Aucun robot humanoïde n'a été lancé, n'a démarré de pilote ou n'a changé de prix cette semaine. L'information la plus utile se trouve ailleurs, dans une série d'annonces sur l'infrastructure IA qui, en apparence, n'ont rien à voir avec les robots, mais qui déterminent directement leurs performances une fois déployés dans un foyer ou un entrepôt.
Le fil conducteur est l'inférence : la vitesse et le lieu où un modèle d'IA calcule sa réponse. Pour un chatbot, une inférence lente ou dépendante du cloud est une gêne. Pour un robot humanoïde qui doit rattraper un objet qui tombe, ajuster sa prise ou répondre à une instruction orale, la vitesse et la localisation de l'inférence font la différence entre une démonstration maîtrisée et une machine qui fonctionne réellement en atelier.
Ce qui s'est réellement passé cette semaine
Liquid AI a lancé RIPL, décrit par MarkTechPost comme un moteur d'inférence temps réel conçu pour les modèles LFM de l'entreprise. Sur une seule puce B200, le modèle LFM2.5-1.2B de Liquid AI tournant sur RIPL a affiché une latence p95 de 14,4 à 28,4 fois inférieure à celle de Qwen3.5-0.8B tournant sur vLLM, un framework d'inférence très répandu, selon MarkTechPost. La latence p95 mesure les réponses les plus lentes, celles qui cassent réellement l'interaction en temps réel : une amélioration sur cet indicateur compte donc davantage pour la réactivité qu'une moyenne.
Il s'agit d'un benchmark produit par l'entreprise qui a conçu le moteur, testé contre un seul modèle et une seule pile concurrents, pas d'une comparaison indépendante. Il montre qu'une inférence conçue pour le temps réel peut surpasser un service cloud généraliste, ce qui est précisément la question d'architecture pertinente pour la robotique. Cela ne prouve en rien que la pile IA d'un robot donné fonctionne de cette manière.
Le reste des annonces sur l'infrastructure s'est partagé entre deux directions opposées. You.com a lancé Inference Router, une API compatible OpenAI couvrant 12 modèles à poids ouverts, avec un SLA de disponibilité de 99,9 %, une rétention de données nulle et un hébergement 100 % américain, selon MarkTechPost : une réponse tournée vers le cloud, fondée sur des garanties de service et non sur le calcul embarqué. Google a présenté Agent Compute Engine, qui attribue à chaque agent Gemini sa propre micro machine virtuelle isolée au niveau matériel et qui étend la gouvernance des agents au cloud, à l'hybride et à l'on-premise, selon The Decoder : davantage d'isolation à l'intérieur de l'exécution cloud, pas un mouvement vers la périphérie.
Deux articles de Tom's Guide décrivent le mouvement inverse, vers le calcul local : un chatbot IA gratuit intégré au Mac, qui tourne localement sans abonnement, et le cas d'un utilisateur ayant abandonné un abonnement payant à un chatbot cloud pour un agent IA local gratuit tournant sur PC, pour des raisons de confidentialité des données. La même logique s'applique à la question robotique : le local achète de la vitesse et de la confidentialité, le cloud achète de l'étendue de capacités et la garantie de disponibilité de quelqu'un d'autre.
Pourquoi cela compte pour un robot, pas seulement pour un chatbot
L'utilité d'un robot humanoïde repose sur la manière dont son système de contrôle perçoit, décide et agit, et sur la durée de chaque étape. Un modèle de raisonnement qui fait appel à une API cloud pour chaque décision hérite de la latence réseau et d'une dépendance à la connectivité, en plus du temps de calcul propre au modèle. Un modèle tournant sur du matériel local, ce que vise l'architecture de Liquid AI, supprime cet aller-retour pour les fonctions exécutées sur l'appareil.
C'est pourquoi « autonomie », comme terme marketing, reste un signal faible en soi. Un robot peut être qualifié d'autonome tout en dépendant d'une connexion cloud pour le raisonnement derrière la plupart de ses comportements intéressants, et une connexion lente ou interrompue dégraderait ce comportement d'une façon qu'une vidéo de démonstration ne montre jamais. La question pertinente n'est pas de savoir si un robot est autonome, mais à quoi ressemble sa latence en conditions réelles, et si ce chiffre est même communiqué. Notre comparateur humanoïde suit les caractéristiques publiées par les fabricants ; l'approche d'inférence mérite le même examen que l'autonomie de la batterie ou la charge utile.
Il y a des raisons de rester prudent face aux promesses d'autonomie non chiffrées. Une enquête Gartner citée par The Decoder a constaté que seulement 13 % des entreprises constatent une véritable valeur commerciale issue de leurs investissements en IA, tandis que 51 % en attendent une hausse des coûts d'exploitation. Il s'agit de logiciels d'entreprise, pas de robotique, mais c'est un contrepoint utile au discours dominant : même des entreprises bien dotées ne voient pour l'instant guère de retour sur l'IA. Une session distincte du MIT Technology Review, lors d'EmTech Future, a posé le problème de fond : faire croître l'IA de façon utile exige la convergence des données, de l'ingénierie, des plateformes, des modèles opérationnels et de la gouvernance, pas seulement un modèle performant. Un fabricant de robots qui revendique une autonomie mature affirme implicitement avoir résolu ce problème de convergence sur du matériel, en temps réel, et peu ont publié les chiffres pour l'étayer.
Les questions à réellement poser à un fabricant de robots
L'architecture d'inférence doit être traitée comme une caractéristique à exiger, pas une fonction à supposer acquise :
- La boucle perception-action tourne-t-elle sur l'appareil, dans le cloud, ou selon une répartition entre les deux ?
- Quelle est la latence mesurée pour les tâches principales, et un chiffre p95 est-il disponible, pas seulement une moyenne ?
- Que devient le comportement du robot si sa connexion réseau est coupée ?
Rien de tout cela n'apparaît dans un clip de démonstration bien léché, et rien n'apparaît aujourd'hui dans les fiches techniques standard, y compris sur les sites qui suivent les prix des robots humanoïdes ou les comparatifs comme notre classement des meilleurs modèles.
Cette semaine, rien ne change le meilleur achat du moment. Cela change la question à poser à ceux qui vendent ces robots. Tant que les fabricants ne publieront pas de chiffres de latence avec la même rigueur que pour les degrés de liberté ou la charge utile, toute revendication d'autonomie doit être considérée comme non vérifiée. Pour les définitions des termes employés, notre glossaire couvre l'inférence et la latence.