L’annonce faite cette semaine de la collaboration entre Microsoft et Hexagon Robotics marque un tournant dans la commercialisation de robots humanoïdes alimentés par l’IA pour les environnements industriels. Les deux sociétés combineront l’infrastructure cloud et IA de Microsoft avec l’expertise de Hexagon en robotique, capteurs et intelligence spatiale pour faire avancer le déploiement de systèmes physiques d’IA dans des environnements réels.
Au centre de cette collaboration se trouve AEON, le robot humanoïde industriel de Hexagon, un dispositif conçu pour fonctionner de manière autonome dans des environnements tels que les usines, les hubs logistiques, les installations d’ingénierie et les sites d’inspection.
La collaboration se concentrera sur la formation AI multimodale, l’apprentissage par imitation, la gestion des données en temps réel et l’intégration avec les systèmes industriels existants. Les secteurs cibles initiaux comprennent l’automobile, l’aérospatiale, la fabrication et la logistique, selon les sociétés. C’est dans ces industries où les pénuries de main-d’œuvre et la complexité opérationnelle entravent déjà la croissance financière.
Cette annonce est le signe d’un écosystème qui arrive à maturité : les plateformes cloud, l’IA physique et la convergence de l’ingénierie robotique, rendant l’automatisation humanoïde commercialement viable.
Alors que les robots humanoïdes ont été le sujet de travaux dans les institutions de recherche, démontrés avec fierté lors d’événements technologiques, les cinq dernières années ont vu un passage au déploiement pratique dans des environnements de travail réels. Le principal changement a été la combinaison d’une perception améliorée, des avancées dans le renforcement et l’apprentissage par imitation, et la disponibilité d’une infrastructure cloud évolutive.
L’un des exemples les plus visibles est Agility Robotics’ Digit, un robot humanoïde bipède conçu pour les opérations logistiques et d’entrepôt. Digit a été testé dans des environnements réels par des entreprises comme Amazon, où il effectue des tâches de manutention de matériaux, y compris le déplacement de caisses et la logistique du dernier mètre. Ces déploiements ont tendance à se concentrer sur l’augmentation des travailleurs humains plutôt que de les remplacer, Digit s’occupant des tâches plus exigeantes physiquement.
De même, le programme Optimus de Tesla est sorti de la phase où seules existaient des vidéos conceptuelles, et est actuellement en cours d’essais en usine. Les robots Optimus sont testés sur des tâches structurées telles que la manipulation de pièces et le transport d’équipements à l’intérieur des installations de fabrication automobile de Tesla. Bien que toujours limités en portée, ces pilotes démontrent le choix de machines de type humanoïde plutôt que des formes moins anthropomorphes afin qu’elles puissent fonctionner dans des espaces conçus et peuplés par des humains.
L’inspection, la maintenance et les environnements dangereux émergent comme l’un des premiers cas d’utilisation commercialement viables pour les robots humanoïdes et quasi-humanoïdes. Atlas de Boston Dynamics, bien qu’il ne soit pas encore un produit commercial polyvalent, a été utilisé dans des essais industriels en direct pour l’inspection et les environnements de réponse aux catastrophes. Il peut naviguer sur un terrain accidenté, monter des escaliers et manipuler des outils dans des endroits considérés comme dangereux pour les humains.
Toyota Research Institute a déployé des plates-formes de robotique humanoïde pour des tâches d’inspection et de manipulation à distance dans des environnements similaires. Les systèmes de Toyota reposent sur la perception multimodale et le contrôle en boucle humaine, ce dernier renforçant une tendance de l’industrie : les premiers déploiements privilégient la fiabilité et la traçabilité, nécessitant donc une supervision humaine.
AEON de Hexagon est étroitement aligné sur cette tendance. Son accent sur la fusion des capteurs et l’intelligence spatiale est pertinent pour les tâches d’inspection et d’assurance qualité, où une compréhension précise des environnements physiques est plus précieuse que les capacités conversationnelles généralement associées à l’utilisation quotidienne de l’IA.
Une caractéristique déterminante du partenariat entre Microsoft et Hexagon est l’utilisation de l’infrastructure cloud dans la mise à l’échelle des robots humanoïdes. La formation, la mise à jour et la surveillance des systèmes AI physiques génèrent de grandes quantités de données, y compris des vidéos, des retours de force des capteurs embarqués, la cartographie spatiale (comme celle dérivée du LIDAR) et la télémétrie opérationnelle. La gestion de ces données localement a historiquement été un goulot d’étranglement, en raison des contraintes de stockage et de traitement.
En utilisant des plateformes comme Azure et Azure IoT Operations, ainsi que des services d’intelligence en temps réel dans le cloud, les robots humanoïdes peuvent être formés à l’échelle de la flotte, pas en unités isolées. Cela ouvre de multiples possibilités en termes d’apprentissage partagé, d’amélioration par itération et de plus grande cohérence. Pour les acheteurs au niveau du conseil d’administration, ces changements d’architecture informatique signifient que les robots humanoïdes deviennent des entités viables qui peuvent être traitées – en termes d’exigences informatiques – plus comme des logiciels d’entreprise que comme des machines.
Les tendances démographiques dans les industries manufacturières, logistiques et à forte intensité d’actifs sont de plus en plus défavorables. Le vieillissement des effectifs, le déclin de l’intérêt pour les postes manuels et les pénuries de compétences persistantes créent des écarts de compétences que l’automatisation conventionnelle ne peut pas entièrement combler – du moins, pas sans reconstruire entièrement des installations pour les adapter davantage à une main-d’œuvre robotique. Les systèmes robotiques fixes excellent dans les tâches répétitives et prévisibles mais peinent dans des environnements dynamiques et humains.
Les robots humanoïdes occupent un terrain intermédiaire. Non conçus pour remplacer les flux de travail, ils peuvent stabiliser les opérations là où la disponibilité humaine est incertaine. Les études de cas montrent une valeur précoce dans les quarts de nuit, les périodes de forte demande et les tâches considérées comme trop dangereuses pour les humains.
Pour les décideurs envisageant d’investir dans les robots de travail de nouvelle génération, plusieurs problèmes à noter ont émergé des déploiements existants dans le monde réel :
La spécificité de la tâche est plus importante que l’intelligence générale, les pilotes les plus réussis se concentrant sur des activités bien définies. La gouvernance et la sécurité des données continuent d’être des points centraux lors de la mise en place de robots, en particulier lorsqu’il est nécessaire de les connecter à des plateformes cloud.
Au niveau humain, l’intégration de la main-d’œuvre peut être plus difficile que la recherche, l’installation et l’exploitation de la technologie elle-même. Pourtant, la supervision humaine reste essentielle à ce stade de la maturité de l’IA, pour la sécurité et l’acceptation réglementaire.
Les robots humanoïdes ne remplaceront pas la main-d’œuvre humaine, mais un nombre croissant de preuves issues de déploiements en direct et de prototypages montrent que de tels dispositifs entrent sur le lieu de travail. À l’heure actuelle, les robots humanoïdes alimentés par l’IA peuvent effectuer des tâches économiquement précieuses, et l’intégration avec les systèmes industriels existants est extrêmement possible. Pour les conseils d’administration désireux d’investir, la question pourrait être de savoir quand les concurrents pourraient déployer la technologie de manière responsable et à grande échelle.