Automates, automatique et robotique : des origines mécaniques à l’intelligence artificielle

Bien avant l’apparition des ordinateurs, des algorithmes d’apprentissage et des robots humanoïdes, une ambition traversait déjà l’histoire des sciences et des techniques : concevoir des dispositifs capables d’agir sans intervention humaine permanente. Des mécanismes hydrauliques de l’Antiquité aux automates programmables de la Renaissance, des régulateurs mécaniques de la révolution industrielle aux robots intelligents du XXIe siècle, cette quête poursuit une même intuition : une machine peut recevoir une règle, conserver un état, réagir à une situation et produire un résultat selon un fonctionnement organisé.

L’intelligence artificielle renouvelle aujourd’hui cette ambition, mais elle ne l’a pas créée. Elle s’inscrit dans une histoire beaucoup plus ancienne, où se rencontrent mécanique, mathématiques, physique, informatique, théorie de l’information et sciences de la commande. Les robots quadrupèdes et humanoïdes développés en Chine, les systèmes industriels japonais et les plateformes d’automatisation contemporaines prolongent, à une échelle technologique inédite, les principes progressivement élaborés par des générations d’ingénieurs.

Pour comprendre ce que les machines intelligentes peuvent réellement accomplir, il est donc nécessaire de distinguer plusieurs notions souvent confondues : l’automate, l’automatique, l’automatisation, l’automation, la robotique et l’intelligence artificielle. Ces disciplines sont étroitement liées, mais elles ne désignent ni les mêmes objets ni les mêmes capacités.

L’enjeu est autant historique que scientifique. Un automate peut exécuter une séquence sans comprendre sa finalité. Un système automatique peut corriger une erreur sans apprendre de ses expériences. Un modèle d’intelligence artificielle peut interpréter une image ou élaborer un plan sans disposer d’un corps capable de l’exécuter. La robotique intelligente cherche précisément à rapprocher ces fonctions : percevoir le monde, raisonner sur une situation, décider d’une action et la réaliser dans un environnement physique.

Qu’est-ce qu’un automate ?

Un automate est un dispositif qui exécute des actions suivant une organisation interne, des règles ou des instructions. Dans son acception mécanique historique, il peut produire des mouvements sans que chaque geste soit commandé individuellement par une personne. Dans son acception informatique, il désigne également un modèle abstrait capable de recevoir des entrées, de conserver un état et de produire des sorties selon des règles définies.

Cette double signification est essentielle. L’automate peut être un objet matériel — horloge, mécanisme musical, machine-outil — ou une construction mathématique servant à représenter le comportement d’un système.

Le principe de l’action organisée

Le fonctionnement d’un automate repose généralement sur plusieurs éléments :

• Une source d’énergie, qui fournit la force nécessaire au mouvement ou au calcul.
• Un mécanisme ou un dispositif de traitement, qui transforme l’énergie ou l’information.
• Une règle de fonctionnement, inscrite dans la géométrie des pièces, un programme ou un ensemble de conditions logiques.
• Un état interne, lorsque le système conserve une information qui influence ses réactions ultérieures.
• Une sortie observable, telle qu’un mouvement, un signal, une décision ou un résultat de calcul.

Dans un automate mécanique traditionnel, la règle est souvent matérialisée par des cames, des roues dentées, des ressorts ou des tambours à picots. Dans un automate numérique, elle peut prendre la forme d’un programme exécuté par un processeur.

La différence ne tient donc pas à l’existence ou non d’une intelligence comparable à celle d’un humain. Elle réside d’abord dans la manière dont le comportement est organisé et produit.

Un automate est-il nécessairement intelligent ?

Non. Un mécanisme peut fonctionner de manière autonome sans apprendre, comprendre ou raisonner au sens courant de ces termes.

Une horloge qui déclenche une sonnerie à heure fixe exécute une règle programmée mécaniquement. Un thermostat maintient une température autour d’une consigne grâce à des mesures et à des actions correctrices. Un robot doté d’un système de vision peut, quant à lui, reconnaître des objets et adapter une partie de son comportement à ce qu’il observe.

Ces trois dispositifs sont automatisés à des degrés différents, mais ils ne mobilisent pas nécessairement les mêmes formes de traitement de l’information.

Il convient ainsi de distinguer trois propriétés :

• L’autonomie d’exécution : la machine peut poursuivre une opération sans recevoir une commande humaine à chaque étape.
• L’autorégulation : elle mesure son fonctionnement et corrige certains écarts.
• L’adaptation par apprentissage : elle modifie son comportement à partir de données ou d’expériences, dans les limites de son architecture et de ses objectifs.

L’intelligence artificielle peut renforcer la troisième propriété, tandis que les deux premières existaient bien avant l’informatique moderne.

Les origines antiques : donner du mouvement à la matière

L’histoire des automates commence à la rencontre de l’imagination, de l’observation des phénomènes naturels et de la maîtrise des mécanismes. Dans de nombreuses civilisations, les récits anciens décrivent des statues animées, des serviteurs artificiels et des objets capables de se déplacer par eux-mêmes.

Ces représentations témoignent d’une fascination durable pour la possibilité de reproduire artificiellement le mouvement du vivant. Elles ne constituent toutefois pas toutes des preuves de réalisations techniques : il faut distinguer les récits mythologiques des dispositifs dont l’existence est documentée.

Héphaïstos, Dédale et les êtres artificiels de la mythologie

Dans l’Iliade, Homère attribue à Héphaïstos, dieu forgeron, des trépieds capables de se déplacer d’eux-mêmes. La tradition grecque associe également Dédale à des statues si réalistes qu’elles semblent animées.

Ces récits posent une question qui traverse encore la robotique contemporaine : à partir de quel moment un objet fabriqué cesse-t-il d’être perçu comme une simple chose pour devenir une présence apparemment vivante ?

La ressemblance extérieure ne suffit pourtant pas à définir l’automatisme. Un objet peut imiter l’apparence d’un organisme sans reproduire ses fonctions. Inversement, une machine industrielle dépourvue de toute apparence humaine peut manifester une autonomie opérationnelle beaucoup plus importante.

Héron d’Alexandrie : transformer les lois physiques en séquences d’action

Au premier siècle de notre ère, Héron d’Alexandrie décrit différents mécanismes utilisant l’air, l’eau, la pression, la gravité et les transmissions mécaniques. Ses travaux montrent comment un phénomène physique peut déclencher une suite d’opérations déterminées.

Dans certains dispositifs, un écoulement d’eau entraîne le déplacement d’un poids. Ce déplacement agit sur des cordes, des poulies ou des leviers, lesquels commandent ensuite l’ouverture d’une porte ou le mouvement d’une figure.

Le principe est remarquable : une action initiale met en marche une chaîne de transformations qui produit un résultat sans intervention humaine à chaque étape.

Il s’agit d’une forme ancienne d’automatisation séquentielle. La machine ne choisit pas librement son objectif ; elle exécute une succession d’opérations définie par son concepteur.

Les dispositifs décrits dans les traités d’Héron ont aussi une fonction expérimentale et démonstrative. Ils rendent visibles des phénomènes physiques parfois surprenants, tout en montrant comment l’ingénierie peut les mobiliser.

Les grandes familles des automates anciens

Les mécanismes antiques peuvent être regroupés selon leur source d’énergie et leur mode de transmission du mouvement.

Ces catégories ne correspondent pas encore aux robots contemporains. Elles révèlent néanmoins plusieurs fondements durables : stocker de l’énergie, transmettre un mouvement, encoder une séquence et obtenir un résultat reproductible.

Le Moyen Âge et les sciences mécaniques du monde islamique

L’histoire des automates ne se limite ni à la Grèce antique ni à l’Europe occidentale. Les traditions scientifiques du monde islamique ont contribué de manière importante au développement de la mécanique, des horloges et des dispositifs hydrauliques.

Al-Jazari et l’ingénierie des mécanismes

Au début du XIIIe siècle, l’ingénieur Ismaïl al-Jazari rédige un traité consacré aux dispositifs mécaniques ingénieux. L’ouvrage décrit notamment des horloges, des fontaines, des récipients mécaniques et des mécanismes animés.

Les illustrations et les descriptions techniques montrent une approche systématique de la construction : l’objet est représenté, ses composants sont organisés et son fonctionnement est expliqué.

Le travail d’al-Jazari est particulièrement intéressant pour l’histoire de la robotique parce qu’il associe plusieurs dimensions que l’on retrouve dans l’ingénierie actuelle :

• La conception d’un dispositif répondant à une fonction précise.
• L’organisation des pièces et des transmissions mécaniques.
• La conversion d’une énergie en mouvement utile.
• L’enchaînement coordonné de plusieurs opérations.
• La recherche de régularité dans le fonctionnement.

Il serait anachronique de qualifier directement ces dispositifs de robots intelligents. Leur intérêt historique réside plutôt dans la formalisation de solutions mécaniques qui rendent possible l’exécution autonome de tâches répétitives.

L’automate comme démonstration scientifique

Les automates médiévaux et les horloges mécaniques remplissent plusieurs fonctions. Ils donnent l’heure, rythment certaines activités, animent des fontaines ou rendent visibles des phénomènes physiques.

Leur apparente magie repose sur des mécanismes que l’ingénierie cherche précisément à rendre intelligibles.

Cette évolution est décisive : l’automate devient progressivement moins un objet de merveilleux qu’un système dont le fonctionnement peut être conçu, décrit, reconstruit et amélioré.

La robotique moderne héritera de cette exigence de conception et de reproductibilité, même si ses composants et ses méthodes de calcul sont radicalement différents.

De la Renaissance aux automates programmables

La Renaissance et les siècles suivants voient se développer les automates horlogers, les dispositifs musicaux et les machines de démonstration. Les artisans combinent des mécanismes de plus en plus élaborés pour produire des mouvements coordonnés.

Le programme matérialisé dans la mécanique

Dans une boîte à musique, un cylindre garni de picots déclenche successivement les lamelles métalliques qui produisent les notes. La disposition des picots encode une séquence musicale.

Le mécanisme contient donc une forme de programme, même si cette information est inscrite dans un support physique plutôt que dans une mémoire électronique.

La modification de la séquence suppose généralement de changer le cylindre ou la disposition des éléments déclencheurs. La machine exécute fidèlement ce que sa structure lui permet d’exécuter.

Cette idée annonce plusieurs principes de l’informatique : séparer les instructions de l’énergie qui les exécute, conserver une séquence d’opérations et produire des résultats reproductibles.

Vaucanson et les automates du XVIIIe siècle

Au XVIIIe siècle, Jacques de Vaucanson conçoit des automates célèbres, notamment le Joueur de flûte et le Canard artificiel. Ces réalisations mobilisent la mécanique de précision pour reproduire certains gestes et, dans le cas des automates musicaux, coordonner les mouvements nécessaires à la production de sons.

Le Canard de Vaucanson est devenu emblématique de l’ambition de reproduire artificiellement des fonctions du vivant. Il faut néanmoins distinguer la démonstration mécanique de l’imitation physiologique complète : les automates historiques ne reproduisaient pas intégralement la complexité biologique qu’ils semblaient évoquer.

Les automates de cette période constituent un jalon important dans la recherche de mécanismes capables d’enchaîner des gestes complexes, mais leur fonctionnement reste déterminé par leur construction et leur programmation mécanique.

De l’automate mécanique à l’ordinateur

Les machines à calculer de Blaise Pascal, les travaux de Gottfried Wilhelm Leibniz, les métiers à tisser programmables par cartes perforées et les recherches ultérieures sur le calcul ont contribué à une transformation majeure : les opérations peuvent être représentées par des règles formelles et exécutées par des dispositifs spécialisés.

La carte perforée illustre cette évolution. Une configuration de trous peut représenter des instructions ou des choix qui commandent le fonctionnement d’une machine.

L’information se détache progressivement du seul mouvement mécanique. Elle peut être encodée sur un support, transmise, copiée ou modifiée indépendamment de la structure qui l’exécute.

Cette séparation prépare l’émergence des ordinateurs programmables, puis des logiciels, des systèmes de contrôle numériques et des algorithmes d’intelligence artificielle.

La révolution industrielle : réguler les machines

L’automate traditionnel reproduit principalement une séquence de mouvements. La machine industrielle pose un problème supplémentaire : comment maintenir un fonctionnement stable malgré les variations de charge, de température, de vitesse ou d’environnement ?

La question de la régulation devient centrale.

Le régulateur centrifuge de James Watt

Le régulateur centrifuge, associé à l’amélioration des machines à vapeur au XVIIIe siècle, illustre le principe de la rétroaction.

Lorsque la vitesse de rotation augmente, les masses du régulateur s’écartent sous l’effet de la force centrifuge. Ce mouvement agit sur un mécanisme qui ajuste l’admission de vapeur. Lorsque la vitesse diminue, le régulateur réagit dans l’autre sens.

Le système utilise donc une mesure indirecte de son propre fonctionnement pour corriger son comportement.

Ce principe est fondamental pour comprendre l’automatique moderne : la machine n’exécute plus seulement une suite d’opérations préétablies. Elle adapte son action à l’état observé du processus.

La rétroaction : l’ancêtre de l’autorégulation moderne

Une boucle de rétroaction compare généralement une mesure à une référence, puis utilise l’écart obtenu pour calculer une action corrective.

Prenons un système de chauffage :

1. Une consigne fixe la température souhaitée.
2. Un capteur mesure la température réelle.
3. Un contrôleur compare la mesure à la consigne.
4. Un actionneur ajuste la puissance de chauffage.
5. Une nouvelle mesure permet d’évaluer le résultat.

Le cycle se répète tant que le système fonctionne.

La rétroaction n’implique pas nécessairement une intelligence artificielle. Elle peut être réalisée par un mécanisme physique, un circuit électronique ou un contrôleur numérique utilisant une règle déterminée.

Cette distinction demeure essentielle : une machine capable de s’autoréguler n’est pas automatiquement capable d’apprendre.

La production industrielle et la répétabilité

Avec l’industrialisation, les mécanismes automatiques deviennent des instruments de production. Ils permettent de répéter des opérations, de réduire certaines variations et d’augmenter les cadences.

La répétabilité est particulièrement importante dans les opérations où la précision doit être maintenue sur un grand nombre de cycles : usinage, assemblage, emballage, manutention ou contrôle dimensionnel.

L’automatisation industrielle moderne s’appuie ainsi sur un ensemble de technologies complémentaires : mécanique, moteurs électriques, capteurs, actionneurs, circuits de commande, automates programmables industriels et logiciels de supervision.

L’intelligence artificielle peut désormais enrichir cette infrastructure, mais elle ne remplace pas les exigences physiques de précision, de stabilité et de sécurité.

La théorie des automates : modéliser les états et les transitions

L’automate n’est pas uniquement un objet mécanique. Il constitue aussi un modèle mathématique permettant de décrire les réactions d’un système.

La théorie des automates, développée notamment en informatique théorique, en logique et dans l’étude des systèmes séquentiels, formalise la manière dont une machine transforme une suite d’entrées en une suite de sorties.

Entrées, états et sorties

Un automate fini peut être décrit par plusieurs éléments :

• Un alphabet d’entrée, qui représente les signaux ou les événements que le système peut recevoir.
• Un ensemble d’états, qui représente les situations internes possibles.
• Un alphabet de sortie, qui définit les résultats observables.
• Une fonction de transition, qui détermine le nouvel état à partir de l’état courant et de l’entrée reçue.
• Une fonction de sortie, qui détermine le résultat produit par le système.

Cette représentation est particulièrement utile pour concevoir des systèmes dont le comportement dépend de l’historique des événements.

Un distributeur automatique, par exemple, ne réagit pas uniquement au dernier bouton pressé. Sa réponse dépend également de la somme déjà introduite, du produit sélectionné et de la disponibilité du stock.

Il possède donc un état interne qui influence ses réactions.

Exemple : l’automate d’une porte automatique

Une porte automatique peut être modélisée par plusieurs états :

• Fermée.
• Ouverture en cours.
• Ouverte.
• Fermeture en cours.
• Arrêt de sécurité.

Les transitions dépendent des événements observés : détection d’une personne, fin de course, expiration d’un délai ou activation d’un dispositif de sécurité.

Une représentation simplifiée peut s’écrire ainsi :

ÉTAT : FERMÉE
  Si présence détectée :
    commander l'ouverture
    passer à OUVERTURE EN COURS

ÉTAT : OUVERTURE EN COURS
  Si ouverture terminée :
    passer à OUVERTE

ÉTAT : OUVERTE
  Si délai écoulé et zone libre :
    commander la fermeture
    passer à FERMETURE EN COURS

ÉTAT : FERMETURE EN COURS
  Si obstacle détecté :
    arrêter ou inverser le mouvement
    passer à OUVERTURE EN COURS

Ce modèle ne décrit pas toutes les contraintes réelles d’une porte industrielle, mais il rend visible le rôle de la mémoire, des événements et des transitions.

La même logique se retrouve dans des systèmes beaucoup plus complexes : ascenseurs, machines d’assemblage, lignes de conditionnement, équipements médicaux ou séquences de démarrage d’une installation industrielle.

Automates finis, machines de Turing et calcul

Les automates finis disposent d’un nombre limité d’états. Ils sont adaptés à de nombreux problèmes de contrôle et de reconnaissance de séquences.

La machine de Turing, proposée par Alan Turing en 1936, constitue un modèle théorique plus général du calcul. Elle associe un dispositif de contrôle à une bande de mémoire sur laquelle des symboles peuvent être lus et écrits.

Ce modèle a profondément marqué les fondements de l’informatique. Il permet d’étudier ce qui peut être calculé par une procédure formelle, indépendamment d’une machine physique particulière.

Les automates finis, les automates à pile et les machines de Turing ne sont donc pas des catégories interchangeables. Ils correspondent à des modèles de calcul dotés de capacités différentes.

Pourquoi la théorie des automates reste-t-elle actuelle ?

Les modèles formels servent toujours à concevoir et à vérifier des logiciels, des protocoles de communication, des systèmes embarqués et des dispositifs de commande.

Ils permettent notamment de poser des questions précises :

• Un système peut-il atteindre un état interdit ?
• Une commande peut-elle rester bloquée indéfiniment ?
• Une transition est-elle possible dans toutes les circonstances prévues ?
• Deux composants interconnectés peuvent-ils entrer dans une séquence incohérente ?
• Les conditions de sécurité sont-elles respectées lors de toutes les transitions ?

Dans la robotique, ces questions ne sont pas secondaires. Un algorithme de perception peut être performant tout en commandant un comportement dangereux si les états du système, les contraintes physiques et les transitions autorisées ne sont pas correctement définis.

Les principes fondamentaux de l’automatique

L’automatique est la discipline qui étudie la commande et la régulation des systèmes dynamiques. Elle associe des modèles mathématiques, des méthodes de calcul et des dispositifs techniques afin de conduire un processus vers un comportement souhaité.

Elle concerne aussi bien les installations industrielles que les moteurs électriques, les systèmes de navigation, les drones, les robots et les équipements de production d’énergie.

La chaîne de commande

Un système automatique peut être décrit à partir de plusieurs fonctions :

1. La consigne : l’objectif que le système doit atteindre.
2. La mesure : l’information qui décrit son état réel.
3. Le contrôleur : le dispositif qui calcule la commande.
4. L’actionneur : l’organe qui applique une action physique.
5. Le processus commandé : le système dont le comportement doit être modifié.
6. La rétroaction : le retour d’information qui permet d’évaluer le résultat.

Dans un robot mobile, la consigne peut correspondre à une trajectoire. Les capteurs mesurent la position, l’orientation ou les mouvements. Le contrôleur calcule les commandes des moteurs, puis de nouvelles mesures permettent de corriger la trajectoire.

La commande et le contrôle sont complémentaires : l’une agit sur le système, l’autre vérifie comment il réagit.

Commande en boucle ouverte et commande en boucle fermée

Une commande en boucle ouverte exécute une action sans utiliser de mesure du résultat pour la corriger pendant l’opération.

Un dispositif qui fait tourner un moteur pendant une durée fixée, sans mesurer sa vitesse réelle, constitue un exemple simplifié.

Une commande en boucle fermée utilise au contraire des mesures pour comparer l’état observé à l’état recherché et corriger l’action.

Une boucle fermée ne garantit toutefois pas automatiquement un résultat parfait. La qualité du contrôle dépend des capteurs, de la dynamique du système, du modèle utilisé, des délais de mesure et de la conception du contrôleur.

Stabilité, précision et rapidité

Un système de commande doit souvent concilier plusieurs objectifs.

La précision correspond à la proximité entre le résultat réel et la consigne. La rapidité décrit le temps nécessaire pour atteindre le résultat souhaité. La stabilité concerne la capacité du système à rester dans un comportement maîtrisé plutôt que de produire des oscillations ou de diverger.

Ces objectifs peuvent entrer en tension. Une commande trop agressive peut provoquer des oscillations. Une commande trop prudente peut rendre le système lent. Les ingénieurs doivent donc choisir des paramètres adaptés au processus et à son environnement.

Cette problématique devient particulièrement importante pour les robots humanoïdes, dont l’équilibre dépend de mouvements coordonnés, de la répartition des masses et de l’interaction avec le sol.

Capteurs et actionneurs : le lien avec le monde réel

Les capteurs transforment des phénomènes physiques en informations exploitables. Ils peuvent mesurer une position, une accélération, une température, une pression, une distance ou une force.

Les actionneurs réalisent l’opération inverse à l’échelle du système : ils transforment une commande en action physique. Il peut s’agir de moteurs électriques, de vérins, de freins, de systèmes hydrauliques ou de dispositifs pneumatiques.

Un robot peut disposer d’un modèle d’intelligence artificielle très sophistiqué, mais son efficacité dépend aussi de la qualité de ses capteurs, de la précision de ses actionneurs et de la fiabilité des transmissions mécaniques.

L’intelligence logicielle ne supprime pas les contraintes du monde physique : elle doit composer avec elles.

Automatisation et automation : de la machine à la chaîne de production

L’automatisation désigne l’organisation d’un processus dans laquelle certaines opérations, décisions ou séquences sont exécutées automatiquement. Le terme anglais automation désigne une notion largement équivalente.

La mécanisation, l’automatisation et l’intelligence artificielle ne doivent cependant pas être confondues.

Mécanisation, automatisation et intelligence artificielle

La mécanisation utilise des dispositifs techniques pour faciliter ou remplacer certains efforts physiques. L’automatisation ajoute la capacité d’exécuter des opérations selon des règles et des informations de commande. L’intelligence artificielle peut apporter des capacités supplémentaires de perception, de classification, de prédiction, de génération ou d’adaptation.

Ces dimensions peuvent être combinées au sein d’une même installation.

Cette progression ne signifie pas que chaque niveau remplace intégralement le précédent. Les installations modernes combinent souvent des mécanismes classiques, des contrôleurs déterministes et des fonctions d’intelligence artificielle.

L’automatisation industrielle moderne

Dans une usine, l’automatisation peut coordonner des machines, contrôler les paramètres de production, suivre les stocks, détecter des anomalies et organiser les opérations.

Les automates programmables industriels, les variateurs, les servomoteurs, les réseaux industriels et les logiciels de supervision forment l’infrastructure de nombreux processus automatisés.

L’intelligence artificielle intervient de plus en plus dans certaines fonctions : inspection visuelle, maintenance prédictive, optimisation des paramètres de production, assistance aux opérateurs ou planification de tâches.

Il reste essentiel de distinguer la décision algorithmique de la commande physique. Un modèle peut identifier un défaut probable, mais la décision d’arrêter une machine, de modifier sa vitesse ou d’activer une sécurité doit être intégrée dans une architecture technique maîtrisée.

L’automatisation n’est pas qu’un remplacement de gestes humains

Automatiser un processus revient souvent à en repenser l’organisation. Il faut définir les objectifs, les interfaces, les exceptions, les procédures de reprise, la maintenance et les responsabilités.

Une automatisation mal conçue peut déplacer le problème plutôt que le résoudre : une opération devient plus rapide, mais une autre étape crée un goulot d’étranglement ; une décision est prise automatiquement, mais les opérateurs ne disposent plus des informations nécessaires pour comprendre un incident.

La performance doit donc être évaluée à l’échelle du processus complet, en tenant compte de la qualité, des coûts, de la disponibilité, de la sécurité et de la capacité de récupération après une panne.

De l’automate au robot : quelles différences ?

Le mot « robot » est devenu courant au XXe siècle, notamment après la pièce R.U.R. (Rossum’s Universal Robots) de l’écrivain tchèque Karel Čapek, créée en 1920. Le terme est associé à l’idée de travailleur artificiel.

Le robot contemporain est un système physique programmable capable d’effectuer des actions dans son environnement. Selon sa conception, il peut être fixe ou mobile, industriel ou de service, spécialisé ou relativement polyvalent.

Tous les robots ne sont pas humanoïdes

La robotique comprend plusieurs grandes familles :

• Robots industriels articulés : bras mécaniques utilisés pour le soudage, la manutention ou l’assemblage.
• Robots cartésiens et portiques : systèmes de déplacement suivant des axes déterminés.
• Robots mobiles autonomes : plateformes capables de se déplacer dans des espaces organisés.
• Robots quadrupèdes : machines à quatre membres conçues pour évoluer sur des terrains variés.
• Robots humanoïdes : systèmes qui reprennent certaines caractéristiques corporelles humaines, notamment un torse, des bras et des jambes.
• Robots collaboratifs : robots conçus pour certaines formes de coopération avec des opérateurs, sous réserve d’une analyse des risques.
• Robots de service : dispositifs destinés à des environnements logistiques, commerciaux, médicaux ou domestiques.

L’apparence humaine n’est pas une mesure universelle de l’intelligence ou de l’efficacité. Un bras industriel peut effectuer une tâche avec une précision et une cadence supérieures à celles d’un humanoïde, tandis qu’un robot à jambes peut être mieux adapté à un environnement comportant des escaliers ou des sols irréguliers.

Le choix d’une architecture dépend du travail à accomplir, de l’environnement et des contraintes économiques.

Robotique et intelligence artificielle : deux disciplines complémentaires

Un robot peut fonctionner sans intelligence artificielle, à partir d’un programme fixe et d’une commande déterministe. Inversement, une intelligence artificielle peut analyser des images, rédiger un texte ou planifier des opérations sans commander directement un corps physique.

La robotique intelligente combine plusieurs fonctions :

1. Percevoir l’environnement.
2. Estimer la position et l’état du robot.
3. Interpréter la situation.
4. Choisir ou planifier une action.
5. Exécuter cette action par les actionneurs.
6. Observer le résultat et corriger le comportement.

Cette architecture n’est pas nécessairement réalisée par un modèle unique. Elle peut associer des contrôleurs classiques, des logiciels de navigation, des modèles de perception et des systèmes d’apprentissage.

La fiabilité de l’ensemble dépend de la coordination de ces composants.

Intelligence artificielle : ce qui change réellement

L’intelligence artificielle regroupe des méthodes qui permettent à des systèmes informatiques de réaliser des tâches telles que la reconnaissance de formes, la prédiction, la planification, le traitement du langage, la génération de contenu ou la prise de décision sous contraintes.

L’IA contemporaine ne se résume pas aux grands modèles de langage. Elle comprend également la vision par ordinateur, l’apprentissage par renforcement, l’apprentissage supervisé, la planification, les méthodes probabilistes et les systèmes hybrides.

De la règle explicite à l’apprentissage statistique

Dans un système traditionnel, le comportement est largement défini par des règles écrites à l’avance. Dans un système d’apprentissage automatique, une partie du comportement est ajustée à partir d’exemples ou de données.

Un système de vision peut ainsi apprendre à distinguer différentes catégories d’objets à partir d’images annotées. Un modèle de langage apprend des régularités statistiques dans des données textuelles. Un système de contrôle fondé sur l’apprentissage par renforcement peut apprendre une stratégie en fonction de récompenses et de pénalités définies.

Cela ne signifie pas que les règles disparaissent. Les systèmes apprenants sont toujours encadrés par des architectures, des données, des objectifs, des contraintes d’exécution et des dispositifs de validation.

L’apprentissage ne remplace pas la commande

Dans un robot, l’IA peut identifier une tasse sur une table, estimer la position d’un objet ou déterminer qu’une tâche doit être réalisée avant une autre. La commande motrice doit ensuite transformer ce résultat en mouvements réalisables.

Le système doit prendre en compte la géométrie du bras, les limites articulaires, la vitesse des moteurs, les forces de contact, les obstacles et les conditions de sécurité.

Une prédiction correcte ne garantit donc pas une action correcte. Un objet peut être reconnu sans que sa position soit estimée avec suffisamment de précision pour être saisi. Un plan peut être logique tout en étant physiquement impossible.

L’enjeu central de la robotique intelligente est de relier une représentation abstraite de la situation à une action fiable.

Les modèles multimodaux et l’intelligence artificielle incarnée

Les modèles multimodaux peuvent traiter plusieurs types de données, notamment le texte, les images et parfois les informations issues d’autres modalités. Dans la robotique, ils ouvrent la voie à des systèmes capables de relier une instruction linguistique à une scène visuelle et à un objectif d’action.

L’« intelligence artificielle incarnée » (embodied AI) désigne un domaine dans lequel les capacités de perception, d’apprentissage et de décision sont étudiées en relation avec un corps ou un agent évoluant dans un environnement.

L’objectif est de dépasser le traitement de données isolées pour relier la perception à l’action. Un robot doit non seulement identifier un objet, mais aussi comprendre les possibilités d’interaction pertinentes dans le contexte de sa tâche.

Cette ambition reste un domaine de recherche et d’ingénierie actif. Les performances observées dans une démonstration ne suffisent pas à établir une autonomie générale, une fiabilité industrielle ou une capacité à gérer toutes les situations imprévues.

De l’IA au monde physique : la robotique incarnée

L’IA générative a rendu plus accessible la production de texte, de code, d’images et de plans. La robotique impose une difficulté supplémentaire : une erreur de sortie peut avoir des conséquences physiques.

Un modèle qui produit une phrase incorrecte peut être corrigé par un utilisateur. Un robot qui applique une commande incorrecte peut heurter un obstacle, endommager un équipement ou mettre une personne en danger.

Trois couches complémentaires

Une architecture robotique intégrant l’IA peut être comprise en distinguant trois couches fonctionnelles.

1. La couche de perception et d’interprétation

Elle traite les informations provenant des caméras, des capteurs de distance, des centrales inertielles, des capteurs de force ou d’autres dispositifs. Des modèles d’IA peuvent aider à reconnaître les objets, interpréter une scène ou identifier une tâche.

2. La couche de planification et de décision

Elle transforme un objectif en étapes, sélectionne une action et tient compte des contraintes de la mission. Selon le système, cette couche peut combiner des algorithmes classiques, des planificateurs et des modèles d’IA.

3. La couche de commande et de sécurité

Elle transforme les objectifs en commandes physiques. Elle gère les moteurs, les trajectoires, l’équilibre, les limites articulaires et les arrêts de sécurité. Elle doit rester compatible avec les contraintes de temps réel et les exigences de sûreté.

Cette séparation est une représentation conceptuelle. Les architectures réelles peuvent être plus intégrées, mais la distinction permet de comprendre pourquoi une IA de haut niveau ne suffit pas à faire fonctionner un robot de manière fiable.

Le rôle de la simulation

La simulation permet d’étudier le comportement d’un robot dans des environnements virtuels avant son déploiement physique. Elle sert notamment à tester des trajectoires, des interactions, des stratégies de contrôle et des scénarios de panne.

Elle peut réduire le coût de certains essais et faciliter la génération de données. Toutefois, une simulation n’est jamais une copie parfaite du monde réel.

Les différences de friction, de déformation, de lumière, de latence, de calibration et de comportement des matériaux peuvent modifier les résultats. Le passage de la simulation au réel exige donc des validations supplémentaires.

Pourquoi le corps est-il une difficulté majeure ?

La locomotion d’un robot humanoïde nécessite de gérer l’équilibre, les contacts avec le sol, l’inertie, les transferts de charge et les mouvements coordonnés des articulations.

Un robot quadrupède peut répartir son poids sur plusieurs points d’appui, mais il doit lui aussi gérer les glissements, les irrégularités du terrain et les perturbations. Un bras robotique doit estimer les distances et contrôler les forces pour saisir un objet sans le laisser tomber ni l’écraser.

L’apprentissage peut améliorer certaines capacités, mais il ne supprime ni les contraintes mécaniques ni les besoins de validation.

La nouvelle géographie de la robotique asiatique

L’Asie occupe une place majeure dans l’industrie robotique mondiale. Le Japon dispose d’un savoir-faire industriel ancien dans les robots de production, les servomoteurs, la commande de mouvement et les équipements d’automatisation. La Chine développe un écosystème associant robotique industrielle, composants, logiciels, plateformes humanoïdes et intelligence artificielle.

Il serait toutefois réducteur d’opposer une robotique japonaise exclusivement industrielle à une robotique chinoise exclusivement humanoïde. Les deux pays possèdent des activités diverses et des chaînes de valeur qui se recoupent.

La distinction utile porte plutôt sur les spécialités, les modèles économiques et les domaines d’application.

Les trois grands niveaux de la chaîne de valeur

La robotique repose sur plusieurs niveaux complémentaires :

• Les composants et le contrôle : moteurs, réducteurs, variateurs, capteurs, contrôleurs et systèmes de commande.
• Les plateformes robotiques : bras industriels, robots mobiles, quadrupèdes, humanoïdes et systèmes spécialisés.
• L’intégration et les applications : cellules de production, logistique, maintenance, inspection, assemblage et services.

La performance d’un robot dépend de l’ensemble de cette chaîne. Une plateforme spectaculaire ne devient pas automatiquement une solution industrielle rentable : elle doit pouvoir accomplir une tâche utile, s’intégrer à un processus, être entretenue et satisfaire aux exigences de sécurité.

La montée des humanoïdes

Les robots humanoïdes attirent l’attention parce que leur morphologie semble adaptée aux environnements conçus pour les humains : escaliers, poignées, établis, outils et postes de travail.

Cette compatibilité potentielle ne signifie pas qu’un humanoïde soit toujours la meilleure solution. Une tâche répétitive sur une ligne de production peut être plus efficacement réalisée par un robot spécialisé. Le choix d’un humanoïde devient pertinent lorsque la flexibilité corporelle, la mobilité ou l’adaptation à des espaces existants apporte une valeur mesurable.

Les progrès en matière de moteurs, de batteries, de perception, de commande et de modèles d’IA accélèrent le développement de ces plateformes. La question décisive est désormais leur capacité à exécuter des tâches utiles, répétables et sûres dans des conditions réelles.

Unitree Robotics : les robots quadrupèdes et humanoïdes chinois

Fondée en 2016 et basée à Hangzhou, Unitree Robotics s’est fait connaître par ses robots quadrupèdes et développe également des plateformes humanoïdes, des bras robotiques et des composants destinés à la robotique.

Le positionnement de l’entreprise illustre l’évolution de la robotique chinoise : la mise au point de plateformes relativement polyvalentes, la maîtrise d’une partie des composants et le développement d’un écosystème permettant aux chercheurs, aux développeurs et aux industriels d’expérimenter des applications.

Site officiel : Unitree Robotics.

Les quadrupèdes : mobilité, inspection et expérimentation

Les robots quadrupèdes peuvent évoluer sur des terrains qui compliquent le déplacement des plateformes à roues. Selon leur configuration, ils peuvent être utilisés pour des démonstrations, de la recherche, de l’inspection industrielle, de la collecte de données ou des opérations en environnement difficile.

Leur intérêt ne tient pas uniquement à leur apparence de chien mécanique. Il réside dans leur capacité à combiner locomotion, perception et commande motrice sur plusieurs points d’appui.

Pour une application industrielle, les critères importants comprennent notamment la durée de fonctionnement, la charge utile, la résistance aux conditions ambiantes, la fiabilité des déplacements, les capacités de communication et la facilité de maintenance.

Les humanoïdes G1 et H1

Les plateformes humanoïdes d’Unitree, notamment les gammes G1 et H1, servent à explorer la locomotion bipède, la manipulation et l’intégration de fonctions de perception et de contrôle.

Leur intérêt scientifique réside dans la possibilité d’étudier des comportements physiques complexes : maintien de l’équilibre, transitions entre différentes postures, coordination des membres et adaptation aux perturbations.

Les démonstrations de danse, de course ou de mouvements acrobatiques témoignent de progrès en commande dynamique. Elles ne suffisent toutefois pas à prouver qu’un robot peut accomplir de façon autonome une longue série de tâches industrielles variées.

La question déterminante est la généralisation : le robot peut-il reproduire une compétence dans des environnements différents, avec des objets variés et des perturbations imprévues ?

Unitree et l’intelligence artificielle incarnée

Unitree met également en avant le développement de modèles, de logiciels et de ressources liés à l’intelligence artificielle incarnée. Cette orientation vise à rapprocher les capacités d’interprétation, de perception et de commande physique.

Dans une architecture de ce type, un modèle peut contribuer à interpréter une instruction ou à sélectionner une action, tandis que des contrôleurs spécialisés assurent la stabilité et l’exécution motrice.

La difficulté n’est pas simplement de faire parler un robot ou de lui faire effectuer un mouvement. Elle consiste à relier une instruction à une action correcte, à vérifier son résultat et à réagir de façon robuste lorsque les conditions changent.

L’entrée en Bourse : un indicateur d’intérêt, pas une preuve d’autonomie

Unitree a fait l’objet d’un intérêt financier important en 2026, avec son introduction en Bourse sur le marché STAR de Shanghai. Cette opération reflète l’attention accordée aux robots humanoïdes et à l’intelligence artificielle incarnée par les investisseurs.

Il faut cependant distinguer la valorisation financière d’une entreprise de ses capacités techniques. La capitalisation boursière peut évoluer selon les anticipations, la demande des investisseurs, les résultats financiers et les perspectives de marché.

Pour évaluer la maturité d’un constructeur, les indicateurs les plus pertinents restent notamment les ventes effectives, les coûts de production, la fiabilité, la disponibilité des pièces, les performances dans des tâches réelles et la capacité à dégager une activité durable.

Les annonces de produits, les vidéos de démonstration et les données financières doivent donc être examinées séparément.

UBTECH Robotics : l’ambition des humanoïdes industriels

UBTECH Robotics, entreprise chinoise spécialisée dans la robotique, développe des plateformes humanoïdes et des solutions associant logiciels, matériel et intelligence artificielle.

Son positionnement met l’accent sur les applications industrielles, l’interaction homme-machine et la coordination de robots. La gamme Walker illustre cette orientation vers les environnements de travail et les tâches de manutention.

Site officiel : UBTECH Robotics.

Walker et les applications industrielles

Les robots humanoïdes industriels doivent être évalués en fonction de tâches concrètes : déplacement de matériel, transport d’objets, manipulation, inspection ou assistance à des opérations de production.

Dans ces environnements, la réussite ne dépend pas uniquement de la capacité à marcher. Elle suppose également de reconnaître les objets, de les saisir, de respecter des consignes, de gérer les interactions avec les autres équipements et de se remettre d’une erreur.

Un robot qui réussit une démonstration contrôlée ne possède pas nécessairement le niveau de robustesse requis pour une exploitation continue. La fréquence des interventions humaines, le temps d’indisponibilité et la maintenance sont des indicateurs décisifs.

Coordination de plusieurs robots

UBTECH présente également des travaux sur la coordination de plateformes humanoïdes et la gestion des tâches. Dans un système multi-robots, le problème dépasse la performance individuelle.

Il faut répartir les tâches, organiser les déplacements, partager les informations utiles et éviter les conflits entre robots. Une plateforme de gestion peut ainsi contribuer à transformer plusieurs machines isolées en un système coordonné.

Cette approche prolonge les principes classiques de l’automatique et de l’informatique distribuée : les agents disposent de fonctions propres, mais leur efficacité dépend aussi de la coordination de leurs actions.

Le défi de l’intégration industrielle

L’intérêt économique d’un humanoïde doit être évalué en comparant le coût total du système à la valeur du travail accompli. Les dépenses incluent l’achat, l’intégration, la formation, la maintenance, l’énergie, les arrêts et les éventuelles adaptations des installations.

Un robot humanoïde peut être intéressant lorsqu’il réalise plusieurs tâches dans un environnement conçu pour des personnes. Dans d’autres situations, un bras industriel, un convoyeur ou un robot mobile spécialisé peut rester plus simple et plus rentable.

La maturité du marché dépendra donc de la capacité des constructeurs à démontrer des résultats reproductibles au-delà des prototypes et des opérations pilotes.

Estun et Inovance : l’infrastructure de l’automatisation chinoise

Les robots humanoïdes constituent la partie la plus visible de la robotique actuelle, mais ils dépendent d’une infrastructure industrielle moins spectaculaire : servomoteurs, variateurs, contrôleurs, logiciels de commande, équipements de puissance et systèmes d’intégration.

Les entreprises Estun et Inovance illustrent cette dimension fondamentale de l’automatisation chinoise.

Estun Automation : robotique industrielle et contrôle de mouvement

Estun développe des robots industriels et des solutions d’automatisation destinés à des opérations comme le soudage, la manutention, le palettisage et certaines tâches d’assemblage.

Site officiel : Estun Europe.

La robotique industrielle repose sur la coordination de plusieurs composants : le contrôleur calcule les trajectoires, les servomoteurs produisent les mouvements, les capteurs fournissent des informations et les dispositifs de sécurité limitent les risques.

L’intérêt d’un fournisseur intégré est de pouvoir coordonner ces éléments au sein d’une solution cohérente. Il ne suffit pas de produire un bras robotique : la performance dépend également des logiciels, des outils de programmation, de l’intégration et du service après-vente.

Inovance : moteurs, variateurs et automatisation

Inovance propose des composants et des solutions d’automatisation industrielle, notamment des variateurs, des servomoteurs, des systèmes de contrôle de mouvement, des contrôleurs logiques programmables et des interfaces homme-machine.

Site officiel : Inovance.

Ces technologies constituent une partie de l’infrastructure de la production automatisée. Elles permettent de commander la vitesse et la position des moteurs, de synchroniser plusieurs axes et de coordonner les opérations d’une machine.

Dans un robot, le contrôle de mouvement transforme les objectifs du logiciel en actions mécaniques mesurables. La précision dépend de l’ensemble formé par les moteurs, les transmissions, les capteurs, les contrôleurs et la structure physique.

Pourquoi les composants sont stratégiques

La robotique avancée ne se résume pas aux modèles d’IA. Elle exige également des composants capables de supporter les efforts, de maintenir une précision suffisante et de fonctionner de manière fiable.

Les moteurs, les réducteurs, les contrôleurs et les systèmes de puissance influencent la consommation énergétique, la vitesse, la charge utile, la précision et le coût du robot.

Cette réalité explique pourquoi l’automatisation industrielle reste un domaine stratégique. Les progrès logiciels n’ont d’effet opérationnel que lorsqu’ils peuvent être traduits en mouvements fiables, mesurables et économiquement utiles.

Yaskawa et FANUC : la puissance industrielle japonaise

Le Japon dispose d’une longue expérience de la robotique industrielle. Yaskawa et FANUC figurent parmi les acteurs majeurs de ce secteur, avec des activités liées aux robots industriels, aux systèmes de commande et aux équipements d’automatisation.

Leur importance rappelle que l’avenir de la robotique ne se limite pas aux humanoïdes. Les robots spécialisés restent essentiels dans les chaînes de production, où la répétabilité, la précision, la disponibilité et la sécurité sont des critères déterminants.

Yaskawa : robotique, servocommande et automatisation

Yaskawa développe des robots industriels ainsi que des technologies de commande de mouvement et d’entraînement électrique.

Site officiel : Yaskawa.

Les servomoteurs et les systèmes de commande sont fondamentaux pour réaliser des mouvements coordonnés. Ils permettent notamment de contrôler les positions, les vitesses et les accélérations des axes d’un robot.

Dans une cellule de soudage ou de manutention, le contrôleur doit coordonner plusieurs mouvements tout en respectant la trajectoire, les contraintes mécaniques et les exigences de sécurité.

La performance industrielle se mesure alors à la qualité du processus : précision, cadence, répétabilité, taux de disponibilité et capacité à intégrer le robot dans une ligne complète.

FANUC : robots industriels et usines automatisées

FANUC est un acteur japonais de la robotique industrielle et de l’automatisation, avec des activités couvrant notamment les robots, les commandes numériques et les systèmes associés aux machines de production.

Site officiel : FANUC.

Les robots industriels peuvent réaliser des opérations de soudage, de manutention, de peinture, de palettisation ou d’assemblage. Leur programmation et leur intégration sont étroitement liées aux exigences de chaque application.

L’automatisation d’une usine repose sur la coordination de machines, de capteurs, de contrôleurs et de systèmes de supervision. Elle ne dépend pas nécessairement d’une IA générative : des séquences déterministes et des boucles de commande éprouvées peuvent rester les solutions les plus adaptées à de nombreuses opérations.

Deux trajectoires complémentaires : robots spécialisés et humanoïdes

La robotique industrielle japonaise et le développement chinois des humanoïdes ne sont pas des trajectoires mutuellement exclusives. Les mêmes principes de commande, de perception et de contrôle du mouvement peuvent être utilisés dans des architectures très différentes.

Les robots spécialisés privilégient une tâche définie, souvent avec une grande efficacité. Les humanoïdes cherchent à réunir plusieurs capacités dans une plateforme plus polyvalente.

Le choix dépend de l’environnement et du travail à accomplir. Une usine peut utiliser des bras robotisés pour les opérations répétitives, des robots mobiles pour la logistique et, éventuellement, des humanoïdes pour des tâches nécessitant une plus grande flexibilité physique.

Comment fonctionne concrètement un système robotique intelligent ?

Pour comprendre l’articulation entre automate, automatique, robotique et intelligence artificielle, prenons l’exemple d’un robot chargé de déplacer une pièce depuis une table vers un bac.

Étape 1 : percevoir la scène

Des caméras ou d’autres capteurs recueillent des informations sur l’environnement. Un système de vision estime la position de la pièce, sa forme et les obstacles éventuels.

La qualité de cette étape dépend de l’éclairage, de la calibration, de la résolution, de la visibilité de l’objet et des performances du modèle de perception.

Étape 2 : interpréter l’objectif

Le robot doit déterminer ce qu’il faut accomplir : identifier la pièce pertinente, choisir un point de prise et définir une destination.

Un système d’IA peut aider à interpréter une instruction ou à reconnaître une catégorie d’objet. Les contraintes géométriques et physiques doivent néanmoins être prises en compte par les composants de planification et de commande.

Étape 3 : planifier le mouvement

Le système calcule une trajectoire compatible avec les capacités du robot. Il doit éviter les collisions, respecter les limites articulaires et tenir compte de la position du bac.

Une trajectoire géométriquement possible n’est pas nécessairement réalisable à la vitesse souhaitée. Les limites de couple, d’accélération et de stabilité doivent également être considérées.

Étape 4 : exécuter la commande

Les contrôleurs transmettent les consignes aux moteurs et surveillent les mouvements. Les capteurs fournissent des informations qui permettent de corriger les écarts.

Cette partie relève largement de l’automatique et du contrôle de mouvement. Elle exige une réponse suffisamment rapide pour tenir compte de la dynamique physique du robot.

Étape 5 : vérifier le résultat

Le système doit déterminer si la pièce a été saisie, déplacée et déposée correctement. Une nouvelle mesure peut révéler un glissement, une mauvaise prise ou un obstacle.

Si une erreur est détectée, le robot peut réessayer, demander une intervention ou choisir une autre stratégie, selon les fonctions dont il dispose.

Cette étape illustre le rôle de la rétroaction. L’automatisation ne consiste pas seulement à exécuter une commande, mais aussi à vérifier son résultat.

Un schéma fonctionnel simplifié

Objectif de la tâche
        |
        v
Perception de l'environnement
        |
        v
Interprétation et planification
        |
        v
Contrôleur et commande motrice
        |
        v
Actionneurs et mouvement physique
        |
        v
Nouvelle mesure de l'environnement
        |
        +------> Vérification et correction

Dans une architecture réelle, des fonctions de sécurité peuvent surveiller le système indépendamment de la planification. Elles peuvent imposer un arrêt, limiter la vitesse ou interdire certaines actions lorsque les conditions prévues ne sont plus réunies.

L’intelligence artificielle ne doit donc pas être considérée comme une couche magique qui remplace l’ensemble des systèmes de commande. Elle est un composant possible d’une architecture technique plus vaste.

Les limites techniques, économiques et sécuritaires

Les démonstrations de robotique avancée donnent parfois l’impression que l’autonomie générale est imminente. L’évaluation industrielle exige pourtant des critères plus stricts que la réussite d’une séquence filmée.

La robustesse face aux situations imprévues

Un système peut fonctionner dans un environnement soigneusement préparé et rencontrer des difficultés lorsque les conditions changent : objet déplacé, sol glissant, éclairage différent, capteur obstrué ou présence d’un obstacle inattendu.

La robustesse correspond à la capacité à maintenir un fonctionnement acceptable malgré ces variations. Elle doit être mesurée dans des conditions représentatives de l’utilisation réelle.

La généralisation des compétences

Un robot qui apprend à manipuler un objet donné ne maîtrise pas nécessairement tous les objets de forme similaire. Les matériaux, les masses, les surfaces et les conditions de prise peuvent modifier radicalement le résultat.

La généralisation est l’un des grands défis de l’intelligence artificielle incarnée. Elle suppose de transférer une compétence à des situations qui n’ont pas été rencontrées exactement sous la même forme pendant l’apprentissage.

L’énergie et l’autonomie opérationnelle

Les robots mobiles et humanoïdes doivent transporter leur propre source d’énergie. Les mouvements dynamiques, les calculs embarqués, les capteurs et les actionneurs consomment de l’énergie.

L’autonomie réelle dépend de la tâche, de la charge utile, de la fréquence des déplacements, des conditions ambiantes et de la stratégie de commande. Une durée annoncée dans un scénario favorable ne peut pas être transposée automatiquement à toutes les utilisations.

La sécurité physique et logicielle

Un robot doit être conçu pour limiter les risques liés aux collisions, aux pincements, aux mouvements inattendus et aux défaillances des composants.

La sécurité implique une analyse des risques, des limites de vitesse et de force lorsque cela est nécessaire, des dispositifs d’arrêt, une gestion des accès et des procédures de maintenance.

Les fonctions d’IA ajoutent d’autres difficultés : incertitude des prédictions, erreurs de perception, comportements inattendus et dépendance à la qualité des données. Elles doivent être intégrées dans un système dont les risques sont évalués globalement.

Le coût total et la productivité

Le prix d’achat ne suffit pas à déterminer la rentabilité d’un robot. Il faut prendre en compte l’intégration, la formation, la maintenance, les consommables, l’énergie, les arrêts et la capacité à accomplir la tâche au niveau de qualité requis.

Un robot très polyvalent peut être intéressant dans un environnement variable, mais un dispositif spécialisé peut offrir un meilleur rendement pour une opération répétitive.

La question économique n’est donc pas simplement de savoir si un robot peut accomplir une tâche, mais s’il peut l’accomplir de façon suffisamment fiable, sûre et rentable.

Les enjeux sociaux et organisationnels

L’automatisation modifie la répartition des tâches, les compétences nécessaires et l’organisation du travail. Elle peut réduire certaines opérations pénibles ou dangereuses, tout en transformant les emplois et les besoins de formation.

Les conséquences dépendent des secteurs, des tâches et des choix d’organisation. L’introduction d’un système robotique ne produit pas automatiquement les mêmes effets dans une usine, un entrepôt, un établissement de santé ou un service administratif.

L’enjeu est d’articuler les gains techniques avec la formation, la sécurité, la qualité du travail et la capacité des équipes à superviser les systèmes.

Les perspectives : vers des systèmes autonomes plus adaptatifs

Les progrès de la robotique et de l’intelligence artificielle reposent sur la convergence de plusieurs domaines : modèles d’apprentissage, perception multimodale, simulation, commande dynamique, matériaux, électronique de puissance et conception mécanique.

Cette convergence ouvre de nouvelles possibilités, sans effacer les limites propres à chaque technologie.

Des robots capables de suivre des instructions plus complexes

Les modèles multimodaux peuvent faciliter la traduction d’une instruction en étapes opérationnelles. Un utilisateur peut décrire une tâche en langage naturel, tandis que le système tente de relier cette description aux objets, aux lieux et aux actions disponibles.

Pour être utile, cette capacité doit être associée à des mécanismes de vérification. Le robot doit déterminer si l’instruction est réalisable, si l’environnement permet son exécution et si l’action prévue respecte les contraintes de sécurité.

L’interprétation linguistique ne suffit pas : elle doit être reliée à une représentation fiable de la situation physique.

L’apprentissage par démonstration et par renforcement

L’apprentissage par démonstration permet de construire une politique de comportement à partir d’exemples fournis par un opérateur ou un système de référence. L’apprentissage par renforcement cherche à améliorer une stratégie en fonction d’un signal de récompense.

Ces méthodes peuvent contribuer à l’acquisition de gestes ou de stratégies de locomotion. Elles soulèvent néanmoins des difficultés : coût de la collecte de données, diversité des situations, transfert entre simulation et monde réel, stabilité de l’apprentissage et validation de la sécurité.

Le résultat dépend du choix des données, de la fonction objectif, des contraintes d’entraînement et de la qualité de l’évaluation.

Les usines intelligentes

Dans les environnements industriels, l’IA peut aider à optimiser les flux de production, prévoir certains incidents, inspecter les produits et assister les opérateurs.

Les robots peuvent alors s’inscrire dans des systèmes de production plus connectés, où les informations de la machine, de la chaîne logistique et de la supervision sont exploitées conjointement.

Cette évolution ne rend pas obsolètes les principes de l’automatique. Au contraire, elle accroît l’importance de la coordination entre décision, commande, sécurité et supervision.

Des systèmes hybrides plutôt qu’une IA universelle

L’une des orientations les plus solides consiste à associer plusieurs approches :

• Des règles déterministes pour les contraintes critiques.
• Des boucles de commande pour le mouvement et la stabilité.
• Des modèles statistiques pour la perception et la prédiction.
• Des planificateurs pour organiser les actions.
• Des dispositifs de supervision pour détecter les anomalies.
• Une intervention humaine lorsque l’incertitude ou le risque l’exige.

Cette architecture hybride permet de tirer parti des capacités d’apprentissage tout en conservant des fonctions de contrôle explicites.

Elle évite de confondre la capacité d’un modèle à produire une réponse plausible avec la garantie qu’une action physique est sûre et correcte.

Les critères qui permettront de mesurer les progrès

Les annonces technologiques doivent être comparées à des indicateurs opérationnels :

• Taux de réussite des tâches dans des conditions variées.
• Temps de fonctionnement entre deux interventions.
• Fréquence des erreurs et des arrêts.
• Charge utile et précision des mouvements.
• Consommation énergétique par tâche accomplie.
• Coût total d’exploitation.
• Capacité à reprendre une tâche après un incident.
• Facilité d’intégration dans les processus existants.

Ces indicateurs permettent de distinguer les progrès démontrés des promesses commerciales ou des performances obtenues dans des conditions très particulières.

Conclusion : de l’automate à la machine intelligente

L’histoire des automates montre que l’autonomie technique ne résulte pas d’une invention unique. Elle s’est construite progressivement, depuis les mécanismes de l’Antiquité jusqu’aux systèmes programmables, à la régulation industrielle, à l’informatique théorique et à la robotique contemporaine.

Les automates anciens ont démontré qu’un mécanisme pouvait exécuter une séquence d’actions. Les régulateurs ont ajouté la capacité de corriger certains écarts. La théorie des automates a formalisé les états, les entrées et les transitions. L’automatique a développé les méthodes permettant de conduire les systèmes dynamiques. L’informatique a séparé plus nettement les instructions de leur support physique, tandis que l’intelligence artificielle a introduit de nouvelles capacités de perception, d’apprentissage et de planification.

Les robots contemporains réunissent ces héritages. Qu’il s’agisse des plateformes quadrupèdes et humanoïdes de Unitree, des systèmes industriels d’UBTECH, des technologies de contrôle d’Estun et d’Inovance ou des robots de production de Yaskawa et FANUC, la performance dépend toujours de l’articulation entre matériel, logiciel, commande, données et environnement.

La nouveauté de l’intelligence artificielle ne réside donc pas dans le simple fait de faire agir une machine sans intervention humaine permanente. Cette ambition est ancienne. Elle réside davantage dans la possibilité de concevoir des systèmes qui interprètent des situations complexes, apprennent certaines régularités et adaptent leurs stratégies à des environnements moins prévisibles.

La prochaine étape de la robotique ne se mesurera pas uniquement au réalisme d’un humanoïde, à la fluidité de ses mouvements ou à sa capacité à converser. Elle se jugera à la fiabilité de ses actions, à sa faculté d’apprendre sans compromettre la sécurité, à sa capacité de coopérer avec les humains et à la valeur réelle qu’il apporte dans les environnements où il est déployé.

L’automate exécutait une séquence. L’automatique a appris à corriger l’action. L’informatique a rendu les règles programmables. L’intelligence artificielle cherche désormais à rendre certaines décisions plus adaptatives. La robotique réunit ces capacités dans le monde physique — là où chaque décision doit finalement se traduire par un mouvement, une interaction ou un résultat mesurable.

Sources et ressources pour approfondir

Les ressources suivantes permettent de prolonger l’étude historique, théorique et industrielle des automates, de l’automatique et de la robotique contemporaine.

Histoire des automates et des mécanismes

• Hero of Alexandria’s Automata — University of Glasgow : étude universitaire consacrée au traité mécanique d’Héron d’Alexandrie.
• Al-Jazari, traité des dispositifs mécaniques — Smithsonian National Museum of Asian Art : notice muséale consacrée à un feuillet du traité d’al-Jazari et à son horloge animée.
• Origines et développement de la robotique — Persée : étude historique sur les traditions mécaniques et la genèse de la robotique.

Intelligence artificielle et définitions techniques

• NIST — Glossaire de l’intelligence artificielle : définitions institutionnelles de l’IA et des systèmes qui mobilisent perception, décision, apprentissage ou action.
• NIST — AI Risk Management Framework : cadre de référence pour comprendre la gestion des risques associés aux systèmes d’IA.

Constructeurs et technologies contemporaines

• Unitree Robotics : robots quadrupèdes, humanoïdes, composants et ressources logicielles.
• UBTECH Robotics : plateformes humanoïdes et solutions de robotique intelligente.
• Estun Europe : robots industriels et solutions d’automatisation.
• Inovance : automatisation industrielle, servocommande et contrôle de mouvement.
• Yaskawa : robotique industrielle et technologies d’entraînement.
• FANUC Europe : robots industriels, commandes numériques et automatisation de production.

Note éditoriale : les pages des constructeurs présentent leurs propres produits et revendications. Pour évaluer une performance, une autonomie ou un déploiement industriel, il est recommandé de croiser ces informations avec des évaluations indépendantes, des données de terrain et des résultats mesurables.