Trois sorties de modèles d'IA sont tombées la même semaine. Ensemble, elles pointent vers une évolution qui compte plus, pour l'acheteur de robot humanoïde, que n'importe quelle mise à jour de fiche technique : le modèle qui tourne à l'intérieur d'un robot devient une décision d'achat aussi importante que le robot lui-même.
Google, Nvidia et Meta ont chacun publié un modèle multimodal destiné, directement ou indirectement, à la robotique et à l'IA incarnée. Ces sorties diffèrent par leur architecture et leur degré d'ouverture, mais partagent un même constat : la couche logicielle qui interprète les caméras d'un robot, planifie ses actions et s'entraîne sur de nouvelles tâches constitue désormais un marché distinct et concurrentiel, séparé du matériel sur lequel elle fonctionne.
Gemini 4 Argon : conçu pour le contrôle robotique
Selon The Decoder, Gemini 4 Argon de Google est positionné pour contrôler des robots, générer des simulations à partir de photos ou de croquis, et évaluer des vidéos d'entraînement. L'approche diffère de celle d'un chatbot généraliste reconverti pour la robotique. Argon est construit autour de la boucle qu'un fabricant de robots exécute réellement : il capture ce que voient les caméras d'un robot, simule des variations de cette scène pour générer davantage de données d'entraînement, analyse les vidéos de tâches tentées, puis émet des commandes de contrôle à partir de ce qu'il a appris.
Sur le benchmark ERQA de Google lui-même, Gemini 4 Argon obtient un score de 87 %, selon The Decoder. Ce chiffre provient d'un benchmark conçu et exécuté par Google, non d'un test indépendant : il doit donc être lu comme une revendication du fournisseur plutôt que comme un résultat vérifié.
Pour un acheteur, la question de savoir quel modèle de fondation se trouve derrière la perception et la planification d'un robot est désormais aussi pertinente que les chiffres de portée ou de charge utile recensés sur la fiche technique humanoïde de Compare Robots.
L'alternative à poids ouverts : Nvidia et Meta
Gemini 4 Argon est fermé et propriétaire. Un fabricant qui l'adopte lie la croissance future des capacités de son produit à la feuille de route et aux conditions commerciales de Google. Nvidia et Meta ont publié des alternatives qui permettent aux fabricants de garder ce contrôle en interne.
Nemotron 3.5 Super VL de Nvidia est un modèle multimodal ouvert à mélange d'experts de 120 milliards de paramètres, dont 12 milliards de paramètres actifs, avec une fenêtre de contexte de 1 million de tokens, selon MarkTechPost. Son format de poids NVFP4 lui permet de fonctionner sur un seul DGX Spark. The Decoder rapporte qu'il est accompagné de deux modèles compacts Bolt conçus pour amener les agents d'IA sur des machines locales plutôt que dans le cloud, et que des dizaines d'organisations affinent déjà Nemotron 3.5 Super VL pour des agents d'entreprise. ZDNet Robotics note que cette sortie s'inscrit dans une vague de modèles à poids ouverts venus de laboratoires américains, consécutive au piratage de Hugging Face.
La publication de Meta est plus volumineuse et plus spécialisée. Muse Spark Open est un modèle à poids ouverts à mélange d'experts de 816 milliards de paramètres, dont 42 milliards de paramètres actifs, avec une fenêtre de contexte de 1 million de tokens, selon MarkTechPost, et il fonctionne sur deux Mac Studio M5 Ultra plutôt que sur une infrastructure de centre de données. MarkTechPost rapporte également que Muse Spark Open domine les modèles ouverts sur le benchmark MCP-Atlas.
Ce que cela signifie pour une décision d'achat
Aucune de ces trois sorties n'est un robot humanoïde, et aucune n'a été démontrée en fonctionnement de bout en bout sur une plateforme humanoïde commercialisée, d'après les faits disponibles ici. La pertinence pour les acheteurs est structurelle plutôt qu'une revendication produit directe : l'écosystème de modèles sur lequel la pile logicielle d'un robot peut s'appuyer influence la vitesse à laquelle les capacités de ce robot s'amélioreront après l'achat.
Un modèle fermé comme Gemini 4 Argon offre à un fabricant un système performant et maintenu sans le coût d'un entraînement depuis zéro, au prix d'une dépendance au calendrier de sorties et aux conditions de Google. Des modèles à poids ouverts comme Nemotron 3.5 Super VL et Muse Spark Open permettent à un fabricant d'affiner, d'auditer et de faire fonctionner le modèle sur sa propre infrastructure, au prix de l'expertise interne nécessaire pour bien le faire. Aucune des deux voies n'est manifestement meilleure. Le compromis est réel, et il est encore en train de se jouer.
Pour quiconque compare des plateformes sur la liste des meilleurs robots humanoïdes de Compare Robots ou suit les prix sur le comparateur de prix des robots humanoïdesla démarche pratique consiste à demander directement au fournisseur quel modèle, ou quelle famille de modèles, pilote la perception et le contrôle, et si ce choix est ouvert ou fermé. Le matériel d'un robot est fixé à l'achat. Son logiciel ne l'est pas. C'est de là que viendra la prochaine vague de gains de capacités.