Pénurie de main-d'œuvre : le Japon mise sur l'IA physique pour rester compétitif

L'Extrémité au manque de main-d'œuvre au Japon : un modèle d'IA pour 10 millions de robots

Le Japon a transformé son projet de robots dotés d'intelligence artificielle en stratégie nationale officielle cette semaine. Le gouvernement a confirmé les chiffres qui circulaient depuis des mois : 10 millions de robots équipés d'IA déployés dans 18 secteurs d'ici 2040, avec un financement public pouvant atteindre mille milliards de yens, soit environ 6,1 milliards de dollars, sur cinq ans. Le ministère de l'Industrie (METI) et l'agence pour l'innovation NEDO ont officiellement confié à l'entreprise Noetra et au laboratoire national AIST le développement d'un modèle d'IA physique multimodal, capable de traiter simultanément langage, images, vidéo et données de capteurs, pour que les robots interprètent réellement leur environnement au lieu d'exécuter des mouvements préprogrammés. Une première version doit sortir dès cette année fiscale, avec des mises à jour annuelles ensuite. Le budget de l'année en cours s'élève à environ 2,3 milliards de dollars, prélevés sur une enveloppe de 387,3 milliards de yens financée par des obligations de transition économique GX. Seules les deux premières années sont garanties, le reste étant soumis à un examen annuel par étapes qui permet à Tokyo de suspendre les fonds si les objectifs ne sont pas atteints. Noetra est détenue majoritairement par SoftBank, NEC, Sony Group et Honda, tandis que Fujitsu et Rakuten étudieraient la possibilité de les rejoindre. Le ministre de l'Industrie Ryosei Akazawa a justifié cette initiative par la volonté de généraliser l'usage des robots dans la restauration, l'agroalimentaire et le secteur médical. Derrière cette annonce se cache un marché du travail exsangue : le vieillissement démographique du Japon, combiné à une politique migratoire restrictive, prive de nombreux pans de l'économie de main-d'œuvre sans solution rapide en vue. Pour les entreprises japonaises du secteur, notamment celles qui fabriquent déjà le matériel nécessaire, de la robotique de Honda aux capteurs d'imagerie de Sony, ce financement public accélère directement leurs plans industriels. Le Japon ne part pas de zéro : le pays a accumulé une expertise en robotique dans les soins aux personnes âgées, la gestion de catastrophes, l'industrie manufacturière et jusqu'au nettoyage du site de Fukushima Daiichi. Ce projet vise à transformer cette expérience en produit exportable. Le timing n'est pas anodin non plus : la Corée du Sud a annoncé sa propre stratégie robotique à peine un jour après celle de Tokyo, signe que les deux pays voient désormais l'IA physique comme le prochain front d'une compétition technologique jusqu'ici dominée par les chatbots et le cloud. Le véritable test arrivera lors du premier examen d'étape : si Noetra livre un modèle exploitable cette année, la liste des investisseurs devrait s'élargir rapidement.

💬 Bon, on savait que la démographie japonaise allait finir par pousser vers le tout-robot, mais là c'est officialisé avec un budget d'État de six milliards de dollars, pas juste un plan sur PowerPoint. Le pari, c'est un vrai modèle d'IA physique multimodale, pas des bras préprogrammés qui répètent un geste : si Noetra livre un truc qui marche cette année, tu vas voir SoftBank, Sony et Honda accélérer très vite. Retiens ça : le Japon vient de faire de la robotique dotée d'IA une politique industrielle d'État, exactement comme la Chine l'a fait pour les semi-conducteurs, et l'Europe regarde le train passer sans même être sur le quai.

Des robots humanoïdes commencent à trier les bagages dans un aéroport de Tokyo face à la pénurie de main-d'œuvre

Japan Airlines lance en mai 2026 une expérimentation de robots humanoïdes à l'aéroport international de Haneda, à Tokyo. Ces machines seront déployées pour trier les bagages et charger le fret, avec l'ambition d'élargir progressivement leurs missions au nettoyage des cabines d'avion et à la manipulation d'équipements au sol comme les chariots à bagages. Les essais sont prévus jusqu'en 2028, ce qui signifie que les passagers en transit à Haneda pourront vraisemblablement croiser ces robots en action sur le tarmac ou dans les zones de traitement des bagages au cours des deux prochaines années. Cette initiative répond à une pression concrète sur le marché du travail japonais : la fréquentation des aéroports a fortement progressé ces dernières années, creusant un écart entre les besoins en personnel et les candidats disponibles. Pour Japan Airlines, automatiser des tâches physiques répétitives et pénibles comme la manutention des bagages permettrait de compenser ce déficit sans dépendre de recrutements difficiles à réaliser. Si les essais s'avèrent concluants, ce modèle pourrait s'étendre à d'autres compagnies ou aéroports confrontés aux mêmes contraintes démographiques, notamment dans un Japon où le vieillissement de la population aggrave les tensions sur l'emploi manuel. Les robots humanoïdes franchissent ainsi une nouvelle étape après leurs premiers déploiements dans les usines automobiles et les entrepôts logistiques, environnements relativement contrôlés où les tâches sont prévisibles. Un aéroport représente un défi autrement plus complexe : espaces ouverts, flux irréguliers, interactions avec des humains, objets de formes variées. La grande majorité des automatisations industrielles reposent encore sur des bras robotisés spécialisés, conçus pour répéter indéfiniment un geste identique. Les robots humanoïdes, eux, doivent s'adapter en temps réel à des situations changeantes, ce qui met à l'épreuve les dernières générations de logiciels de perception et de contrôle moteur. L'expérience de Haneda servira de test grandeur nature pour mesurer si la technologie actuelle est réellement à la hauteur de ces environnements imprévisibles.

De DeepSeek à DeepRoute : pourquoi un chercheur en IA de premier plan a misé sur le monde physique

Le 25 avril 2026, lors du Salon de l'automobile de Pékin, la startup chinoise d'autonomie véhiculaire DeepRoute.ai a tenu une conférence de presse inhabituelle dans le hall A4 du China International Exhibition Center : aucun véhicule en exposition, aucun prototype sur scène. Son PDG, Maxwell Zhou, a choisi ce vide comme manifeste. En une après-midi, il a dévoilé la nouvelle architecture stratégique de l'entreprise autour du concept de "Physical AI", son modèle fondateur (Foundation Model), une ébauche d'agent intégrant conduite et habitacle, et un chiffre clé : un véhicule sur trois équipé d'un système NOA urbain en Chine tourne aujourd'hui sur la technologie DeepRoute, soit plus de 300 000 voitures en circulation. L'événement a également marqué la première apparition publique de Ruan Chong, ancien directeur R&D de DeepSeek et chercheur central en IA multimodale, depuis son arrivée chez DeepRoute en tant que Chief Scientist. Ce repositionnement marque une rupture nette avec la logique dominante du secteur. Là où les acteurs de la conduite autonome se sont longtemps concurrencés sur des benchmarks techniques, quelle pluie, quel angle mort, quel cas limite, DeepRoute revendique désormais un rôle d'infrastructure, comparable selon Zhou à "l'électricité ou les télécommunications". L'objectif affiché est d'atteindre 1 000 miles ou plus entre deux interventions critiques (MPCI) d'ici fin 2026. "Quatre-vingt-dix pour cent de ce qui compte, c'est la sécurité", a déclaré Zhou, ajoutant que Tesla a déjà atteint ce seuil et que les petits modèles ne permettront jamais d'y parvenir : "Quoi que vous fassiez dans le monde des petits modèles, vous ne pouvez pas obtenir dix fois mieux en travaillant plus fort." Le virage vers les grands modèles de fondation est donc présenté comme une nécessité structurelle, pas une option. Le recrutement de Ruan Chong illustre une dynamique plus large que Zhou a explicitement nommée : les responsables de la recherche multimodale des grands groupes internet chinois migrent vers la conduite autonome. Ruan lui-même a expliqué ce choix avec franchise : "Les modèles de langage sont très matures, presque n'importe quelle tâche peut être traitée par un seul modèle. Mais dans l'intelligence multimodale et incarnée, on en est loin. Je préfère être à la frontière." Cette migration de talents, si elle se confirme, signale que le centre de gravité de l'IA appliquée se déplace du texte vers le monde physique. DeepRoute entend capitaliser sur cette fenêtre, avant que le secteur n'atteigne lui-même la maturité qu'a connue le NLP.

NVIDIA lance des compétences agents pour l'IA physique : véhicules autonomes, robotique et vision

NVIDIA a profité de la conférence CVPR 2026 pour dévoiler une série de nouveaux outils d'IA physique destinés aux chercheurs travaillant sur les véhicules autonomes, la robotique et les systèmes de vision artificielle. Ces annonces s'appuient sur le lancement, quelques jours plus tôt, de NVIDIA Cosmos 3, présenté comme le premier modèle fondamental unifié de l'industrie combinant raisonnement visuel, génération de mondes et génération d'actions. Parmi les outils dévoilés figurent InstantNuRec, qui reconstruit des scènes routières en 3D à partir d'images sans optimisation par scène ; AlpaGym, un framework open source d'apprentissage par renforcement en boucle fermée capable de s'exécuter sur des milliers de GPU ; OmniDreams, un modèle génératif qui produit des rendus photoréalistes en temps réel en réponse aux actions d'une politique de conduite ; et Alpamayo 2 Super, un modèle VLA (vision-langage-action) de 32 milliards de paramètres conçu pour le développement de véhicules autonomes de niveau 4. Le problème central que cherche à résoudre NVIDIA est la fragmentation des workflows en IA physique. Aujourd'hui, reconstruire une scène réelle, générer des scénarios rares, entraîner une politique, évaluer son comportement et itérer rapidement implique de jongler entre des outils disparates, ce qui ralentit considérablement la recherche. Pour les véhicules autonomes en particulier, le défi est la « longue traîne » des situations de conduite : les interactions rares, les géométries routières inhabituelles, les variations d'éclairage qui sont difficiles à collecter en conditions réelles mais critiques pour la validation. Les nouveaux outils de NVIDIA permettent aux agents IA d'automatiser ces étapes, de la reconstruction de scènes à partir de données de flotte jusqu'à la génération de conditions synthétiques variées. Pour la vision industrielle, des compétences Metropolis permettent de générer des défauts visuels rares sur différentes surfaces, résolvant le problème chronique du manque de données pour la détection d'anomalies. Ces annonces s'inscrivent dans une stratégie cohérente de NVIDIA pour s'imposer comme infrastructure de référence de l'IA physique, un marché qu'elle considère comme la prochaine vague majeure après les grands modèles de langage. Cosmos 3, socle de l'ensemble de l'écosystème présenté, est positionné comme modèle ouvert dominant sur les benchmarks publics de l'IA physique. En combinant simulation haute fidélité, modèles fondateurs ouverts et frameworks d'entraînement scalables, NVIDIA tente de reproduire avec l'IA embarquée et robotique ce qu'elle a réussi dans le calcul haute performance : rendre son infrastructure si centrale que les chercheurs n'envisagent pas d'alternatives. Les prochaines étapes passeront par l'adoption de ces outils par les grands constructeurs automobiles et les laboratoires de robotique, qui testent actuellement leurs capacités sur des flottes réelles.