Aucun robot humanoïde n'a été lancé ni n'a changé de prix cette semaine. L'information la plus importante pour qui suit cette catégorie se situe un niveau plus bas, dans les modèles de fondation qui finiront par tourner à bord de ces machines. NVIDIA et Cloudflare ont tous deux publié des modèles spécialisés conçus pour des décisions rapides et ciblées plutôt que pour la conversation ouverte. Cette distinction, la vitesse et l'efficacité plutôt que la fluidité, est précisément celle qui déterminera la réactivité et le coût des robots humanoïdes.
Conçus pour décider, pas pour dialoguer
NVIDIA a publié Kumo Tabular, une famille de modèles de fondation pour la classification et la régression sur données tabulaires, selon MarkTechPost. Au lieu de générer du texte, ces modèles prédisent de nouvelles lignes de données structurées en une seule passe avant : une inférence rapide et bornée, pensée pour la reconnaissance de motifs et la prévision, et non pour la conversation.
Cloudflare a publié une paire de modèles comparable, Clef (27 milliards de paramètres) et Clef-flash (9 milliards), décrits par MarkTechPost comme des modèles de décision à poids ouverts qui renvoient des probabilités typées plutôt que du texte. Les deux acceptent des images en entrée et sont compatibles avec l'API Jev. Sur l'infrastructure Workers AI de Cloudflare, Clef répond en 209,3 millisecondes et Clef-flash en 38,8 millisecondes, selon MarkTechPost.
Ces chiffres de latence pèsent plus qu'il n'y paraît. Un chatbot peut répondre en une seconde ou plus sans que personne ne le remarque. Un robot qui décide de saisir un objet, de contourner un obstacle ou de classer ce qu'un capteur vient de détecter ne le peut pas. Une inférence sous les 40 millisecondes est assez rapide pour s'intégrer dans une boucle de contrôle plutôt qu'à côté d'elle, ce qui correspond à la classe de latence dont l'autonomie robotique embarquée a besoin.
Pourquoi cela compte pour les acheteurs de robots
Les modèles de NVIDIA et de Cloudflare indiquent un choix d'architecture : des modèles plus petits et spécialisés, qui renvoient une classification, une probabilité ou une boîte englobante plutôt qu'un paragraphe de texte, sont moins coûteux et plus rapides à exécuter que des modèles de langage généralistes. Cela ne se traduira pas par un nouveau robot présenté sur scène. Si cela se traduit par quelque chose de concret, ce sera une latence réduite et un coût de calcul plus bas, visibles dans les fiches techniques suivies sur notre page de comparaison des humanoïdes et sur le suivi des prix.
Il faudra surveiller, dans les prochains trimestres, quels fabricants de robots adopteront cette classe de modèles en premier. Cela ne fera pas l'objet d'un communiqué de presse. Si cela se produit, cela se traduira par des temps de réaction plus rapides chez les robots classés dans notre classement des meilleurs robots humanoïdes.
La perception en temps réel évolue dans le même sens
La contribution de Google cette semaine va dans le même sens, appliquée à la perception plutôt qu'à la décision. La fonction Guided Vision de l'entreprise a été lancée dans Gemini Live sur les appareils Android compatibles : elle utilise l'IA pour générer des descriptions audio en temps réel de ce que l'utilisateur pointe avec la caméra de son téléphone, rapporte The Verge. C'est une fonction de smartphone, pas de robot, mais elle repose sur la même exigence sous-jacente : une interprétation continue et à faible latence d'un flux vidéo, assez rapide pour commenter le monde au fur et à mesure qu'il change. Cette exigence est proche de ce dont la chaîne de vision d'un robot humanoïde a besoin pour naviguer et manipuler des objets sans décalage.
Le reste du paysage des modèles de fondation
Deux autres annonces de ce cycle complètent la tendance sans concerner directement la robotique. Cohere a publié Embed 5, une nouvelle famille de modèles d'embedding destinée à la recherche d'entreprise, à la génération augmentée par récupération (RAG) et à la récupération agentique, livrée en deux versions, l'une optimisée pour la qualité maximale, l'autre pour la vitesse, selon MarkTechPost. Google a par ailleurs présenté Gemini 4 Argon, décrit comme son modèle le plus puissant à ce jour, bien que 01net indique que l'accès reste pour l'instant limité à un cercle restreint de spécialistes en cybersécurité avant un déploiement plus large.
Google Research a séparément publié Kauldron, une bibliothèque d'entraînement JAX construite autour de fichiers de configuration déclaratifs et de composants reliés par des références textuelles, destinée à accélérer l'itération de recherche, selon MarkTechPost. Il s'agit d'une infrastructure pour construire des modèles plus vite, pas d'un modèle en soi, mais cela s'inscrit dans le même schéma : des outils spécialisés par tâche, plutôt qu'un seul modèle censé tout faire.
Ce qu'il faut surveiller
Aucune des annonces de cette semaine n'est un produit robotique, et aucune n'a sa place sur une fiche technique. Mais la direction est cohérente : les modèles de fondation se fragmentent en outils rapides, ciblés et spécialisés par tâche, plus proches de la boucle de décision, plutôt qu'en un seul grand modèle conversationnel censé tout faire. Pour un acheteur potentiel de robot humanoïde, le signal à suivre n'est pas le robot qui paraît le plus capable dans une vidéo de démonstration, mais les fabricants qui reconstruisent discrètement leurs piles embarquées autour de cette classe de modèles. C'est ce qui distinguera les robots qui restent des démonstrations coûteuses et dépendantes du cloud de ceux qui deviennent des produits réellement utilisables. Nous continuerons à suivre cette évolution dans notre couverture de l'actualité IA.