Aucun humanoïde n'a été livré cette semaine, et aucun fabricant n'a revu ses prix. L'information qui compte pour qui compare les plateformes se situe une couche plus bas : dans les modèles et la puissance de calcul qui déterminent si un humanoïde peut agir de façon autonome ou se contenter de rejouer une démonstration scénarisée. Plusieurs actualités de la semaine, aucune ne portant directement sur un robot, concernent pourtant cette couche au premier chef.
L'inférence embarquée est le vrai goulot d'étranglement
La contrainte la plus dure sur l'autonomie des humanoïdes aujourd'hui n'est pas l'intelligence dans l'abstrait. C'est la capacité à faire tourner un modèle performant assez vite, sur un matériel assez compact pour tenir dans un robot, sans vider une batterie ni dépendre d'un aller-retour vers le cloud. MarkTechPost a rapporté un point de données concret : NVIDIA a détaillé trois optimisations superposées qui ont fait progresser de 42,5 % le débit d'inférence d'un modèle de type mixture-of-experts, le Ling-3.0-flash d'Ant Group, sur un seul DGX Spark, sans baisse de précision détectable.
Un DGX Spark n'est pas du calcul embarqué dans un humanoïde, mais il appartient à la même catégorie de matériel compact, sous contrainte énergétique, que les équipes de robotique étudient pour déterminer ce qu'un robot peut exécuter localement. Un gain de débit de 42,5 % sans perte de précision, sur ce type de matériel, est le genre de résultat qui réduit l'écart entre un humanoïde qui a besoin d'une connexion au cloud pour réfléchir et un autre qui exécute davantage de ses décisions à bord. Cet écart, et non une caractéristique isolée sur la fiche comparative des humanoïdes de Compare Robotsconstitue aujourd'hui le vrai critère de différenciation entre les plateformes. Les degrés de liberté, la charge utile et l'autonomie de batterie, suivis sur cette fiche et sur le comparateur de prixrestent pertinents pour une décision d'achat ; ils ne disent simplement pas si la pile IA d'un robot peut tourner de façon fiable sur l'appareil lui-même.
Les cycles de conception matérielle se raccourcissent
The Decoder a rapporté que le modèle GPT-6 Astra d'OpenAI a contribué à concevoir un appareil matériel fonctionnel, boîtier, carte électronique et firmware compris, en moins d'une semaine. Il s'agit d'une démonstration de l'IA accélérant l'itération matérielle, pas d'une preuve qu'un fabricant d'humanoïdes l'ait utilisée : à prendre comme un signal sur l'évolution des cycles de conception, pas comme une annonce produit. Si la conception assistée par IA permet de faire passer le prototypage d'un module capteur ou d'une carte de calcul de plusieurs mois à quelques jours, cela change la vitesse à laquelle les fabricants d'humanoïdes peuvent avancer sur le volet physique du produit, habituellement la moitié la plus lente du cycle par rapport aux mises à jour logicielles.
La vérification et la latence comptent autant que la capacité brute
Deux autres informations complètent le tableau, sans porter spécifiquement sur la robotique. MarkTechPost a rapporté qu'Anthropic a publié FlashProve, un système cryptographique open source capable de vérifier qu'une réponse provient bien d'un modèle certifié, sans révéler les poids de ce modèle. Pour un humanoïde déployé qui prend des décisions sur le terrain, confirmer qu'une action provient du modèle certifié et non d'une version altérée est une exigence réelle, pas un luxe. Par ailleurs, The Decoder a rapporté que la nouvelle fonctionnalité Message Threads d'Anthropic réduit de 35 % le délai avant le premier jeton sur les conversations longues, en n'envoyant que ce qui a changé entre deux tours plutôt que l'historique complet. C'est un correctif d'interface de chat, pas de robotique, mais c'est la même pression qui s'exerce à une autre couche : chaque élément de la pile IA est sollicité pour réduire la latence, car c'est elle qui distingue un robot réactif d'un robot à la traîne.
Se méfier des annonces et des levées de fonds
Toujours selon The Decoder : des chercheurs de Stanford ont testé 50 affirmations largement citées sur les LLM face à 20 modèles actuels, et ont constaté que 44 % étaient déjà « expirées » et 34 % supplémentaires significativement affaiblies. C'est un correctif utile pour l'ensemble de ce secteur. Une capacité annoncée lors d'un keynote ou dans un article il y a six mois peut ne plus être valable, dans un sens comme dans l'autre. La même vigilance s'impose pour les annonces concernant les humanoïdes : vérifier le comportement actuel, pas l'annonce d'origine.
Les capitaux misent sur un pari similaire. The Next Web a rapporté que Fal, qui héberge des modèles d'IA image, vidéo et audio pour les développeurs, a levé 1,3 milliard de dollars pour une valorisation de 16 milliards de dollars, soit le double de sa valeur d'avril. Fal est un acteur d'infrastructure, pas une entreprise de robotique, mais l'ampleur de cette levée traduit la conviction que c'est la couche de service des modèles, et non celle des robots, qui capte la valeur. Les fabricants d'humanoïdes en dépendent en aval : plus il devient rapide et bon marché de servir des modèles performants, plus une équipe de robotique peut se permettre d'en faire tourner localement. À l'autre bout du spectre, plus lent et plus lointain, Interesting Engineering a rapporté que Stanford a lancé un projet de cinq ans associant une IRM à 7 teslas à l'IA pour construire un modèle prédictif du cerveau humain : de la neuroscience fondamentale, pas un produit, à suivre pour le contexte plutôt que pour une décision d'achat.
Ce que cela signifie pour une décision d'achat
Rien ici ne classe directement les plateformes humanoïdes actuelles : aucun fabricant n'a publié de nouveaux benchmarks d'autonomie, et aucune de ces actualités ne nomme un robot précis. Mais la tendance est cohérente. L'inférence devient plus rapide sur du matériel compact, les outils de vérification des sorties IA gagnent en maturité, et la conception assistée par IA raccourcit les cycles d'itération matérielle. Les plateformes qui se détacheront du lot au cours de l'année à venir seront probablement définies par la part de leurs décisions exécutée sur l'appareil et par son niveau de vérifiabilité, plus que par le nombre d'actionneurs de ce trimestre. Les caractéristiques du châssis listées dans le classement des meilleurs humanoïdes restent un filtre de départ. La couche de calcul, suivie au fil de son évolution dans l'actualité robotique de Compare Robotsdonne le vrai signal de qui est le plus proche de livrer une autonomie réelle.