Un nouveau rapport de Goldman Sachs soutient que l'industrie des robots humanoïdes déplace son attention des démonstrations impressionnantes vers les réalités rudes du déploiement commercial, la donnée de haute qualité émergeant comme le principal goulot d'étranglement.
Un nouveau rapport de Goldman Sachs douche les espoirs d'un engouement à court terme pour les robots humanoïdes, projetant qu'une commercialisation à grande échelle pour 14 entreprises chinoises de premier plan est peu probable avant 2027 et dépend de manière critique de la résolution d'un goulot d'étranglement massif des données. L'attention de l'industrie s'est déjà déplacée des modèles Vision-Langage-Action (VLA) simples vers des piles d'IA plus complexes et orientées vers l'exécution qui fusionnent le VLA avec des modèles mondiaux.
« Les discussions au sein de l'industrie ont déjà dépassé le cadre d'un simple VLA pour s'orienter vers une pile d'IA multimodale axée sur l'exécution », a déclaré Jacqueline Du, analyste chez Goldman Sachs, dans le rapport publié après avoir visité 14 entreprises de robotique chinoises. Le rapport note que pour que ces nouveaux modèles deviennent opérationnels, ils doivent être entraînés sur des dizaines de millions d'heures de données réelles de haute qualité, un défi auquel l'industrie est désormais confrontée.
Le consensus technique converge rapidement vers cette nouvelle architecture hybride, où un modèle mondial agit comme une couche fonctionnelle pour prédire les résultats et vérifier les actions avant l'exécution, renforçant ainsi la robustesse en conditions réelles. Pour alimenter cela, le nombre de paramètres des modèles grimpe de quelques milliards à une fourchette de 40 à 80 milliards. Malgré les avancées techniques, le rapport indique que la plupart des projets restent au stade de la preuve de concept, avec un accent clair sur les applications industrielles et logistiques.
Pour les investisseurs, le rapport tempère les attentes immédiates tout en renforçant l'optimisme à long terme, suggérant que l'étape clé est la transition des pilotes conceptuels vers des déploiements évolutifs et rentables. Le processus complexe consistant à garantir la qualité tout en abaissant les coûts sera le défi central des trois à cinq prochaines années, déterminant finalement laquelle des 14 entreprises dominera le marché.
## Des recettes de modèles aux architectures de données
Le défi majeur pour les fabricants de robots chinois n'est plus seulement la « recette » des modèles d'IA, mais la construction de l'infrastructure pour les alimenter. Selon le rapport de Goldman, l'accent s'est déplacé vers la construction d'architectures évolutives capables de produire de manière fiable des données multidimensionnelles de haute qualité à partir d'interactions réelles. Cela marque un pivot significatif par rapport aux simples débats sur les mérites des différents types de modèles. Comme l'a noté le Dr Yao Maoqing, président de l'unité d'IA incarnée d'Agibot, lors d'une récente interview, il existe un « fossé énorme entre les démonstrations en laboratoire et le déploiement en conditions réelles », et l'obtention des données physiques de mouvement, de manipulation et d'échec est « extrêmement coûteuse ».
Ce défi d'acquisition de données crée deux stratégies distinctes. Certaines entreprises, comme PaXini, construisent des « usines de données » centralisées et soutenues par le gouvernement, avec cinq installations de ce type déjà opérationnelles en Chine. D'autres, dont Galaxea et Spirit AI, poursuivent une approche décentralisée, collectant des données à partir de systèmes déjà déployés et de simulations VR. Les données elles-mêmes deviennent un actif précieux, des entreprises comme UBTech s'attendant à ce que la demande gouvernementale pour les usines de données devienne un moteur de revenus important d'ici 2026.
## Une voie pragmatique vers la commercialisation lancée en 2027
La voie vers un déploiement massif, prévu entre 2027 et 2029, est résolument pragmatique et ancrée dans la réalité industrielle. Les opportunités initiales identifiées par Goldman se situent dans des environnements standardisés ou semi-structurés comme la fabrication industrielle et la logistique, en se concentrant sur des tâches telles que le tri, la manutention de matériaux et l'inspection. Cela correspond aux analyses du Dr Yao d'Agibot, qui a déclaré que le déploiement commencera dans des scénarios industriels avec un « ROI plus clair » avant d'entrer dans les foyers.
Cette focalisation sur le pragmatisme s'étend au matériel. Au lieu de poursuivre l'objectif coûteux et complexe d'une main à cinq doigts totalement humanoïde, de nombreux fabricants optent pour une combinaison plus rentable d'un châssis à roues avec une pince à deux ou trois doigts. Cette configuration est jugée suffisante pour répondre à 70 % à 90 % des applications industrielles actuelles. Le processus d'adoption est méthodique, impliquant généralement une phase de preuve de concept de trois à six mois, suivie de tests sur de petits lots de moins de 50 unités pendant un an au maximum avant des déploiements pilotes plus importants de 50 à 100 unités par client.
Le rapport souligne une tendance claire : l'industrie des robots humanoïdes dépasse la phase de « ce que les robots peuvent faire » pour entrer dans celle de « est-ce que les robots peuvent créer de la productivité ». Pour les investisseurs, cela signifie que la métrique la plus importante n'est plus le caractère impressionnant d'une vidéo de démonstration, mais la capacité démontrée d'une entreprise à capturer des données réelles et à sécuriser des déploiements pilotes dans des flux de travail industriels à haute valeur ajoutée.
Cet article est uniquement à titre informatif et ne constitue pas un conseil en investissement.
