Comprendre
Histoire de l'IA en robotique : des réseaux spécialisés aux robots généralistes
L'IA n'a pas débarqué en robotique avec les modèles VLA : elle y travaille depuis les années 1960, par vagues successives qui ont chacune ajouté une capacité sans remplacer la précédente. Comprendre cette histoire aide à situer ce qui est vraiment nouveau en 2026, et ce qui ne l'est pas.
Frise chronologique : trois ères de l'IA en robotique
Trois ères se succèdent, chacune ajoutant une capacité sans effacer la précédente. La première invente la manipulation programmée : en 1961, Unimate rejoint une chaîne de General Motors, suivi par Shakey, premier robot mobile capable de planifier ses actions, développé au SRI de 1966 à 1972. La vision industrielle naît avec des acteurs comme Cognex, fondé en 1981, puis la vision 2D guide les robots dans l'automobile tout au long des années 1990 et 2000.
La deuxième ère fait entrer le deep learning dans la perception : AlexNet remporte le concours ImageNet en 2012, YOLO publie la détection d'objets en temps réel à partir de 2015, Dex-Net étend le deep learning au bin picking à partir de 2017, et Covariant met en production son picking par IA en entrepôt en 2020.
La troisième ère cherche la généralisation : RT-1 de Google sort en 2022, suivi en 2023 par RT-2 et par Segment Anything (SAM) de Meta. π0 de Physical Intelligence arrive en 2024, puis NVIDIA publie les poids ouverts de GR00T N1 en mars 2025. En 2025 et 2026, les premiers pilotes humanoïdes entrent en usine, comme le déploiement d'AEON chez Schaeffler ou l'accord entre GXO et Agility Robotics pour Digit.
L'IA est déjà là : dix ans de production
Avant même les modèles VLA, l'IA tourne déjà en production dans la robotique industrielle depuis plus d'une décennie. La détection d'objets par YOLO compte les pièces, repère les EPI ou trie les colis. La segmentation d'images progresse vite avec la famille Segment Anything (SAM, avril 2023), SAM 2 (juillet 2024) puis SAM 3 (novembre 2025) de Meta, qui accélèrent l'annotation et le picking. La robotique guidée par vision 2D et 3D, l'estimation de pose 6D pour le bin picking (Photoneo, Zivid) et l'inspection qualité par détection d'anomalies (Cognex, Keyence) tournent déjà dans des milliers d'usines.
Le picking généraliste en entrepôt en est l'exemple le plus visible. Amazon a recruté les fondateurs de Covariant et licencié ses modèles en août 2024 pour accélérer sa flotte de robots. En Allemagne, Sereact revendique plus de 200 systèmes déployés en Europe et plus d'un milliard de picks en production, chez des clients comme BMW ou Mercedes-Benz. Le message est simple : un réseau de neurones convolutif spécialisé par tâche, intégré par un intégrateur, ça fonctionne déjà, sans attendre un modèle généraliste.
Pile spécialisée ou pile généraliste ?
Ces deux histoires cohabitent aujourd'hui, sur le même site industriel. Voici comment les deux piles se comparent, brique par brique.
La pile spécialisée reste aujourd'hui la plus fiable et la plus facile à certifier : chaque brique est testée, documentée, remplaçable indépendamment, et son comportement dans le pire cas est prévisible. Son coût est humain : chaque nouvelle tâche redemande de l'intégration. La pile généraliste promet l'inverse : un seul modèle appris par démonstrations, capable de s'adapter à de nouvelles tâches sans reprogrammation. Mais en 2026, elle reste très majoritairement au stade du pilote, avec des questions ouvertes de fiabilité, de certification et de coût d'inférence embarquée. Les deux approches ne s'excluent pas : beaucoup d'industriels combinent déjà une pile spécialisée pour les tâches critiques et des briques généralistes pour la perception ou la planification de haut niveau.
Ce que cette histoire enseigne à un industriel
La vague actuelle de l'IA physique n'est pas une rupture sortie de nulle part : c'est la troisième étape d'une évolution longue de plus de soixante ans. Chaque étape a réutilisé les compétences de la précédente plutôt que de les remplacer : les intégrateurs vision qui ont câblé les usines dans les années 1990 sont largement les mêmes qui déploient aujourd'hui les pilotes VLA, et la qualité des données de production reste le facteur limitant, hier comme aujourd'hui.
Trois lectures pour situer votre projet dans cette continuité : notre guide sur les modèles VLA pour comprendre ce que change vraiment la troisième ère, notre feuille de route usine pour séquencer un pilote sans tout miser sur une technologie encore jeune, et notre comparateur des robots industriels et mobiles pour mesurer ce qui, dans votre parc actuel, relève déjà de la pile spécialisée éprouvée.
Repères
YOLO, c'est quoi ? Une famille de réseaux de neurones qui détecte et localise des objets dans une image en un seul passage, en temps réel. Introduite en 2015, elle reste la référence pour compter, trier ou repérer des objets en usine.
SAM, c'est quoi ? Segment Anything Model, développé par Meta à partir de 2023, découpe précisément le contour de n'importe quel objet dans une image ou une vidéo, sans entraînement spécifique à la tâche. Il accélère l'annotation de données et le picking en entrepôt.
Pourquoi tout le monde parle de VLA maintenant ? Parce que les modèles vision-langage-action promettent de remplacer plusieurs briques spécialisées par un seul modèle appris par démonstrations. C'est prometteur mais récent : la plupart des déploiements restent des pilotes, pas encore de la production à grande échelle.
Sources : IEEE Spectrum, Unimate (1961), SRI International, Shakey, Krizhevsky, Sutskever, Hinton, ImageNet (2012), Redmon et al., YOLO, arXiv (2015), Google Research, RT-1 (2022), Meta AI, Segment Anything (2023), NVIDIA Newsroom, Isaac GR00T N1 (mars 2025), Hexagon, déploiement AEON chez Schaeffler (2026).