Deux avancées marquantes illustrent le passage de l’IA du virtuel vers le monde réel. D’un côté, le robot de table automatique Ace, développé par Sony AI, a disputé des matchs réglementés contre des pongistes de haut niveau. De l’autre, des robots humanoïdes ont été testés lors d’une course longue distance à Pékin, avec des performances chronométrées en conditions réelles.

Un robot de ping-pong qui s’impose face à des joueurs d’élite

Selon des informations relayées par la presse, Ace a participé à des rencontres officielles de tennis de table, en respectant les règles de la Fédération internationale de tennis de table (ITTF) et sous le regard d’arbitres autorisés. Le robot a été conçu pour prendre des décisions très rapidement et contrôler finement ses mouvements, afin d’exécuter des coups dans un environnement sportif où chaque point se joue à un rythme élevé.

Les essais menés sur une période donnée indiquent qu’Ace a remporté une partie des matchs face à des joueurs d’élite, tout en s’inclinant dans d’autres confrontations contre des adversaires au niveau professionnel. Sony AI a aussi fait état d’autres rencontres ultérieures, dont certaines auraient été remportées face à des pongistes professionnels.

Perception en temps réel et stratégie apprenante

Le défi technique de la discipline tient à la vitesse et à la variabilité de la balle : trajectoires qui changent, effets (spin) complexes et détection visuelle sollicitée au maximum. D’après l’équipe du projet, Ace s’appuie sur plusieurs systèmes de caméra et de vision pour suivre le mouvement et l’effet de la balle, puis calculer la réponse motrice dans des délais très courts.

Sur le plan mécanique, la raquette est pilotée par plusieurs articulations, réparties entre le positionnement, l’orientation et la gestion de la force ou de la vitesse des coups. L’objectif est d’atteindre un niveau de précision jugé compatible avec un jeu de compétition.

Un autre élément clé concerne l’apprentissage : contrairement à des approches reposant sur la démonstration humaine, Ace aurait été entraîné dans un environnement de simulation. Cette méthode viserait à permettre l’émergence de stratégies adaptées au comportement réel de la balle, avec des styles de jeu qui peuvent différer de ceux observés chez les joueurs humains.

Des joueurs ayant affronté Ace ont également souligné un point pratique : la difficulté à anticiper les réponses du robot, faute d’indices visibles comparables à ceux qu’offrent les réactions d’un humain pendant un échange. Ils ont toutefois reconnu une capacité notable à gérer certains effets, tout en évoquant une plus grande prédictibilité sur des situations plus simples.

Pour s’initier au tennis de table avec un matériel fiable, certains utilisateurs choisissent des ensembles prêts à jouer comme des accessoires d’entraînement pour le ping-pong ou des équipements axés sur la précision et le contrôle. Le point commun avec ces technologies, c’est la recherche d’une meilleure répétabilité dans l’exécution.

Des robots humanoïdes testés sur un semi-marathon à Pékin

À l’occasion du 2026 Beijing E-Town Humanoid Robot Half Marathon, des robots humanoïdes ont parcouru un itinéraire de 21 kilomètres à Pékin. L’événement réunissait plus d’une centaine de robots, dans un cadre conçu pour évaluer leurs capacités sur une durée longue et dans des conditions à grande échelle. Les participants humains prenaient part à la course, mais sur des parcours séparés.

Un robot nommé Lightning, développé par Honor, aurait terminé la course en un peu plus de cinquante minutes. Le système a, d’après les organisateurs, poursuivi sa progression après une collision avec une barrière, avant de franchir la ligne d’arrivée en première position. D’autres robots de la même entreprise auraient également obtenu des places au classement.

Les organisateurs ont indiqué que le but de l’épreuve était d’évaluer la navigation autonome et la robustesse des machines en conditions réelles, plutôt que dans un environnement entièrement contrôlé. Une précédente édition avait déjà montré des progrès, mais avec des temps jugés nettement plus lents pour les meilleurs systèmes.

Dans une logique comparable d’ingénierie de précision, les consommateurs qui cherchent du matériel utile à l’entraînement ou à l’observation des mouvements peuvent aussi se tourner vers des outils d’analyse et d’assistance, par exemple des caméras de suivi pour le sport. Même si l’usage n’est pas le même, la démarche repose sur la qualité de la perception et de la mesure.

Ce que ces résultats suggèrent pour l’IA “dans le réel”

Pris ensemble, ces deux événements montrent un même mouvement : l’IA est de plus en plus testée sur des tâches où la réalité impose des contraintes immédiates—temps de réaction, précision motrice, perception en présence d’incertitudes. En ping-pong, la difficulté réside dans la balle, les effets et le timing. En course, elle se situe dans la locomotion, la navigation et la tenue de performance sur la durée.

Reste une différence majeure entre les démonstrations et une généralisation à grande échelle : la robustesse face aux situations nouvelles, l’adaptabilité en match et, pour les robots humanoïdes, la capacité à gérer les imprévus sans dégrader la sécurité ou l’autonomie. Les prochaines itérations devront donc être jugées sur la régularité, pas seulement sur quelques performances isolées.