Les robots humanoïdes investissent les entrepôts réels — un bilan sans fard de leurs capacités réelles et de leurs limites

Le récit autour des robots humanoïdes a longtemps précédé la réalité. Les démos ont impressionné, le capital-risque a afflué, et les gros titres ont promis une main-d'œuvre robotique à portée de main. Mais 2025 a marqué un véritable tournant. Figure, Agility Robotics, 1X Technologies et Boston Dynamics sont tous sortis du cadre des démonstrations pour passer à des déploiements commerciaux limités. BMW, Amazon, GE Aerospace et Spanx mènent des pilotes actifs. La question n'est plus de savoir si les robots humanoïdes sont réels — elle est de savoir si l'économie unitaire tient la route.

Qui a vraiment déployé (pas seulement présenté en démo)

Agility Robotics Digit chez Amazon

Le Digit d'Agility Robotics est déployé dans des centres de distribution Amazon depuis 2023, pour le déplacement de bacs entre les systèmes de convoyeurs. Amazon détient une participation dans Agility Robotics, ce qui crée un alignement d'intérêts inhabituel. Digit fonctionne sur un cycle de batterie de 4 heures et manipule des bacs jusqu'à environ 16 kg. En 2025, des centaines d'unités sont en pilote dans au moins cinq installations Amazon. La tâche est étroite — déplacer un bac d'un point A à un point B sur un plan de sol connu — mais il s'agit d'un vrai travail de production, pas d'une démo contrôlée.

Figure 02 chez BMW

Le Figure 02 est entré dans l'usine BMW de Spartanburg pour un pilote en 2024-2025, gérant des tâches d'assemblage de carrosserie en blanc : déplacement de pièces entre les postes dans un environnement de fabrication structuré. Figure a levé 675M$ début 2024 pour une valorisation de 2,6 milliards. Microsoft et OpenAI sont investisseurs, et Figure utilise les modèles d'OpenAI pour la planification des tâches et le contrôle conditionné par le langage. Le pilote BMW constitue le premier déploiement d'un humanoïde dans un contexte d'assemblage automobile premium.

Autres déploiements actifs

• 1X Technologies Neo (soutenu par OpenAI) : déployé dans des rôles de sécurité et d'inspection d'installations — un périmètre plus conservateur que le travail en usine, mais une véritable exploitation commerciale.
• Apptronik Apollo : partenariat avec Mercedes-Benz pour des pilotes sur le sol d'usine en 2025, axés sur la manutention de pièces et la logistique au sein des opérations d'assemblage.
• Boston Dynamics Atlas (électrique) : l'Atlas hydraulique a pris sa retraite en avril 2024, remplacé par une version électrique nettement plus performante en manipulation et mobilité. Hyundai utilise l'Atlas électrique dans un pilote de fabrication — notable étant donné la participation majoritaire de Hyundai dans Boston Dynamics.

Ce dans quoi les robots humanoïdes sont vraiment bons aujourd'hui

Évaluation honnête : les humanoïdes actuels excellent dans un profil restreint et spécifique de tâches.

• Pick-and-place répétitif dans des environnements structurés : même tâche, même emplacement, volume élevé. Quand le robot peut compter sur un placement cohérent des objets et une géométrie prévisible, les performances s'améliorent considérablement.
• Déplacement d'articles entre points fixes sur un plan de sol connu : le déploiement de Digit chez Amazon en est l'exemple canonique. L'environnement est cartographié ; la tâche est cohérente ; le robot n'a pas à gérer d'imprévus.
• Environnements conçus pour les humains : la plupart des entrepôts et usines ont été construits pour des humains — portes standard, largeurs d'allées, hauteurs d'étagères. Les humanoïdes s'intègrent sans modification d'infrastructure, contrairement aux AGV (véhicules guidés automatisés) ou aux bras fixes qui nécessitent des environnements dédiés.
• Quarts de nuit et environnements dangereux : chaleur élevée, exposition chimique, tâches sujettes aux troubles musculo-squelettiques. Les humanoïdes ne se fatiguent pas, n'ont pas besoin d'équipement ergonomique et peuvent fonctionner en continu dans des conditions qui font fuir les humains.

Ce qui ne fonctionne toujours pas bien

Les lacunes restent significatives, et toute évaluation honnête se doit de les nommer directement.

• Manipulation dextre : les robots humanoïdes ne parviennent toujours pas à gérer de manière fiable la diversité des formes, orientations et matériaux qu'un travailleur humain manipule instinctivement. Un sac froissé, une boîte mal orientée, un colis souple — les taux d'échec restent élevés. Saisir des objets arbitraires dans des conditions non contrôlées est un problème non résolu.
• Vitesse : les humanoïdes actuels marchent à 1,5–2 m/s et manipulent à une fraction de la vitesse humaine. Un préparateur de commandes humain traite 300 à 400 unités par heure ; les robots humanoïdes gèrent 40 à 80 pour des tâches comparables. Cet écart de débit détermine directement le retour sur investissement (ROI).
• Fiabilité : le MTBF (temps moyen entre pannes) se mesure encore en heures pour de nombreuses unités en déploiement réel, loin des milliers d'heures qu'exige l'équipement industriel. La maintenance est lourde.
• Coût : le Figure 02 est estimé entre 150 000 et 200 000 dollars par unité ; le Digit autour de 100 000 dollars. À ces prix, le retour sur investissement exige des tâches à haut débit dans des environnements à coût de main-d'œuvre élevé — un ensemble d'opportunités plus restreint que le récit général de « remplacer tous les travailleurs d'entrepôt ».

Le volet IA incarnée — pourquoi 2024-2025 est différent

Les robots humanoïdes précédents — ASIMO, l'Atlas hydraulique d'origine — utilisaient des comportements scriptés. Chaque action était codée à la main par des ingénieurs ; les robots ne pouvaient pas généraliser au-delà de leurs routines programmées. Les humanoïdes modernes utilisent l'apprentissage par imitation et l'apprentissage par renforcement à partir de démonstrations humaines. Un humain téléopère le robot pour démontrer une tâche 50 à 200 fois ; le robot apprend une politique généralisée qui peut gérer les variations au sein de cette classe de tâches.

Physical Intelligence (Pi), fondé par d'anciens chercheurs de Google et DeepMind, a levé 400 millions de dollars en 2024 pour construire des politiques de manipulation généralisables. Leur modèle π0 est entraîné sur des données cross-robot et fonctionne sur le matériel Figure, Agility Robotics et 1X. Cette approche de « modèle fondation pour robots » signifie que les améliorations de la politique sous-jacente se transfèrent entre types de robots — similaire à la manière dont les LLM transfèrent des capacités apprises entre tâches sans réentraînement spécifique.

L'implication : la courbe d'amélioration des capacités des robots humanoïdes est désormais couplée à celle des modèles d'IA, et non plus seulement à l'itération matérielle. C'est une dynamique fondamentalement différente de la courbe de progrès en ingénierie mécanique qui gouvernait les générations précédentes.

L'économie du travail

Il vaut la peine de faire les calculs soigneusement. Aux États-Unis, le coût total d'un travailleur d'entrepôt est de 40 000 à 55 000 dollars par an, incluant avantages sociaux, turnover, formation et frais d'encadrement. Un robot humanoïde à 150 000 dollars de coût en capital plus 20 000 dollars par an de maintenance représente une période de retour sur investissement d'environ 4 à 6 ans aux niveaux de productivité actuels — acceptable pour un équipement capital avec un horizon de 10 ans, mais serré.

Le seuil de rentabilité s'améliore considérablement sous deux conditions : si la vitesse du robot atteint 60 à 70 % du débit humain (Physical Intelligence prévoit que cela est réalisable d'ici 2027 pour des tâches structurées), et si les coûts unitaires tombent à 50 000–75 000 dollars à l'échelle. Le programme Optimus de Tesla vise moins de 30 000 dollars par unité en volume — Elon Musk a cité ce chiffre publiquement. Au premier trimestre 2026, environ 1 000 unités Tesla Optimus fonctionnent dans les usines Tesla en interne, avec des ventes externes visées pour 2026. Si ces projections de coût se confirment, le calcul du ROI passe de « justification étroite » à « largement convaincant ».

Le volet réglementaire et sécurité

L'OSHA n'a pas encore de normes spécifiques aux robots humanoïdes. Les fabricants opèrent actuellement sous les directives de sécurité machines existantes, principalement l'ISO 10218, qui régit les robots industriels. Les normes pour robots collaboratifs (cobot) permettent le fonctionnement à proximité des humains avec des limites de vitesse et d'effort. Les humanoïdes dans des espaces partagés humains-robots nécessitent des garde-fous supplémentaires ; la plupart des pilotes actuels maintiennent une séparation physique entre les travailleurs humains et les zones d'exploitation des robots. L'absence de cadres réglementaires clairs est à la fois un risque (incertitude en matière de responsabilité) et une opportunité (capture réglementaire pour les premiers entrants qui aident à rédiger les normes).

La conclusion honnête

Les robots humanoïdes fonctionnent aujourd'hui pour des tâches étroites, à volume élevé et structurées — et l'économie a du sens dans les environnements à coût de main-d'œuvre élevé où cette tâche étroite mérite d'être réalisée à grande échelle. L'humanoïde généraliste capable de gérer des tâches d'entrepôt arbitraires — celui qui peut attraper un sac froissé, réorienter une boîte mal alignée et s'adapter à un plan de sol modifié sans réentraînement — est probablement à 5 à 8 ans d'un déploiement commercial fiable.

Mais l'infrastructure qui se met en place aujourd'hui — les données d'entraînement, les flottes de robots, les modèles de politique, les chaînes d'approvisionnement manufacturières — est ce qui fera arriver ce futur à temps. Les pilotes chez Amazon, BMW et Mercedes-Benz ne sont pas seulement une validation de produit. Ce sont les terrains d'entraînement pour la prochaine génération de capacités. Chaque heure de fonctionnement d'un Digit dans un centre de distribution Amazon est une donnée qui améliore la version suivante. Voilà la vraie raison pour laquelle les déploiements actuels comptent, même si l'économie est marginale aujourd'hui.