Une étape importante pour l’IA physique
Google DeepMind a présenté Gemini Robotics 2.5, qu’il décrit comme son modèle vision-langage-action le plus performant pour la robotique à ce jour . L’annonce est importante parce qu’elle déplace une partie de la compétition en IA hors des écrans: il ne s’agit plus seulement de produire du texte, du code ou des images, mais de contrôler des mains, des bras, des outils, des bacs de pièces et des gestes dans des environnements réels.
Gemini Robotics 2.5 vise à transformer des entrées visuelles et des instructions en langage naturel en actions robotiques concrètes . Autrement dit, le modèle ne se contente pas de planifier une tâche. Il participe au contrôle physique du robot, notamment au niveau des bras et des mains.
C’est ce qui explique l’attention portée à l’idée d’une dextérité proche du niveau humain. Google ne affirme pas que les robots égalent déjà les humains dans toutes les situations quotidiennes. Le message est plus précis: les systèmes progressent sur des tâches qui ont longtemps résisté à la robotique, comme l’utilisation d’outils, la manipulation d’objets souples, les gestes fins et la correction de petites erreurs .
Ce qu’est réellement Gemini Robotics 2.5
Gemini Robotics 2.5 est un modèle VLA, pour vision-language-action. En pratique, il relie perception, compréhension d’instructions et commande motrice. Le robot observe une scène, interprète ce qu’on lui demande, puis produit des mouvements adaptés à son corps mécanique . Cette approche diffère de celle des robots industriels classiques, souvent programmés pour répéter une séquence fixe dans un environnement très contrôlé.
L’écosystème robotique de Google comprend aussi Gemini Robotics ER, un modèle de raisonnement incarné capable de suivre des flux de travail plus longs et de gérer des tâches à plusieurs étapes . Dans l’essai mené avec Mercedes-Benz, Google indique que Gemini Robotics ER suivait le déroulé de la tâche, tandis que Gemini Robotics 2.5 contrôlait les mains et les bras du robot humanoïde Apollo 2 . La distinction est essentielle: un composant raisonne sur le processus, l’autre agit physiquement.
Le modèle fonctionne avec plusieurs types de robots, dont Apollo 2 d’Apptronik, équipé d’une main SharpaWave à cinq doigts et 22 degrés de liberté, ainsi qu’avec la plateforme Franka Duo dotée de pinces parallèles à deux doigts . Cette diversité matérielle renforce l’idée d’un modèle de base pour la robotique, et non d’un logiciel limité à une seule machine.
Une dextérité plus large, mais pas encore universelle
Google affirme avoir évalué Gemini Robotics 2.5 sur plus de 200 tâches distinctes, couvrant l’étendue des compétences, la performance et la complexité . Les exemples cités incluent servir de la nourriture avec des pinces, faire un nœud sur une boîte cadeau et pipeter un liquide . Ces tâches ne sont pas choisies au hasard: chacune exige plus qu’un simple déplacement d’objet.
Utiliser des pinces demande de contrôler la force et la position. Faire un nœud implique de manipuler un matériau déformable dont la forme change en permanence. Pipeter un liquide suppose précision, stabilité et coordination. Ce sont précisément les catégories dans lesquelles les robots échouent souvent dès que le monde réel s’éloigne d’un scénario parfaitement ordonné.
Les chiffres communiqués sont marquants. Google indique que Gemini Robotics 2.5 obtient, selon les types de tâches, des taux de réussite supérieurs de 30% à 100% aux références précédentes, tout en terminant les tâches 20% à 30% plus vite . Certains exemples détaillés sont encore plus parlants: emballer des pâtisseries avec des pinces passe de 5% à 100% de réussite, défaire un nœud de ruban de 0% à 70%, suspendre un cardigan de 0% à 62% et plier un pantalon de 0% à 40% .
Ces résultats doivent toutefois être interprétés avec prudence. Il s’agit d’évaluations internes de Google, et non d’un classement public indépendant . Elles montrent néanmoins une progression significative, surtout lorsque l’ancienne génération ne parvenait pas du tout à accomplir certaines tâches. La formule “proche du niveau humain” désigne donc une trajectoire, pas une équivalence complète avec la fiabilité humaine.
Ars Technica souligne cette nuance: Gemini Robotics 2.5 progresse clairement sur les tâches de haute dextérité, mais combler les derniers pourcentages d’erreur nécessaires à une exploitation industrielle reste difficile . Dans une usine, 96% de réussite peut constituer un excellent résultat de recherche tout en restant insuffisant pour un déploiement autonome à grande échelle.
L’essai avec Mercedes-Benz et Apptronik
La démonstration la plus concrète concerne des robots humanoïdes Apollo 2 d’Apptronik utilisés sur des lignes de production Mercedes-Benz à Kecskemét, en Hongrie, et à Sindelfingen, en Allemagne . La tâche consistait en du kitting automobile: prendre des supports métalliques dans des bacs en vrac et les placer dans des contenants de séquençage, dans l’ordre nécessaire à l’assemblage des véhicules .
Google annonce un taux de réussite de 96% pour cet essai . NewsBytes a également mis en avant ce chiffre comme le résultat central de la démonstration, en soulignant que les robots étaient montrés en train de trier des pièces dans un environnement d’usine . Pour la robotique, c’est un signal important: une usine est plus structurée qu’un domicile, mais elle reste bien moins prévisible qu’un banc de laboratoire.
Les pièces peuvent être mal orientées, les bacs peuvent varier, une prise peut glisser et le robot doit parfois se corriger. C’est dans cette capacité d’adaptation que les modèles d’IA physique promettent de dépasser les limites de l’automatisation fixe.
Humanoids Daily relève cependant que Google ne précise pas plusieurs éléments opérationnels: le nombre de prises correspondant au taux de 96%, la durée exacte de l’essai ou encore la comparaison du temps de cycle avec celui d’un opérateur humain . Ces absences sont importantes. Une usine ne juge pas seulement un robot sur sa capacité à finir une tâche, mais aussi sur son débit, sa disponibilité, sa sécurité, son coût de maintenance et sa capacité à gérer les cas rares.
Malgré ces réserves, l’essai inscrit Gemini Robotics 2.5 dans une tendance plus large: l’arrivée de robots humanoïdes ou mobiles dans les sites automobiles pour le tri, le séquençage et la manutention. Ces tâches sont répétitives et pénibles, donc attractives pour l’automatisation, mais elles exigent une flexibilité que les systèmes traditionnels n’offrent pas toujours.
La sécurité devient centrale
Google associe l’annonce de dextérité à des affirmations de sécurité. Gemini Robotics 2.5 utilise un guidage par raisonnement au moment de l’inférence pour éviter les dangers physiques en temps réel, et Google indique que cette capacité améliore la réalisation sûre des tâches de 33% autour d’obstacles et de 43% à proximité de personnes .
Cette dimension est cruciale. Lorsqu’une IA agit dans le monde physique, une erreur ne produit pas seulement une mauvaise réponse. Elle peut provoquer une collision, endommager une pièce, faire tomber un objet ou créer un risque pour un humain. La robotique exige donc des mécanismes de refus, de gestion de l’incertitude et de limitation du mouvement plus stricts que ceux d’un simple chatbot.
Google introduit aussi ASIMOV-Jailbreak, un benchmark open source destiné à tester la résistance des systèmes robotiques à des requêtes adversariales . Ce jeu de tests contient des prompts qui dissimulent des demandes dangereuses dans des dizaines de scènes . Google affirme que Gemini 4 Argon atteint 99,5% de résistance au jailbreak, contre 82% pour l’ancienne référence Gemini Robotics ER 2, mais DigIntoAI souligne à juste titre que cette comparaison concerne Gemini 4 Argon et Gemini Robotics ER 2, pas un score direct de Gemini Robotics 2.5 .
La précision est importante. Gemini Robotics 2.5 est le modèle d’action; Gemini Robotics ER et Gemini 4 Argon appartiennent au système plus large de raisonnement, de développement et d’évaluation. La sécurité doit donc être comprise comme une propriété d’ensemble, et non comme la seule performance d’un modèle isolé.
Le rôle de Gemini 4 Argon
L’un des aspects les plus intéressants de l’annonce concerne la manière dont Google dit avoir accéléré le développement. L’entreprise attribue une partie des progrès à Gemini 4 Argon, utilisé comme moteur de simulation pour la recherche robotique . Selon Google, Argon peut générer des milliers d’essais simulés variés à partir d’une scène filmée et construire des jumeaux numériques réalistes .
Cela répond à l’un des grands obstacles de la robotique: les données. Les modèles textuels ont pu apprendre à partir d’immenses corpus issus du Web, mais les données d’action robotique sont plus difficiles à collecter. La téléopération prend du temps, coûte cher et dépend fortement du matériel. Si un modèle de frontière peut produire des simulations utiles et analyser les échecs, les équipes de robotique peuvent réduire une partie des essais physiques nécessaires.
Ars Technica rapporte que ces jumeaux numériques générés avec l’aide d’Argon ont contribué à la généralisation de Gemini Robotics 2.5 à de nouvelles tâches et situations, tout en restant complétés par des démonstrations réelles . Cette combinaison devrait dominer la robotique à court terme: la simulation pour l’échelle, le monde réel pour la physique et la validation.
Disponibilité et enjeux commerciaux
Gemini Robotics 2.5 n’est pas une sortie publique générale. Google indique que le modèle est déployé auprès de ses partenaires robotiques . DigIntoAI précise qu’il ne s’agit pas d’un nouveau modèle disponible publiquement dans l’API Gemini texte, Vertex, OpenRouter ou une grille tarifaire générale, et que la page produit renvoie plutôt vers un accès anticipé . Humanoids Daily note également que Google n’a annoncé ni accès API, ni prix, ni nouvelles versions ER ou On-Device avec cette sortie .
Cette prudence est logique. Un modèle robotique exige une intégration matérielle, des tests de sécurité, une assistance opérationnelle et parfois un entraînement spécifique au partenaire. Contrairement à un modèle conversationnel, il ne peut pas être évalué seulement sur la qualité des réponses et la latence. Il doit être testé avec de vraies machines, dans de vrais environnements, avec de vraies responsabilités.
Pour Google, cette stratégie de partenariat est aussi un choix de positionnement. L’entreprise ne cherche pas ici à vendre son propre humanoïde, mais à faire de Gemini une couche d’intelligence pour différents robots. Si cette couche devient fiable et portable, Google pourrait occuper une place centrale dans l’écosystème de la robotique sans fabriquer tous les corps mécaniques.
Ce que signifie ce jalon
Gemini Robotics 2.5 doit être lu comme un jalon, pas comme une conclusion. Le modèle montre une meilleure dextérité, des gains de vitesse, un essai industriel significatif et un cadre de sécurité plus explicite. Il montre aussi comment les modèles d’IA les plus avancés peuvent accélérer la robotique en générant des simulations, en analysant les erreurs et en raccourcissant les cycles d’apprentissage.
Mais l’écart entre un essai prometteur et un déploiement commercial robuste reste important. Les industriels demanderont des taux de réussite plus élevés, des mesures transparentes, des temps de cycle prévisibles, une maintenance maîtrisée et des preuves solides face aux cas rares. Les domiciles et les espaces publics seront encore plus difficiles, car ils sont moins structurés et remplis d’humains, d’animaux, d’objets fragiles et d’imprévus.
La direction, elle, est claire. L’IA ne se contente plus de comprendre ou de générer: elle apprend à agir. Avec Gemini Robotics 2.5, la prochaine phase de la compétition en intelligence artificielle se mesurera aussi à la capacité des robots à saisir, plier, trier, nouer, corriger leurs erreurs et travailler en sécurité aux côtés des humains.