Les robots humanoïdes font un pas supplémentaire vers les ateliers et les chaînes de production. Des entreprises industrielles commencent à tester ces machines sur des tâches concrètes, notamment la manutention et la préparation de produits, pendant que des acteurs de l’intelligence artificielle travaillent à rendre ces robots capables d’apprendre à partir des gestes humains.
Un déploiement progressif en milieu industriel
La société britannique Humanoid prévoit d’implanter des robots humanoïdes dans des usines du groupe industriel allemand Schaeffler. Selon les informations communiquées, l’accord entre les deux entreprises vise environ 1 000 à 2 000 robots d’ici 2032 sur l’ensemble des sites de fabrication de Schaeffler.
La première phase de déploiement est annoncée entre décembre 2026 et juin 2027, sur deux sites en Allemagne. Les premiers travaux doivent porter sur la gestion de boîtes dans une zone, et sur des tests à plus grande échelle dans un autre site, avec un objectif de validation opérationnelle en conditions réelles.
Intégration aux lignes existantes et montée en volume
Au-delà du simple test, le projet comprend l’intégration des robots aux lignes de production déjà en place chez Schaeffler. L’entreprise est actuellement engagée dans des expérimentations de robots pour des tâches physiques, notamment pour déplacer des charges, manipuler des matériaux et effectuer des opérations en entrepôt.
Dans le cadre de l’accord, Schaeffler deviendrait également un fournisseur privilégié pour certains actionneurs utilisés dans les plateformes humanoïdes de Humanoid, sur une période allant jusqu’en 2031. L’objectif évoqué couvre une quantité importante d’actionneurs, ce qui laisse entrevoir une intention de montée en capacité progressive.
Le “physical AI” alimenté par des données de gestes
Cette dynamique industrielle s’inscrit dans un contexte plus large : plusieurs acteurs considèrent les environnements de travail comme des terrains d’entraînement pour l’IA physique. Une start-up sud-coréenne, RLWRLD, collecte des données sur les mouvements de salariés dans des secteurs tels que l’hôtellerie, la logistique et le commerce de détail. L’objectif est de comprendre finement comment les personnes saisissent et manipulent des objets.
Les données sont obtenues à partir de dispositifs capables de suivre les gestes, afin de capturer des éléments tels que les angles articulaires et le niveau de force appliqué. Ces informations servent ensuite à entraîner des systèmes robotiques, avec l’ajout de démonstrations réalisées via des outils de suivi et des interfaces de contrôle.
Apprentissage de tâches et premières démonstrations
Les méthodes décrites consistent à convertir les enregistrements de mouvements humains en représentation exploitable par les robots, puis à compléter l’entraînement à l’aide de démonstrations techniques. Les robots testés sont ensuite guidés ou instruits pour exécuter des tâches précises.
Des démonstrations rapportent des robots capables d’accomplir des gestes proches de la manutention courante : déplacer des objets comme des tasses dans un espace restreint, ouvrir un emballage, y placer un produit, puis refermer et acheminer l’ensemble sur un convoyeur.
Un calendrier industriel attendu, mais des enjeux humains
RLWRLD estime que les déploiements à grande échelle pour des usages industriels pourraient se concrétiser autour de 2028. En parallèle, plusieurs industriels évoquent des stratégies d’usines plus automatisées et pilotées par des systèmes d’IA.
Cependant, l’adoption de robots humanoïdes s’accompagne de questions sociales, notamment autour de l’utilisation des données collectées auprès des travailleurs et de l’impact possible sur l’emploi. Dans ce contexte, des responsables syndicaux demandent que les entreprises et les autorités associent davantage les salariés à la transition.
Pour suivre l’évolution de ces technologies, certains utilisateurs et professionnels privilégient aujourd’hui des équipements de mesure et de test, utiles pour comprendre la précision et la répétabilité en conditions “atelier”. À titre d’exemple, un capteur de force/torque 6 axes peut aider à caractériser des efforts et à valider des trajectoires dans des expérimentations de manipulation. De même, un module LiDAR pour navigation robot est souvent utilisé dans les tests de déplacement et de cartographie, même si le robot humanoïde lui-même reste un système distinct.