Aller au contenu principal
Le Fil IA
Le Fil IAL'actu IA, décodée
L’IA s’attaque aux fauteuils roulants avec de grandes promesses
RobotiqueNumerama · 1 min de lecture

L’IA s’attaque aux fauteuils roulants avec de grandes promesses

Résumé IASource uniqueImpact UE
Source originale ↗·

Des prototypes de fauteuils roulants intelligents ont été dévoilés début mars 2026 lors d'une conférence sur les technologies d'assistance en Californie. Ces dispositifs intègrent de l'intelligence artificielle pour permettre aux utilisateurs de se déplacer plus aisément dans des environnements encombrés, couloirs étroits, espaces publics bondés, mobilier mal disposé.

L'enjeu est considérable : des millions de personnes dépendent quotidiennement de fauteuils roulants, et la navigation dans des espaces non adaptés reste l'un des principaux obstacles à leur autonomie. En appliquant des algorithmes d'évitement d'obstacles et de planification de trajectoire, des technologies issues de la robotique et des véhicules autonomes, ces prototypes visent à réduire la charge cognitive et physique des utilisateurs.

Les détails techniques présentés à la conférence restent pour l'instant partiels. Les prototypes s'appuient sur des capteurs embarqués et des modèles d'apprentissage automatique pour analyser l'environnement en temps réel et adapter le déplacement du fauteuil. Les acteurs impliqués dans ces développements n'ont pas encore été pleinement identifiés dans les communications publiques issues de l'événement.

Le secteur des technologies d'assistance connaît un regain d'intérêt depuis que les avancées en IA embarquée ont rendu possibles des traitements plus rapides et moins coûteux. La question de la fiabilité en conditions réelles, et de l'accessibilité financière pour les utilisateurs finaux, constituera l'épreuve décisive avant toute commercialisation.

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

L'IA vise la navigation autonome en fauteuil roulant
1IEEE Spectrum AI 

L'IA vise la navigation autonome en fauteuil roulant

Des chercheurs du Centre de recherche allemand sur l'intelligence artificielle (DFKI) à Brême ont présenté ce mois-ci à Anaheim, en Californie, un prototype de fauteuil roulant électrique intelligent capable de naviguer de manière autonome dans des environnements encombrés. Dirigée par Christian Mandel et Serge Autexier, l'équipe a développé un système intégrant des données de capteurs embarqués et de caméras de profondeur montées sur drones pour garantir une navigation sûre, y compris en mode entièrement autonome piloté par la voix. L'enjeu dépasse largement le gadget technologique : pour les personnes souffrant de handicaps moteurs sévères, l'autonomie de déplacement est une question d'inclusion et de dignité. Ces systèmes pourraient transformer le quotidien de millions d'utilisateurs, à condition de franchir des obstacles bien réels, coût, fiabilité en conditions réelles, et adaptation aux profils très variés des utilisateurs. Chaque fauteuil prototype embarque deux lidars, une caméra 3D, des odomètres et un ordinateur intégré. La navigation autonome repose sur le système open-source ROS2 Nav2 couplé à des cartes SLAM et des contrôleurs d'évitement d'obstacles. En mode semi-autonome, l'utilisateur garde le joystick ; en mode pleinement autonome, il suffit d'une commande vocale, « Conduis-moi à la machine à café », confirmée via l'interface du fauteuil. Le projet s'inscrit dans le cadre du programme européen REXASI-PRO (Reliable and Explainable Swarm Intelligence for People With Reduced Mobility). Les expertes du secteur tempèrent l'enthousiasme. Pooja Viswanathan, PDG de Braze Mobility (Toronto), souligne que « le coût reste un frein majeur » et que les systèmes de financement exigent des preuves claires d'efficacité et de sécurité avant de prendre en charge ces technologies. Louise Devinge, ingénieure biomédicale à l'IRISA (Rennes), avertit que « plus on ajoute de capteurs, de calcul et d'autonomie, plus il devient difficile de garantir des performances robustes dans tous les environnements réels ». Le consensus du domaine est clair : l'objectif n'est pas de remplacer le jugement de l'utilisateur, mais de l'assister.

UELe projet REXASI-PRO est porté par le DFKI, centre de recherche européen de référence, et ses résultats pourraient alimenter les standards d'accessibilité et de robotique de service au sein de l'UE.

RobotiqueActu
1 source
L'IA physique et la robotique autonome s'imposent dans le grand public avec une conférence à San Jose
2AI News 

L'IA physique et la robotique autonome s'imposent dans le grand public avec une conférence à San Jose

La Physical AI Expo North America se tiendra les 18 et 19 mai 2026 au San Jose McEnery Convention Center, en Californie. L'événement rassemble durant deux jours des ingénieurs, des chercheurs et des dirigeants d'entreprises autour d'un thème central : l'intégration de l'intelligence artificielle dans des systèmes physiques autonomes. Parmi les intervenants confirmés figurent Leslie Karpas, directeur mondial de la Physical AI chez NVIDIA, Arne Stoschek, vice-président en charge de l'IA et de l'autonomie chez Airbus Acubed, Vinesh Sukumar, vice-président IA chez Qualcomm, Sungho Kim, PDG du Hyundai Global Software Center, ainsi que Naresh Dulam, vice-président senior du génie logiciel chez JPMorgan. Le programme est structuré en deux journées distinctes : la première consacrée à la stratégie IA, à l'infrastructure et aux données à grande échelle, la seconde dédiée à la robotique, aux systèmes autonomes et au passage effectif des prototypes à la production industrielle. Ce type de conférence traduit une inflexion majeure dans l'industrie technologique : l'IA n'est plus cantonnée aux logiciels et aux interfaces conversationnelles, elle s'incarne désormais dans des machines capables de percevoir leur environnement, de raisonner et d'agir de manière autonome. Pour les secteurs de la fabrication, de la logistique, de l'automobile et de la défense, l'enjeu n'est plus de démontrer la faisabilité des systèmes intelligents, mais d'en organiser le déploiement à grande échelle. Les entreprises investissent massivement pour résoudre des problèmes concrets : fiabilité des systèmes en conditions réelles, scalabilité de l'infrastructure, sécurité des interactions homme-machine et retour sur investissement mesurable. La présence de JPMorgan au côté de NVIDIA ou d'Airbus illustre que l'IA physique dépasse désormais les seuls secteurs de la robotique et de l'automobile pour toucher la finance et les services. Cette évolution s'inscrit dans une dynamique plus large qui s'est accélérée ces dix-huit derniers mois. Après une première vague dominée par les grands modèles de langage et les outils génératifs, l'industrie de l'IA se tourne vers ce que certains appellent la "couche physique" : des robots d'entrepôt, des véhicules autonomes, des bras industriels pilotés par des modèles de perception et de décision en temps réel. Des acteurs comme NVIDIA avec sa plateforme Jetson, Qualcomm avec ses puces embarquées, ou des constructeurs comme Hyundai investissent pour capter ce marché encore en structuration. La difficulté centrale reste le passage du prototype au déploiement opérationnel, freiné par des défis d'intégration, de certification et de gestion des données en environnement non contrôlé. La Physical AI Expo se positionne comme un espace de coordination entre ces différentes parties prenantes, à un moment où les standards industriels et les modèles économiques restent encore largement à définir.

UELa participation d'Airbus Acubed illustre que les industriels européens s'engagent dans la structuration de l'IA physique, dont les standards en cours de définition affecteront directement les secteurs manufacturiers, logistiques et aéronautiques européens.

RobotiqueOpinion
1 source
Des agents IA pour les équipes de robots
3IEEE Spectrum AI 

Des agents IA pour les équipes de robots

Le laboratoire de physique appliquée de l'université Johns Hopkins (APL) a publié une présentation détaillant ses travaux récents sur l'IA agentique appliquée aux équipes de robots collaboratifs. Baptisée "Agentic AI for Robot Teams", cette communication expose une architecture scalable conçue pour doter des systèmes robotiques hétérogènes de capacités d'autonomie, de coordination et d'adaptabilité. Les chercheurs y décrivent comment des agents fondés sur des grands modèles de langage (LLM) peuvent être déployés sur du matériel réel, avec des démonstrations impliquant des équipes de robots aux profils et capacités différents. Le document, disponible sous forme de livre blanc, présente également les leçons tirées des phases de recherche et développement en cours. L'enjeu est considérable : faire travailler ensemble des robots qui ne partagent ni les mêmes capteurs, ni les mêmes actionneurs, ni les mêmes logiciels impose des défis de coordination que les architectures classiques peinent à résoudre. En intégrant des LLM comme couche de raisonnement et de planification, les équipes de l'APL cherchent à rendre ces systèmes capables de s'adapter dynamiquement aux imprévus, de se répartir les tâches et de maintenir une cohérence collective sans supervision humaine constante. Cette approche pourrait transformer des domaines comme la logistique autonome, la gestion de catastrophes, les opérations militaires ou l'exploration de milieux hostiles, où envoyer des équipes humaines reste risqué ou impossible. Le Johns Hopkins APL est l'un des principaux centres de recherche appliquée du Département de la Défense américain, ce qui situe ces travaux dans un contexte stratégique lié à la robotique militaire et aux systèmes autonomes multi-agents. La montée en puissance des LLM depuis 2022 a ouvert une nouvelle voie pour la robotique agentique, jusqu'ici freinée par la rigidité des architectures de contrôle traditionnelles. Les suites annoncées portent sur la généralisation de l'architecture à des équipes plus larges et plus hétérogènes, ainsi que sur l'amélioration de la robustesse dans des environnements dégradés ou incertains.

RobotiqueActu
1 source
L'IA physique soulève des questions de gouvernance pour les systèmes autonomes
4AI News 

L'IA physique soulève des questions de gouvernance pour les systèmes autonomes

La convergence de l'intelligence artificielle et des systèmes physiques pose des questions de gouvernance inédites pour les entreprises, les régulateurs et les ingénieurs. En 2024, la Fédération internationale de la robotique recensait 542 000 robots industriels installés dans le monde, soit plus du double du niveau enregistré dix ans plus tôt. Les projections tablent sur 575 000 unités en 2025 et plus de 700 000 d'ici 2028. Dans ce contexte, le marché de ce que les analystes appellent désormais la "Physical AI" -- robotique, edge computing et machines autonomes -- était estimé à 81,64 milliards de dollars en 2025 par Grand View Research, avec des projections atteignant 960,38 milliards en 2033. En mars 2025, Google DeepMind a franchi une étape concrète en lançant Gemini Robotics et Gemini Robotics-ER, deux modèles construits sur Gemini 2.0 et conçus pour le contrôle direct de robots et le raisonnement spatial. En avril 2026, une nouvelle version, Gemini Robotics-ER 1.6, a été mise en préversion via l'API Gemini, avec des capacités renforcées de planification de tâches, de détection de succès et de raisonnement par étapes intermédiaires. L'enjeu dépasse largement celui de l'automatisation logicielle classique. Lorsqu'un modèle de langage produit une réponse incorrecte, l'erreur reste dans le domaine informationnel. Lorsqu'un modèle piloté un robot, une sortie erronée peut se traduire par un mouvement physique dans un environnement partagé avec des humains ou connecté à des équipements industriels critiques. Google DeepMind identifie trois propriétés fondamentales pour des robots véritablement utiles : la généralité (capacité à traiter des objets et environnements inconnus), l'interactivité (adaptation aux instructions humaines et aux conditions changeantes), et la dextérité (précision des gestes physiques). Des systèmes comme Gemini Robotics peuvent suivre des instructions en langage naturel et exécuter des séquences complexes -- plier du papier, emballer des objets, manipuler des éléments jamais vus à l'entraînement. Mais cette même flexibilité complique la définition de limites de sécurité claires et de procédures d'arrêt d'urgence. Derrière la performance technique se profile un problème de gouvernance systémique encore non résolu. Contrairement aux logiciels, les systèmes physiques autonomes opèrent dans des espaces réels, soumis à des normes de sécurité industrielles, de responsabilité civile et de certification qui n'ont pas été conçues pour des agents capables de raisonner et de décider de façon autonome. La mise à disposition de Gemini Robotics-ER 1.6 via l'API Gemini rapproche le développement de ces systèmes des environnements de tests accessibles aux développeurs, mais transfère aussi une partie de la responsabilité vers les intégrateurs. Le secteur se retrouve face à une question centrale : qui valide, surveille et peut arrêter un agent physique lorsque son comportement s'écarte des limites prévues ? Les réponses réglementaires et industrielles à cette question seront déterminantes pour le déploiement à grande échelle de la Physical AI dans les prochaines années.

UELes industriels et régulateurs européens devront réviser les cadres de responsabilité civile, de certification et de sécurité des machines pour couvrir des agents physiques autonomes capables de raisonner, un vide que l'AI Act actuel n'adresse pas encore directement.

RobotiqueOpinion
1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic