Robots humanoïdes : Unitree vise 80 % des tâches en 2028
Unitree mise sur l’IA pour faire progresser ses robots humanoïdes. Objectif : 80 % des tâches vocales en 2028. Enjeux, limites et impacts à découvrir.
Unitree veut apprendre à ses robots à progresser seuls : ce que cela change vraiment
Un robot à qui l'on donne une consigne orale, et qui sait l'exécuter dans un atelier ou à la maison : c'est l'objectif affiché par Unitree. Son fondateur, Wang Xingxing, estime que les robots humanoïdes pourraient accomplir 80 % des tâches formulées à la voix dès 2028. L'entreprise développe aussi Unitree Rehearsal, un système qui s'appuie sur l'IA pour consulter des travaux scientifiques, produire du code, tester des comportements en simulation, puis les éprouver sur des robots réels.
La promesse est claire, mais elle mérite d'être découpée. « 80 % des tâches » ne veut pas dire 80 % des emplois, ni un robot autonome capable de tout gérer dans n'importe quelle situation. Tout dépend de ce qu'on appelle une « tâche », de l'environnement, et du niveau de fiabilité exigé. Pour les entreprises, l'enjeu concret n'est donc pas de savoir si le robot ressemble à un humain. Il faut plutôt vérifier s'il peut réaliser une opération utile, de façon sûre, répétable et économiquement viable.
Voici ce que le projet de Unitree permet d'entrevoir, ce qu'il ne permet pas encore de conclure, et les questions que les industriels européens devraient poser avant de parler de déploiement.
Unitree Rehearsal : une boucle d'amélioration assistée par l'IA
Unitree Robotics développe un système nommé Unitree Rehearsal. Wang Xingxing l'a présenté comme le projet le plus important de l'entreprise pour l'année, lors d'une conférence sur l'IA physique à Hangzhou. D'après les informations relayées par le South China Morning Post, le système doit permettre à l'IA de consulter des articles de recherche, d'écrire du code et de tester des solutions en simulation avant de les exécuter sur des robots réels.
Le principe n'est pas entièrement nouveau. En robotique, la simulation sert depuis longtemps à limiter le coût et les risques des essais physiques. Ici, l'idée est de pousser plus loin l'automatisation de la boucle : le modèle propose une méthode, le robot l'exécute, les résultats servent à ajuster, puis une nouvelle version est testée.
De la simulation au robot réel
La simulation aide parce qu'elle permet de répéter rapidement une expérience sans mobiliser d'opérateur, sans user une machine et sans risquer d'abîmer du matériel. Mais c'est aussi une approximation. Les frottements, l'éclairage, les objets déformables, les sols irréguliers, ou même les variations d'un même geste peuvent diverger du modèle simulé. En clair : un comportement qui marche dans le virtuel peut échouer dès qu'il touche le monde réel.
C'est justement pour ça que le retour d'essais sur des robots réels est crucial. Bloomberg indique que Unitree utilise déjà ce type d'approches et s'appuie sur les résultats d'exécution pour ajuster ses modèles. Unitree Rehearsal semble vouloir rendre la démarche plus systématique, mais les détails techniques et les performances mesurées ne sont pas publiés dans les informations disponibles.
L'expression de « robots qui s'améliorent eux-mêmes » peut aussi prêter à confusion. Dans ce contexte, elle ne veut pas forcément dire que le robot réécrit librement son intelligence ou modifie son matériel sans supervision. Elle renvoie plutôt à une chaîne : recherche, génération de code, simulation, puis évaluation assistée par l'IA. La nuance compte : automatiser les tests n'équivaut pas à confier au système le pouvoir de décider, seul, de ce qui est acceptable.
Ce que l'automatisation peut accélérer - et ce qu'elle ne résout pas
Si la boucle fonctionne, elle peut accélérer l'exploration de comportements et réduire une partie du travail manuel de programmation. Par exemple, un modèle pourrait comparer plusieurs stratégies pour saisir un objet ou enchaîner des gestes, puis écarter celles qui échouent en simulation.
Mais ça ne supprime pas les sujets durs. Il faut définir les objectifs, réunir des données pertinentes, détecter les échecs, vérifier que les tests couvrent suffisamment de cas, et décider quand une version devient assez fiable pour un déploiement. Dans un atelier, un comportement « presque toujours correct » peut rester insuffisant si un échec entraîne une blessure, une casse ou un arrêt de production.
La valeur de Rehearsal ne se mesurera donc pas seulement au nombre de cycles automatisés. Elle dépendra de la qualité des scénarios testés, de la capacité à repérer des situations nouvelles et du temps nécessaire pour transformer une amélioration logicielle en performance stable sur le terrain.
80 % des tâches en 2028 : un objectif à préciser
Wang Xingxing avance désormais l'échéance à 2028 pour que les robots humanoïdes accomplissent 80 % des tâches demandées oralement. Il présente ce seuil comme un « moment déclencheur » pour les robots pratiques, en usine comme à la maison. La déclaration est rapportée par Bloomberg, qui dit s'appuyer sur une transcription partagée par Unitree. Le média The Next Web précise de son côté ne pas avoir consulté cette transcription.
Cette prudence est utile. Le chiffre donne une direction, mais il ne suffit pas à lui seul pour comparer les fabricants. Pour que ce soit interprétable, il faudrait connaître la liste des tâches, leur difficulté, les conditions d'essai, le nombre de répétitions, et surtout la définition exacte d'une réussite. Une tâche est réussie si le robot la termine après plusieurs tentatives ? Si un opérateur doit intervenir ? Si le résultat est acceptable mais trop lent ? Sans protocole public, on reste sur un objectif annoncé, pas sur une mesure indépendante de maturité.
Une consigne vocale n'est pas une mission universelle
Une demande formulée à la voix peut recouvrir des niveaux de complexité très différents. « Prends cette boîte et pose-la sur la table » reste assez cadré si l'objet, la table et l'espace sont connus. « Range la pièce », au contraire, suppose de comprendre ce qu'il faut ranger, de distinguer les objets, de décider où les placer et de gérer les exceptions.
Wang a d'ailleurs reconnu, dans la transcription citée par Bloomberg, qu'un humanoïde amené chez soi ne sait pas encore exécuter correctement une tâche comme nettoyer une pièce. Le contraste est parlant : une démonstration ponctuelle ne garantit pas une capacité robuste dans un environnement ouvert. La maison est un terrain particulièrement exigeant : les objets bougent, les consignes sont rarement aussi précises qu'on voudrait, et les situations imprévues sont nombreuses.
Il faut aussi distinguer l'interprétation de la consigne et l'exécution physique. Un modèle peut comprendre correctement une demande sans disposer de la précision, de la force ou de l'équilibre nécessaires pour la réaliser. Au final, la performance dépend de toute la chaîne : perception, planification, contrôle des mouvements, matériel et gestion des erreurs.
Un calendrier qui a déjà évolué
En août, lors du World Robot Conference à Pékin, Wang parlait d'un « moment ChatGPT » pour la robotique. Il évoquait aussi une adoption massive en usine et à domicile sur une durée d'environ dix ans, selon Bloomberg. La nouvelle échéance de 2028 traduit donc une accélération des attentes, que le fondateur relie notamment aux progrès des modèles d'IA.
Wang dit aussi avoir été sceptique l'année précédente à propos des développeurs de modèles, avant de changer d'avis en voyant les avancées. Il estime que les modèles de pointe peuvent dépasser les humains dans de nombreux domaines quand ils disposent de données et de temps. C'est une appréciation sur le potentiel des modèles : ce n'est pas une preuve que des robots généralistes seront bientôt capables de travailler sans supervision.
Selon Wang, des humanoïdes Unitree utilisant GPT-6 peuvent désormais peindre en changeant de couleur et en rinçant leur palette, ainsi que jouer au go. Ce sont des capacités ciblées, et elles ne suffisent pas à conclure à une polyvalence équivalente à celle d'un opérateur. Une démonstration réussie ne renseigne pas automatiquement sur le taux d'échec, le coût par tâche ou la capacité à répéter le geste sur différents sites.
Où les robots humanoïdes peuvent-ils créer de la valeur ?
Pour une entreprise, le format humanoïde n'est pas une fin en soi. Il peut être pertinent si le robot doit utiliser des outils ou évoluer dans des espaces conçus pour les humains : escaliers, postes de travail, poignées, étagères, lignes existantes. Mais un robot à roues, un bras industriel ou une machine dédiée peut parfois être plus simple, moins coûteux et plus fiable pour une tâche précise.
La question utile n'est donc pas : « Peut-on acheter un humanoïde ? » La vraie question ressemble plutôt à : « Quelle opération coûte aujourd'hui cher, se répète assez souvent, et peut être automatisée sans créer un risque plus grand que le problème qu'elle résout ? » C'est le même raisonnement qu'un directeur d'usine applique à n'importe quel projet d'automatisation.
L'usine, terrain d'essai plus réaliste que le domicile
Les environnements industriels offrent souvent un cadre plus contrôlé que les foyers. Les procédures sont définies, les zones peuvent être balisées, et les objets manipulés sont parfois standardisés. Cela ne rend pas l'automatisation facile, mais facilite la mesure : temps de cycle, taux de réussite, interruptions, besoin d'assistance, et coût de maintenance.
Les cas d'usage crédibles pourraient d'abord toucher des opérations répétitives ou pénibles, à condition qu'elles restent suffisamment prévisibles. Une entreprise devrait comparer le coût total du robot avec celui de la solution existante, en incluant bien plus que le prix d'achat : intégration aux systèmes informatiques, formation, supervision, maintenance, pièces de rechange, arrêts, et procédures de sécurité.
Il faut aussi regarder le processus dans son ensemble. Si un robot automatise une étape, mais qu'un salarié doit ensuite vérifier chaque résultat et corriger les erreurs, le bénéfice peut vite retomber. À l'inverse, une automatisation limitée mais stable peut améliorer la continuité de production ou réduire l'exposition à une tâche pénible. Bref : on doit mesurer le système complet, pas juste la performance en vidéo.
La maison : un marché plus exigeant qu'il n'y paraît
Le domicile attire les fabricants, mais c'est un environnement difficile à maîtriser. Les logements diffèrent, les objets sont variés, et les utilisateurs ne formulent pas toujours des instructions suffisamment précises. Un robot domestique doit aussi rester prévisible et sûr à proximité d'enfants, de personnes âgées, d'animaux et d'objets fragiles.
Même si l'idée d'un assistant polyvalent est séduisante, elle ne doit pas masquer la réalité économique : un produit domestique doit être sûr, simple à installer, facile à entretenir et suffisamment utile pour justifier son prix. Le coût d'un robot Unitree H2 est indiqué à 29 900 dollars par TechRadar. Ce montant illustre surtout l'écart entre les machines aujourd'hui destinées aux chercheurs ou aux passionnés et un produit grand public, sans préjuger du prix des versions futures.
Unitree affirme produire aujourd'hui des dizaines de milliers de robots par an et prévoit d'augmenter sa capacité pour répondre à une demande potentielle de dizaines de millions d'unités. Ce sont des intentions : pas une preuve qu'un marché de masse existe déjà. Bloomberg rappelle aussi que les humanoïdes se vendent encore surtout à des chercheurs et des amateurs. Pour passer à des clients professionnels réguliers, il faudra montrer une valeur opérationnelle nette, mesurée sur le terrain.
Sécurité, autonomie et passage à l'échelle
La robotique matérielle pose un type de risque différent de celui des logiciels génératifs. Une mauvaise réponse dans une interface se corrige ; un mauvais mouvement peut blesser ou endommager un équipement. Plus le robot est mobile, puissant et autonome, plus les tests, les limites d'usage et les mécanismes d'arrêt deviennent déterminants.
Cette question ressort avec une vidéo publiée par Unitree montrant le H2-X Kung Fu Legend Guardian. Le robot frappe des voitures dans une casse, affronte un intrus armé d'un couteau et soulève une voiture pour libérer une personne coincée. Unitree présente ces scènes comme des essais extrêmes et demande d'utiliser le robot de manière sûre et bienveillante. Pour autant, la vidéo ne prouve pas qu'un robot puisse être vendu et utilisé comme garde du corps.
D'après TechRadar, le H2-X pourrait rencontrer des difficultés pour obtenir les certifications nécessaires à une commercialisation comme robot de protection personnelle. Unitree n'a donné ni prix ni date de sortie. Le robot fonctionnerait environ huit heures et pourrait sauter depuis une plateforme de quatre mètres, selon les informations de l'entreprise reprises par le média. Là encore, ces caractéristiques annoncées ne remplacent pas une évaluation indépendante de la sécurité en conditions réelles.
L'autonomie doit rester encadrée
Pour un déploiement professionnel, les questions à traiter ne sont pas abstraites :
- Quelles actions le robot peut-il faire sans validation humaine ?
- Dans quelles situations doit-il s'arrêter et demander de l'aide ?
- Comment détecte-t-il une personne, un obstacle ou une anomalie ?
- Qui est responsable en cas de dommage ou d'accident ?
- Comment les mises à jour logicielles sont-elles testées et tracées ?
- Quelles données sont collectées, où sont-elles stockées, et qui y a accès ?
En Europe, ces sujets doivent être examinés au regard des règles applicables : machines, traitement des données, systèmes d'IA. Le règlement européen sur l'intelligence artificielle s'inscrit dans ce cadre, mais il ne dispense pas d'une évaluation de sécurité produit ni d'une analyse des responsabilités liées à l'usage. Une entreprise française ne devrait donc pas se dire que « c'est conforme, donc c'est fini ». La conformité doit être prise en compte dès l'étude du cas d'usage.
Les projets de recherche et les démonstrations spectaculaires peuvent aider la technologie à progresser. Mais elles ne suffisent pas, à elles seules, à prouver la fiabilité ou la conformité. Il faut distinguer ce qu'un robot réussit une fois, ce qu'il réussit régulièrement, et ce qui reste acceptable dans un environnement partagé avec des personnes.
Financement et capacité de production ne garantissent pas la demande
L'attention autour de la robotique chinoise est forte. D'après le suivi d'ITjuzi cité dans l'article source, des fonds de capital-risque et des fonds publics chinois ont investi plus de 100 milliards de yuans (environ 15 milliards de dollars) dans des start-up de robotique cette année. Les actions de Unitree auraient été multipliées par cinq lors de leur introduction à Shanghai en août, avant de reculer d'environ un quart par rapport à leur sommet, selon Bloomberg. La Chine aurait aussi ralenti les introductions en Bourse de fabricants de robots humanoïdes.
Ces données montrent que le secteur attire des capitaux et que les attentes sont élevées. Elles ne prouvent pas que les unités vendues aujourd'hui dégagent déjà un retour sur investissement durable. Une capacité de production à grande échelle ne sert que si les commandes sont récurrentes, si le service après-vente suit, si les pièces sont disponibles, et si le coût d'exploitation reste acceptable.
C'est un point souvent oublié quand on compare les fabricants. Le matériel peut impressionner, mais la valeur sur le long terme dépend aussi des logiciels, de la maintenance, de l'intégration et du support. Unitree indique construire ses propres modèles tout en travaillant avec des laboratoires d'IA en Chine et à l'étranger. Cette stratégie peut accélérer le développement, mais la qualité de l'écosystème et la continuité du support compteront autant que les performances annoncées.
Conclusion : évaluer le travail, pas la démonstration
Unitree mise sur un mélange de modèles d'IA, de simulation et d'essais physiques pour accélérer ses progrès. Si l'approche tient ses promesses, elle peut raccourcir le trajet entre une idée et un comportement testé sur une machine. Mais l'objectif de 80 % en 2028 reste une annonce : sa portée dépendra de critères de mesure encore peu détaillés.
Pour les entreprises, la bonne décision n'est ni d'écarter les humanoïdes, ni de les acheter sur la base d'une vidéo convaincante. Il faut commencer par une tâche précise, définir un niveau de qualité acceptable, mesurer le coût total et prévoir les conditions de supervision et de sécurité. Un robot spectaculaire qui ne s'insère pas dans le processus reste une démonstration. À l'inverse, un système plus simple, mais fiable et rentable, peut déjà créer de la valeur.
Avant de lancer un projet, choisissez une opération réelle et comparez le robot à la meilleure alternative existante, y compris une automatisation plus simple. C'est ce test, plus que la promesse d'un robot généraliste, qui dira si la technologie est prête pour votre activité.