoit 500 000 à plus de 2 millions de dollars par an, contre 145 000 à 185 000 dollars pour un ingénieur robotique industriel, un multiple de 3 à 6 que peu de P&L robotiques peuvent absorber.

Contre-exemple qui compte : Figure AI a rompu en février 2025 son accord avec OpenAI pour internaliser son modèle, devenu Helix. Brett Adcock : « pour résoudre l'IA incarnée à grande échelle, il faut intégrer verticalement l'IA du robot » (TechCrunch, 4 février 2025). L'intégration cerveau-corps compte, mais Figure l'a financée par une levée à 39 milliards de dollars, un ticket hors de portée d'un roboticien moyen.

La nouvelle chaîne de valeur

En empilant les couches désormais en jeu, une hiérarchie de marge se dessine, encore mouvante mais déjà lisible :

Deux lignes à souligner. D'abord, les deux couches du bas, données d'exploitation et service, sont celles qu'un roboticien installé peut occuper sans attendre : pas besoin de rivaliser avec NVIDIA sur les puces ni avec les labos sur les modèles, seulement une présence terrain déjà acquise. Ensuite, la « cellule certifiée » n'est pas une case résiduelle : c'est la seule où la réglementation crée une barrière structurelle, la responsabilité CE ne s'exerçant ni depuis Santa Clara ni depuis un cloud.

L'économie des données robotiques

Une différence fondamentale sépare l'IA physique des LLM : le texte du web était gratuit, la donnée robotique doit être fabriquée. Chaque trajectoire de manipulation coûte du matériel, des opérateurs et du temps. Il en naît une industrie à quatre étages, encore jeune mais déjà structurée.

1. Les usines à données. Tesla recrute des « Data Collection Operators » payés jusqu'à 48 dollars de l'heure pour marcher plus de 7 heures par jour en combinaison de capture de mouvement et casque VR, avec des critères de taille alignés sur Optimus (entre 1,70 m et 1,80 m) ; plus de 50 opérateurs recrutés selon la presse, pour un coût de collecte estimé jusqu'à un demi-milliard de dollars. À Shanghai, AgiBot exploite une ferme d'une centaine de robots humanoïdes à deux bras téléopérés : son dataset AgiBot World dépasse le million de trajectoires, soit près de 3 000 heures couvrant 217 tâches, 87 compétences et plus de 3 000 objets, publié en open source avec ses jumeaux numériques de simulation.

2. La capture du geste humain. La vidéo égocentrique et les dispositifs portables type UMI (Universal Manipulation Interface, Stanford / Columbia, 2024), une pince tenue à la main qui enregistre des démonstrations « in-the-wild » sans robot, produisent des politiques transférables entre plateformes, à un coût par démonstration très inférieur à la téléopération.

3. La donnée synthétique. La simulation (Isaac Lab, Cosmos chez NVIDIA) devient un substitut crédible : Mistral AI a présenté le 8 juillet 2026 Robostral Navigate, modèle de navigation de 8 milliards de paramètres entraîné à 100 % en simulation (environ 400 000 trajectoires sur 6 000 scènes), fonctionnant avec une seule caméra RGB.

4. La curation et les standards. Le format LeRobot de Hugging Face s'impose : le hub est passé d'environ 1 145 datasets robotiques fin 2024 à plus de 58 000 en mai 2026 (IEEE Spectrum), et Open X-Embodiment agrège plus d'un million de trajectoires issues de 22 types de robots.

Conclusion pour les industriels européens : dans cette économie, les données de process d'une usine réelle, cadences, tolérances, défaillances, variabilité, sont le gisement le plus rare. Aucune ferme de téléopération ni aucun simulateur ne les reproduit. C'est un actif négociable face aux laboratoires de modèles, à condition de le capter et de le contractualiser dès maintenant. Beaucoup de ces briques sortent de jeunes pousses que recense notre comparateur startups.

Le logiciel se copie : comment défendre sa valeur

Constat honnête avant toute stratégie logicielle : en 2026, le code n'est plus un actif défendable en soi. Les architectures publiées se reproduisent en quelques mois. Les poids de modèles se distillent : début 2025, OpenAI et Microsoft ont affirmé que DeepSeek avait entraîné une partie de ses modèles sur les sorties de ChatGPT ; l'accusation reste contestée et sans suite judiciaire à ce jour, mais l'épisode a démontré qu'un modèle de pointe peut être approché à une fraction du coût par distillation de ses sorties. Et les brevets purement logiciels sont fragiles en Europe : l'article 52 de la Convention sur le brevet européen exclut les « programmes d'ordinateur » de la brevetabilité « en tant que tels », seule une invention à caractère technique, typiquement le pilotage d'un procédé industriel, échappant à l'exclusion.

Les vraies défenses, par ordre d'efficacité :

1. Le flux de données propriétaire. Pas un stock : un pipeline. Chaque robot déployé améliore le modèle ; le copieur possède le code d'hier, jamais les données de demain. C'est la défense structurelle numéro un, et elle rejoint la section précédente : celui qui opère la flotte détient le flux.
2. La vitesse d'itération avec de vrais clients. Un cycle produit qui apprend chaque semaine sur le terrain distancie mécaniquement le suiveur qui repart du code publié.
3. La certification et la responsabilité. La copie ne porte ni le marquage CE, ni l'assurance, ni la signature juridique de conformité AI Act. Le réglementaire européen, souvent vécu comme un coût, agit ici comme un fossé défensif.
4. Le canal et le service. La confiance des intégrateurs et des OEM se construit en années de disponibilité et de pièces livrées ; elle ne se clone pas.
5. L'écosystème et les effets de réseau. Plateforme, communauté de développeurs, place de marché : c'est le pari de Wandelbots NOVA déjà cité, où la valeur tient au nombre d'acteurs raccordés plus qu'au code.
6. Le juridique, en appui seulement. Secret des affaires (directive UE 2016/943 du 8 juin 2016 sur la protection des savoir-faire et informations commerciales non divulgués), licences duales, brevets ciblés sur le couplage hardware-logiciel (là où le caractère technique est établi), contrats encadrant la propriété des données clients.

Conséquence pratique pour un roboticien : ne vendez jamais le logiciel comme un produit isolé, dont le prix inviterait à la copie, mais comme l'accès à cette boucle : abonnement lié au service, à la certification maintenue et à l'amélioration continue du modèle par les données de la flotte. La synthèse tient en une phrase : on ne protège pas un logiciel robotique, on protège la boucle client-données-certification qui l'entoure.

Un roboticien doit-il investir maintenant, et pour quel retour ?

Oui, mais investir ne veut pas dire construire son propre modèle de fondation généraliste : le ticket d'entrée est hors de portée de la quasi-totalité des roboticiens. Investir veut dire choisir sa case dans le tableau précédent, pas toutes les occuper.

Quatre stratégies réalistes :

1. Devenir le meilleur corps pour les cerveaux des autres. Approche ouverte façon Unitree, ou partenariats dans l'écosystème GR00T : Boston Dynamics, Agility Robotics et Figure AI bâtissent déjà sur Jetson Thor plutôt que de rivaliser avec NVIDIA sur la puce.
2. Acquérir ou s'allier plutôt que construire seul. Même les mieux capitalisés achètent la compétence : Meta (Assured Robot Intelligence, équipe intégrée à Meta Superintelligence Labs, mai 2026), Mobileye (Mentee Robotics, 900 millions de dollars, janvier 2026), et déjà Amazon (Fauna Robotics, mars 2025).
3. Verticaliser sur sa niche applicative. Le roboticien qui connaît déjà les tolérances et défaillances typiques d'un secteur détient un actif de données que ni NVIDIA ni un laboratoire généraliste ne possède.
4. Jouer la couche d'orchestration agnostique. Exemple européen : Wandelbots (Dresde) a présenté NOVA fin 2024, premier système d'exploitation agnostique pour robots, compatible dès le lancement avec ABB, FANUC, Universal Robots et KUKA ; 126 millions de dollars levés en série C.

Le ROI de ce choix n'est pas un ROI de projet : c'est une assurance-survie assortie d'une option. Indicateurs à suivre : part de revenu récurrent logiciel dans le chiffre d'affaires (0 à 10-20 % change la valorisation, à l'image de l'automobile où le logiciel passe de 10 % en 2018 à 30 % projetés en 2030 selon McKinsey), rétention de marge, actif données constitué. Pour le calcul projet par projet, voir notre pilier ROI d'un pilote en usine.

Contre-exemple à citer avec tact : Nokia dominait le mobile avec un excellent matériel, environ 39 à 40 % de part de marché mondiale en 2007-2008, mais n'a pas suivi le basculement vers iOS et Android. Sa part tombe sous 5 % dès 2013, année où l'entreprise cède son activité téléphone à Microsoft pour 5,44 milliards d'euros, sa valeur boursière de pointe ayant quasiment disparu. Le hardware excellent n'a pas suffi quand la valeur a basculé dans le logiciel.

Notre lecture

1. La chaîne de valeur robotique se recompose, sans être figée : NVIDIA tient la plateforme la plus forte (puce, modèle, simulation), mais aucun OS robotique n'a le monopole que Windows avait sur le PC.
2. Le hardware seul ne protège plus rien : la compression déjà vue sur les humanoïdes chinois, de 16 000 à 4 290 dollars en moins de deux ans, rend intenable toute stratégie fondée sur la marge matérielle.
3. Devenir un laboratoire de modèles généralistes n'est pas réaliste pour la plupart des roboticiens : le ticket d'entrée, capital et talent à 3-6 fois les niveaux de l'industrie, suppose une levée à l'échelle de Figure AI.
4. La valeur défendable localement tient en deux actifs : la responsabilité de la cellule certifiée (CE, AI Act) et les données d'exploitation du contact client, que ni puce ni modèle ne répliquent à distance.
5. Ne pas décider, c'est décider : chaque année d'attente coûte un an de constitution d'actif données et d'avance concurrentielle, dans un marché où la compression matérielle s'accélère.

D-Fairy accompagne les acteurs de la robotique dans ce choix de positionnement stratégique face à l'IA physique.