Les cerveaux des robots pourraient connaître leur « moment ChatGPT » d'ici fin 2027, selon le président d'ACE Robotics, Wang Xiaogang, pour qui les progrès des modèles d'IA et des données d'entraînement du monde réel rapprochent les robots humanoïdes d'un usage commercial. La comparaison est délibérée : ChatGPT, lancé en novembre 2022, aurait atteint environ 100 millions d'utilisateurs en l'espace d'environ deux mois — le genre de percée grand public que l'intelligence incarnée n'a pas encore connue.

Les robots humanoïdes savent déjà marcher, danser et boxer, mais les faire accomplir de manière fiable un travail utile dans le monde physique imprévisible reste l'un des plus grands défis de l'intelligence artificielle. Wang estime que les nouveaux modèles d'IA combinés à la capture de données environnementales pourraient bientôt donner aux robots l'intelligence nécessaire pour passer des démonstrations au déploiement commercial, selon un rapport de Reuters.

« Nous nous attendons à atteindre le “moment ChatGPT” de l'intelligence incarnée d'ici la fin de l'année prochaine, portés par les modèles de monde et la capture de données environnementales », a déclaré Wang à Reuters.

Fondée en juillet 2025, ACE Robotics est une startup chinoise qui développe des modèles d'IA pour les robots humanoïdes. Soutenue par Ant Group et SenseTime, l'entreprise a levé plus de 100 millions de dollars au premier semestre 2026 et, selon Reuters, prévoit de procéder à une introduction en bourse « dès que cela sera autorisé ». La startup prévoit également de déployer sa technologie dans 1 000 magasins au cours de l'année prochaine, tout en visant à collecter des dizaines de millions d'heures de données d'entraînement du monde réel d'ici deux ans — une ressource qui reste en pénurie critique. Elle figure parmi les acteurs chinois bien financés du secteur, aux côtés de Unitree, UBTech et Agibot, dans un domaine que Pékin a désigné comme priorité stratégique et pour lequel le ministère de l'Industrie a fixé des objectifs de production de masse pour les robots humanoïdes.

Si les grands modèles de langage comme ChatGPT et DeepSeek se sont diffusés rapidement, les robots peinent encore à accomplir un large éventail de tâches dans des environnements qui leur sont inconnus, et le manque de données d'entraînement demeure un obstacle majeur pour le secteur.

L'IA incarnée permet aux robots et à d'autres agents physiques de percevoir leur environnement, de raisonner à son sujet et de convertir leurs décisions en actions grâce à des capteurs et à des actionneurs. Les modèles de monde, quant à eux, aident l'IA à comprendre le fonctionnement du monde physique en apprenant comment se comportent les objets et les environnements. Pour les robots, cela signifie anticiper ce qui pourrait se produire lorsqu'ils se déplacent, saisissent un objet ou interagissent de quelque manière que ce soit avec leur environnement, avant d'agir.

« Au cours des dernières années, l'ensemble du secteur a accumulé environ 100 000 heures de données, ce qui est loin d'être suffisant pour entraîner des modèles de fondation incarnés », a déclaré Wang.

Ailleurs, des chercheurs expérimentent des approches similaires. En octobre, des chercheurs ont dévoilé HumanoidExo, un exosquelette portable qui capture les mouvements humains pour entraîner des robots humanoïdes.

D'autres entreprises développent leurs propres modèles d'IA pour les robots. En janvier, Boston Dynamics a dévoilé la version de production de son humanoïde Atlas, en indiquant que les progrès de l'IA avaient rapproché le robot d'un déploiement commercial. En juin, Alibaba a présenté sa suite Qwen-Robot, un ensemble de modèles d'IA conçus pour aider les robots à se déplacer, à accomplir des tâches physiques et à simuler des environnements du monde réel. Tesla développe son humanoïde Optimus pour le travail en usine, et Figure AI a testé ses robots sur une ligne de production de BMW. Le calendrier annoncé par Wang donne désormais à l'industrie un indicateur concret à surveiller : savoir si des déploiements à grande échelle, comme les 1 000 magasins prévus par ACE, pourront produire les données d'entraînement du monde réel que les seules démonstrations ne peuvent fournir.