Robots humanoïdes : les 19 000 unités d'avance de la Chine et les chiffres des usines

Ces chiffres d'IDC sont tombés le 29 septembre via TechNode, qui cite le média chinois IT Home. Si le compte est bon, la Chine n'est pas seulement un acteur du marché des humanoïdes : elle est le marché. La même prévision d'IDC situe les livraisons mondiales d'humanoïdes en 2030 à plus de 750 000 unités. Un tel nombre suppose que la courbe actuelle continue de monter pendant quatre ans encore.

Le mot usine fait pourtant beaucoup de travail ici. Faire sortir un humanoïde d'un bâtiment n'est pas la même chose que le mettre au travail sur une ligne. Les sources les plus récentes de ce dossier montrent l'écart qui reste entre les deux.

Les ateliers de fabrication restent majoritairement sans humanoïdes

L'enquête de The Robot Report sur la fabrication, publiée le 29 septembre, mesure clairement cet écart. Les installations de robots industriels ont doublé dans la décennie qui s'est achevée en 2024, selon la Fédération internationale de robotique. La Corée du Sud, Singapour, l'Allemagne et le Japon mènent pour la densité de robots, soit le nombre de robots pour 10 000 travailleurs. Au premier semestre 2026, la valeur des commandes de robots a progressé de 6,6 % sur un an, selon l'Association for Advancing Automation, qui note que la croissance des secteurs hors automobile a compensé un ralentissement chez les constructeurs.

Les humanoïdes apparaissent dans cette enquête comme une promesse, pas comme une ligne budgétaire. Le rapport indique que l'intérêt pour les humanoïdes est élevé, mais qu'ils commencent seulement leurs essais commerciaux, et que d'autres formats sont déjà disponibles. Les cobots, les robots mobiles autonomes et les manipulateurs mobiles sont les formes qui font réellement le travail aujourd'hui.

Le chiffre phare d'IDC et le tableau de terrain de la presse spécialisée ne se contredisent donc pas. Ils mesurent deux choses différentes : les unités qui quittent une usine et celles qui fournissent un travail utile à l'intérieur.

La mesure de force et de couple, le vrai goulot d'étranglement

Si le chiffre chinois décrit l'offre, une intervention prévue à RoboBusiness 2026 décrit le problème côté demande. Robert Brooks, fondateur et PDG de ForceN, présentera « A Crash Course in Force & Torque Sensing for Humanoids » le 20 octobre à 14 h 15, heure du Pacifique, à Santa Clara, en Californie. Ce sera le premier jour de l'événement de deux jours, selon The Robot Report.

Les capteurs de couple donnent aux robots le sens du toucher. Sans eux, comme l'écrit le même rapport, les robots ignorent la pression qu'ils exercent pendant le travail. Brooks devrait s'appuyer sur trois ans de travail avec des entreprises d'humanoïdes et sur le développement de capteurs de force et de couple en chirurgie, en logistique et en robotique de terrain. L'objectif affiché : accélérer la production et la mise en service.

Voilà qui corrige utilement les articles centrés sur les volumes livrés. Un robot capable de saisir un carton n'est pas un robot capable de saisir un œuf. La différence tient à la chaîne de capteurs, pas au décompte des unités.

Un robot domestique à 3 555 dollars, et ce que sa fiche technique admet

Le marché domestique bouge lui aussi. Flourish, une startup partagée entre San Francisco et Paris, a ouvert les ventes de Flourish One, un robot domestique à roues de style humanoïde affiché à 3 555 dollars, rapporte The Robot Report le 29 septembre. L'entreprise affirme que les premiers utilisateurs peuvent lui apprendre de nouvelles tâches en moins de 30 minutes avec un simple smartphone.

La fiche technique est d'une franchise inhabituelle sur les limites. Chaque bras a une capacité de charge de 1,5 kg. La batterie est conçue pour 12 heures de fonctionnement des bras. Un petit lidar est logé dans la base près du sol, et chaque pince à deux doigts embarque une caméra au poignet. Le robot n'est pas étanche : il ne fera donc pas la vaisselle ni ne lavera un chien dans cette génération. Il convient au rangement, aux poubelles et au nettoyage de base, comme essuyer une table, plutôt qu'à un assemblage complexe.

Flourish assemble à la main le premier lot de 50 unités et espère livrer avant Noël. Pour contenir le coût des composants, l'unité tourne sur un Raspberry Pi, les GPU dans le cloud assurant l'entraînement des modèles de compétences et l'inférence des comportements de haut niveau. Une connexion réseau est nécessaire pour « penser », ou l'utilisateur peut faire tourner les charges de travail sur son propre ordinateur. Le fondateur Antoine Marcel a déclaré à The Robot Report qu'installer un GPU NVIDIA dans le robot doublerait immédiatement le coût, et que 1,5 kg avait été choisi parce que la plupart des tâches domestiques n'exigent pas une charge énorme.

« Ma façon de ranger mon appartement n'est pas la même que la vôtre. Vous allez lui montrer pendant 30 minutes comment arroser vos plantes », a déclaré Marcel. « Nous allons affiner un modèle d'IA pour cela... maintenant le robot sait le faire chez vous. »

La méthode d'apprentissage utilise les centrales inertielles intégrées à un téléphone. L'utilisateur tient le téléphone et le déplace comme s'il accomplissait la tâche, pendant que le robot reproduit le geste. Marcel y voit la part magique du produit, puisqu'aucun matériel supplémentaire n'est nécessaire.

Le logiciel est irrégulier, et les benchmarks le masquent

Les limites matérielles ne sont que la moitié de l'histoire. Un rapport technique publié le 29 septembre par des chercheurs de fig.inc a évalué des modèles de pointe sur l'automatisation web et sur des tâches physiques : manipulation, assemblage, procédures industrielles et conduite. Les auteurs y parlent de performances irrégulières.

Le constat est net : dans chaque paire de modèles testée, le modèle le moins bien noté a résolu des tâches que le mieux noté avait ratées. Sur les tâches web, le meilleur modèle changeait selon le site et selon les étiquettes de difficulté du benchmark. Une mise à jour de modèle pouvait laisser la moyenne presque inchangée alors que de nombreuses tâches individuelles basculaient. Et une mise à jour qui faisait monter la moyenne perdait encore des tâches que l'ancien modèle réussissait.

La même irrégularité se retrouve dans les domaines physiques. Des modèles qui battaient Gemini 3.5-Flash sur toutes les moyennes par domaine faisaient encore moins bien sur certaines catégories de tâches. Les auteurs ont publié un jeu de données nommé RIDGE avec des résultats tâche par tâche sur cinq domaines, de VisualWebArena à Bench2Drive, VLABench, IndEgo et Assembly101. Leur argument : une moyenne de benchmark cache à quel point le succès varie d'une tâche à l'autre. Cela compte quand les décisions de déploiement reposent sur ces chiffres.

Pour qui lit les totaux de livraisons comme un indicateur de capacité, voilà la réserve à garder en tête. Le volume dit combien d'unités sont sorties du bâtiment. Il ne dit pas avec quelle fiabilité l'une d'elles arrosera une plante.

Ce que les douze prochains mois mettront à l'épreuve

Les sources les plus récentes du dossier pointent dans une direction : la conversation sur les humanoïdes passe des démonstrations aux spécifications. La charge utile en kilogrammes. Les heures de fonctionnement. La nécessité ou non d'une connexion réseau pour penser. La capacité d'un ensemble de capteurs à empêcher le robot d'écraser ce qu'il tient.

La part de 77,9 % de la Chine dans les livraisons du premier semestre, rapportée par TechNode, est un point de données réel et frappant. La prévision d'IDC de 750 000 unités pour 2030 est une projection, pas une livraison. Entre ces deux nombres se tient la question plus difficile que soulève l'enquête de The Robot Report : combien de ces machines accompliront un travail rémunéré dans un atelier ou dans un foyer, plutôt que de compter dans une statistique d'installation.

RoboBusiness 2026, les 20 et 21 octobre à Santa Clara, en inscrira une partie au dossier. La session de ForceN est un point de données. Le reste apparaîtra sous forme de valeurs de commandes, d'essais sur le terrain et, au bout du compte, de la réponse à cette question : peut-on apprendre à un robot à 3 555 dollars à arroser les plantes sans avoir à le lui apprendre deux fois.