Robots humanoïdes : les 19 000 unités livrées par la Chine et l'arithmétique des usines

Ces chiffres d'IDC sont arrivés le 29 septembre par TechNode, qui cite le média chinois IT Home. Si le chiffre tient, 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 nombre qui suppose que la courbe actuelle continue de monter pendant quatre ans encore.

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

Les ateliers restent majoritairement sans humanoïdes

L'enquête de The Robot Report sur la production industrielle, publiée le 29 septembre, mesure cet écart. Les installations de robots industriels ont doublé au cours de 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 robotique, c'est-à-dire le nombre de robots pour 10 000 salariés. 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 automobiles.

Les humanoïdes apparaissent dans cette enquête comme une promesse, pas comme une ligne de commande. Le rapport indique que l'intérêt pour les humanoïdes est élevé, mais qu'ils n'en sont qu'aux premiers essais commerciaux, tandis que d'autres formats sont déjà disponibles. Les cobots, les robots mobiles autonomes et les manipulateurs mobiles sont les formes qui travaillent réellement 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 des forces et des couples, goulot sans gloire

Si le chiffre chinois décrit l'offre, une conférence prévue à RoboBusiness 2026 décrit le problème côté demande. Robert Brooks, fondateur et directeur général 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, premier jour d'un événement de deux jours, selon The Robot Report.

Les capteurs de couple donnent aux robots le sens du toucher. Sans eux, comme le formule le même rapport, les robots ignorent la pression qu'ils exercent en travaillant. Robert 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 robotique chirurgicale, logistique et de terrain. L'objectif affiché : accélérer la production et la mise en service.

Voilà qui corrige utilement la couverture fondée sur les volumes. Un robot capable de saisir un carton n'est pas un robot capable de saisir un œuf, et 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 avoue

Le marché domestique bouge aussi. Flourish, jeune entreprise partagée entre San Francisco et Paris, a ouvert les ventes de Flourish One, un robot domestique à roues de style humanoïde vendu 3 555 dollars, rapporte The Robot Report le 29 septembre. La société affirme que les premiers acheteurs 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 prévue pour 12 heures de fonctionnement des bras. Un petit lidar est fixé sur la base près du sol, et chaque pince à deux doigts porte 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 est adapté au rangement, aux poubelles et au nettoyage de base, comme essuyer une table, plutôt qu'à un assemblage minutieux.

Flourish fabrique 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 « réfléchir », ou l'utilisateur peut faire tourner les calculs sur son propre ordinateur. Le fondateur Antoine Marcel a déclaré à The Robot Report qu'intégrer un GPU NVIDIA dans le robot doublerait immédiatement le coût, et que la limite de 1,5 kg avait été choisie parce que la plupart des tâches domestiques n'exigent pas une charge énorme.

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

La méthode d'apprentissage passe par les centrales inertielles d'un téléphone. L'utilisateur tient le téléphone et le déplace comme s'il exécutait la tâche, tandis que le robot reproduit le geste. Antoine Marcel appelle cela la partie magique du produit, parce qu'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, dont la manipulation, l'assemblage, les procédures industrielles et la conduite. Les auteurs y décrivent des 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 niveaux de difficulté de la référence. Une mise à jour pouvait laisser la moyenne presque inchangée alors que de nombreuses tâches individuelles basculaient. Et une mise à jour qui relevait la moyenne perdait encore des tâches que l'ancien modèle réussissait.

La même irrégularité se vérifiait dans les domaines physiques. Des modèles qui battaient Gemini 3.5-Flash sur toutes les moyennes par domaine faisaient moins bien sur certaines catégories de tâches. Les auteurs ont publié un jeu de données nommé RIDGE avec les 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, ce qui 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 testeront les douze prochains mois

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. Le besoin ou non d'une connexion réseau pour réfléchir. 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, telle que 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 feront un travail rémunéré dans un atelier ou dans un foyer, au lieu de gonfler 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 dans les valeurs de commandes, les essais sur le terrain et, finalement, dans la réponse à une question simple : un robot à 3 555 dollars peut-il apprendre à arroser les plantes sans qu'on le lui montre deux fois ?