Alibaba est entré dans la course pour créer une IA qui alimente les robots, et pas seulement les chatbots. Le géant chinois de la technologie a dévoilé cette semaine RynnBrain, un modèle open source conçu pour aider les robots à percevoir leur environnement et à exécuter des tâches physiques.
Cette décision témoigne de l’accélération de la Chine dans le domaine de l’IA physique, alors que le vieillissement de la population et la pénurie de main-d’œuvre stimulent la demande de machines capables de travailler aux côtés des humains ou de les remplacer. Le modèle positionne Alibaba aux côtés de Nvidia, Google DeepMind et Tesla dans la course à la création de ce que le PDG de Nvidia, Jensen Huang, appelle « une opportunité de croissance de plusieurs milliards de dollars ».
Cependant, contrairement à ses concurrents, Alibaba poursuit une stratégie open source consistant à rendre RynnBrain gratuitement accessible aux développeurs pour accélérer son adoption, similaire à son approche avec la famille de modèles de langage Qwen, qui figure parmi les systèmes d’IA les plus avancés de Chine.
Des démonstrations vidéo publiées par la DAMO Academy d’Alibaba montrent des robots alimentés par RynnBrain identifiant des fruits et les plaçant dans des paniers – des tâches qui semblent simples mais nécessitent une IA complexe régissant la reconnaissance des objets et des mouvements précis.
La technologie appartient à la catégorie des modèles vision-langage-action (VLA), qui intègrent la vision par ordinateur, le traitement du langage naturel et le contrôle moteur pour permettre aux robots d’interpréter leur environnement et d’exécuter les actions appropriées.
Contrairement aux robots traditionnels qui suivent des instructions préprogrammées, les systèmes d’IA physique comme RynnBrain permettent aux machines d’apprendre de leur expérience et d’adapter leur comportement en temps réel. Cela représente un changement fondamental de l’automatisation vers une prise de décision autonome dans des environnements physiques – un changement dont les implications s’étendent bien au-delà des usines.
Du prototype à la production
Le timing signale un point d’inflexion plus large. Selon le rapport 2026 Tech Trends de Deloitte, l’IA physique a commencé à « passer d’un calendrier de recherche à un calendrier industriel », avec des plates-formes de simulation et la génération de données synthétiques compressant les cycles d’itération avant le déploiement dans le monde réel.
La transition est moins motivée par des avancées technologiques que par une nécessité économique. Les économies avancées sont confrontées à une dure réalité : la demande en matière de production, de logistique et de maintenance continue d’augmenter tandis que l’offre de main d’œuvre ne parvient pas à suivre le rythme.
L’OCDE prévoit que les populations en âge de travailler dans les pays développés stagneront ou diminueront au cours des prochaines décennies à mesure que le vieillissement s’accélère.
Certaines parties de l’Asie de l’Est sont confrontées à cette réalité plus tôt que d’autres régions. Le vieillissement démographique, la baisse de la fécondité et le resserrement des marchés du travail influencent déjà les choix d’automatisation dans les domaines de la logistique, de la fabrication et des infrastructures, en particulier en Chine, au Japon et en Corée du Sud.
Ces environnements ne sont pas exceptionnels ; ils sont simplement en avance sur une trajectoire que d’autres économies avancées sont susceptibles de suivre.
En ce qui concerne spécifiquement les robots humanoïdes – des machines conçues pour marcher et fonctionner comme des humains – la Chine « devance les États-Unis », les entreprises prévoyant d’augmenter leur production cette année, selon Deloitte.
UBS estime qu’il y aura deux millions d’humanoïdes sur le lieu de travail d’ici 2035, et ce chiffre atteindra 300 millions d’ici 2050, ce qui représente un marché potentiel total compris entre 1 400 et 1 700 milliards de dollars d’ici le milieu du siècle.
Le déficit de gouvernance
Pourtant, à mesure que les capacités physiques de l’IA s’accélèrent, une contrainte critique apparaît, qui n’a rien à voir avec les performances du modèle.
« Dans les environnements physiques, les pannes ne peuvent pas être simplement corrigées après coup », selon une analyse du Forum économique mondial publiée cette semaine. « Une fois que l’IA commence à déplacer des marchandises, à coordonner le travail ou à faire fonctionner des équipements, la contrainte majeure passe de ce que les systèmes peuvent faire à la manière dont la responsabilité, l’autorité et l’intervention sont gouvernées. »
Les industries physiques sont régies par les conséquences et non par le calcul. Une recommandation erronée dans un chatbot peut être corrigée par logiciel. Un robot qui laisse tomber une pièce lors de la remise ou perd l’équilibre dans une usine conçue pour les humains provoque une pause des opérations, créant des effets en cascade sur les calendriers de production, les protocoles de sécurité et les chaînes de responsabilité.
Le cadre du WEF identifie trois niveaux de gouvernance requis pour un déploiement sûr : la gouvernance exécutive définissant l’appétit pour le risque et les éléments non négociables ; une gouvernance du système intégrant ces contraintes dans la réalité artificielle via des règles d’arrêt et des contrôles de changement ; et une gouvernance de première ligne donnant aux travailleurs une autorité claire pour annuler les décisions de l’IA.
« À mesure que l’IA physique s’accélère, les capacités techniques convergeront de plus en plus, mais pas la gouvernance », prévient l’analyse. « Ceux qui considèrent la gouvernance comme une réflexion après coup pourraient constater des gains précoces, mais découvriront que l’ampleur amplifie la fragilité. »
Cela crée une asymétrie dans la concurrence entre les États-Unis et la Chine. Les cycles de déploiement plus rapides de la Chine et sa volonté de piloter des systèmes dans des environnements industriels contrôlés pourraient accélérer les courbes d’apprentissage.
Cependant, les cadres de gouvernance qui fonctionnent dans des environnements d’usine structurés peuvent ne pas s’adapter aux espaces publics où les systèmes autonomes doivent gérer des comportements humains imprévisibles.
Signaux de déploiement précoce
Les déploiements actuels restent concentrés dans l’entreposage et la logistique, où les pressions sur le marché du travail sont les plus aiguës. Amazon a récemment déployé son millionième robot, faisant partie d’une flotte diversifiée travaillant aux côtés des humains. Son modèle d’IA DeepFleet coordonne cette armée de robots massive sur l’ensemble du réseau de distribution, ce qui, selon Amazon, améliorera l’efficacité des voyages de 10 %.
BMW teste des robots humanoïdes dans son usine de Caroline du Sud pour des tâches nécessitant une dextérité qui manque aux robots industriels traditionnels : manipulation de précision, préhension complexe et coordination à deux mains.
Le constructeur automobile utilise également la technologie des véhicules autonomes pour permettre aux voitures nouvellement construites de se conduire seules depuis la chaîne d’assemblage jusqu’à la zone de finition, en passant par les tests, le tout sans assistance humaine.
Mais les applications s’étendent au-delà des contextes industriels traditionnels. Dans le domaine de la santé, les entreprises développent des systèmes de chirurgie robotique basés sur l’IA et des assistants intelligents pour les soins aux patients.
Des villes comme Cincinnati déploient des drones alimentés par l’IA pour inspecter de manière autonome les structures des ponts et les revêtements routiers. Détroit a lancé un service de navette autonome gratuit pour les seniors et les personnes handicapées.
La dynamique concurrentielle régionale s’est intensifiée cette semaine lorsque la Corée du Sud a annoncé une initiative nationale de 692 millions de dollars pour produire des semi-conducteurs d’IA, soulignant à quel point le déploiement physique de l’IA nécessite non seulement des capacités logicielles mais aussi une capacité nationale de fabrication de puces.
NVIDIA a publié plusieurs modèles sous sa marque « Cosmos » pour former et exécuter l’IA en robotique. Google DeepMind propose Gemini Robotics-ER 1.5. Tesla développe sa propre IA pour alimenter le robot humanoïde Optimus. Chaque entreprise parie que la convergence des capacités de l’IA avec la manipulation physique ouvrira la voie à de nouvelles catégories d’automatisation.
À mesure que les environnements de simulation s’améliorent et que l’apprentissage basé sur les écosystèmes raccourcit les cycles de déploiement, la question stratégique passe de « Pouvons-nous adopter l’IA physique ? à « Pouvons-nous le gouverner à grande échelle ?
Pour la Chine, la réponse pourrait déterminer si son avantage en matière de déploiement de la robotique se traduit par un leadership industriel durable ou si elle devient une mise en garde contre une mise à l’échelle des systèmes plus rapide que l’infrastructure de gouvernance requise pour les maintenir.
(Photo d’Alibaba)
