Drones : l'intelligence artificielle à l'offensive

Physical AI : l’intelligence artificielle incarne enfin le monde réel

La Physical AI désigne une nouvelle génération de systèmes d'intelligence artificielle capables non plus de traiter des données textuelles ou visuelles, mais d'agir directement sur le monde matériel. Contrairement aux modèles de langage classiques qui prédisent des séquences de tokens, ces systèmes combinent des capteurs avancés, vision 3D, lidar, accéléromètres, avec des modèles de fondation pour percevoir leur environnement en temps réel, raisonner sur sa géométrie et produire des mouvements précis en termes de force et de couple. En 2026, l'arrivée de processeurs embarqués suffisamment puissants permet à ces architectures de fonctionner sans délai réseau, rendant la correction de trajectoire instantanée : un bras robotique qui heurte un obstacle recalcule son chemin seul, sans intervention humaine. L'enjeu industriel est considérable. Là où la robotique classique imposait une programmation rigide adaptée à des environnements contrôlés, la Physical AI permet aux machines de s'adapter à l'imprévu, une pièce déplacée, une variation de surface, un collègue humain qui traverse l'espace de travail. La tolérance à l'erreur est radicalement différente de celle de l'IA générative : une hallucination dans un résumé de texte est embarrassante, une erreur de trajectoire dans un entrepôt logistique peut endommager du matériel coûteux ou blesser quelqu'un. Cela pousse les équipes d'ingénierie à exiger des niveaux de fiabilité proches de ceux de l'aéronautique, ce qui tire vers le haut l'ensemble de la chaîne de développement matériel et logiciel. Ce mouvement s'inscrit dans une trajectoire plus longue. Depuis le milieu des années 2010, la robotique industrielle stagnait : les bras mécaniques étaient rapides mais aveugles, incapables de généraliser à de nouveaux contextes sans re-programmation. L'émergence des grands modèles de vision et de langage a ouvert la voie à un apprentissage par démonstration et par simulation physique ultra-réaliste, contournant le besoin de millions d'exemples réels difficiles à collecter. Des acteurs comme NVIDIA avec sa plateforme Isaac, Boston Dynamics ou encore Figure AI investissent massivement dans cette convergence numérique-physique. La prochaine étape sera de déterminer qui contrôle les couches logicielles fondamentales, et donc l'économie de la robotique généralisée, avant que le marché ne se consolide autour de deux ou trois plateformes dominantes.

L'intelligence artificielle fête ses 70 ans

L'intelligence artificielle fête cette année ses 70 ans en tant que discipline scientifique formelle. C'est en août 1955 que John McCarthy, Marvin Minsky, Nathaniel Rochester et Claude Shannon ont déposé la proposition du Dartmouth Summer Research Project on Artificial Intelligence, qui s'est tenu l'été suivant, en 1956. Ce projet a officiellement fondé l'IA comme champ de recherche autonome et introduit le terme même d'intelligence artificielle. Minsky la définissait alors comme la science de faire accomplir aux machines des tâches qui exigeraient de l'intelligence si elles étaient réalisées par des humains, une formulation qui reste d'une précision remarquable. Depuis, l'IA a connu une diffusion sans précédent dans l'histoire des technologies, pénétrant les secteurs de l'éducation, de la finance, de la santé, de l'industrie et de la défense. Ces sept décennies ne se sont pas déroulées en ligne droite. Les racines intellectuelles de l'IA précèdent l'ordinateur moderne : dès 1943, le neurophysiologiste Warren McCulloch et le logicien Walter Pitts avaient modélisé mathématiquement des neurones artificiels, démontrant que des réseaux de neurones pouvaient effectuer des calculs logiques. En 1950, Alan Turing posait la question fondatrice "Les machines peuvent-elles penser ?" et proposait le test de Turing comme critère d'évaluation. La même année, Claude Shannon publiait un programme théorique pour jouer aux échecs. John McCarthy développa en 1958 le langage Lisp, qui devint l'outil dominant de la recherche en IA, et Arthur Samuel introduisit le terme machine learning en 1959. Dans les années 1980, les systèmes experts à base de règles, comme MYCIN pour le diagnostic médical, connurent un essor avant de buter sur leurs limites structurelles. Comprendre ce parcours en dents de scie est aujourd'hui stratégique, car l'IA ne constitue plus un horizon lointain mais une infrastructure critique déjà déployée à grande échelle. Son adoption dépasse en vitesse tous les précédents technologiques, ce qui amplifie autant ses bénéfices potentiels que ses risques. Les questions sur ses limites actuelles, les biais qu'elle reproduit, son impact sur l'emploi et les enjeux éthiques qu'elle soulève restent largement ouvertes. Des organisations comme l'IEEE, dont les contributions à l'avancement de l'IA sont documentées sur l'ensemble de ces 70 ans, jouent un rôle croissant dans l'établissement de standards et de repères pour orienter son développement. L'anniversaire est autant une célébration qu'une invitation à prendre la mesure de ce que cette technologie transforme, de manière souvent imprévisible, dans nos sociétés.

☕️ Bercy crée une direction dédiée à l’intelligence artificielle

Le ministère de l'Économie et des Finances a annoncé le 18 juin 2026 la création de la Direction de l'intelligence artificielle et du numérique (DIAN), qui succède au Service du numérique du Secrétariat général des ministères économiques et financiers (MEF). Cette nouvelle entité, placée sous l'autorité du ministre Roland Lescure, aura pour mission de piloter le déploiement de l'IA au sein de Bercy et de ses administrations satellites. Sa création s'accompagne d'une feuille de route IA 2026-2027, attendue avant la fin du mois de juin, qui fixera les grandes orientations stratégiques : accès universel à l'IA pour tous les agents, mutualisation des infrastructures de calcul, développement d'agents et d'applications IA, et contribution aux briques interministérielles communes. Bercy devient ainsi le premier ministère français à inscrire explicitement l'intelligence artificielle dans l'intitulé et le périmètre d'une de ses directions. Ce signal institutionnel dépasse la simple réorganisation administrative : il traduit une volonté politique de faire de l'État un adopteur précoce et exemplaire des nouvelles technologies. La DIAN s'inscrit dans un mouvement plus large dévoilé cette même semaine par le Premier ministre Sébastien Lecornu, qui a annoncé une série de mesures pour que l'administration publique change d'échelle sur l'IA. Parmi elles : un agent conversationnel souverain accessible à l'ensemble des fonctionnaires, un assistant santé publique intégré à Ameli, l'ouverture des technologies avancées du ministère des Armées aux autres administrations, et le remplacement des solutions de Palantir par celles de ChapsVision, acteur français de la gestion de données. Pour Roland Lescure, l'enjeu est direct : "Pour que la France reste dans la course, l'État doit être exemplaire dans sa capacité à adopter ces technologies, à les diffuser et à les mettre au service de sa performance." La création de la DIAN s'inscrit dans une dynamique de rattrapage et d'affirmation souveraine. La France, comme d'autres pays européens, cherche à structurer une adoption de l'IA dans le secteur public qui ne dépende pas entièrement d'acteurs américains, d'où la substitution de Palantir par ChapsVision et l'accent mis sur des "solutions de confiance". La ministre déléguée chargée de l'IA, Anne Le Hénanff, présente la DIAN comme "un signal fort aux acteurs de l'innovation" destiné à "structurer un marché de confiance pour les solutions d'IA". Un effort massif de formation et d'accompagnement des agents humains est également prévu, reconnaissant que la technologie seule ne suffit pas. Les prochains mois, avec la publication de la feuille de route, diront si ces ambitions se traduisent en déploiements concrets ou restent au stade de la déclaration d'intention.

💬 Bercy qui grave "IA" dans son organigramme, c'est un signal institutionnel qui sort du déclaratif. Le plus intéressant reste le remplacement de Palantir par ChapsVision : là on parle d'un acte budgétaire qui pèse, pas d'une annonce, et ça change la donne pour tous les éditeurs français qui visent le marché public. Fin juin avec la feuille de route, on saura si l'ambition est réelle ou non.

Les drones deviennent plus intelligents pour les grandes exploitations agricoles

DroneDash Technologies, basée à Singapour, et GEODNET ont annoncé la création d'une coentreprise baptisée GEODASH Aerosystems, dédiée au développement de drones de pulvérisation agricole destinés aux grandes exploitations industrielles. La technologie, proche du stade de production, vise à supprimer deux contraintes majeures des systèmes actuels : la nécessité de cartographier chaque champ avant chaque vol, et la reconstruction systématique des plans de vol lorsque les conditions au sol changent. Le drone combinera le système de vision par IA de DroneDash avec la technologie de correction de positionnement de GEODNET, pour atteindre une précision au centimètre. En vol, l'appareil est capable d'identifier les rangées de cultures, les arbres, le relief et les zones à traiter, d'ajuster son altitude et ses débits de pulvérisation en temps réel. Des déploiements pilotes ont été conduits tout au long de 2025 et début 2026 ; la commercialisation est prévue pour le troisième trimestre 2026. L'enjeu est considérable pour les grandes exploitations, notamment les plantations de palmiers à huile où les opérations de cartographie préalable mobilisent du temps et des équipes, limitant la surface couvrable par jour. Avec GEODASH Aerosystems, le drone n'a plus besoin de carte existante : il opère à l'intérieur de zones géo-délimitées en prenant ses propres décisions de trajectoire selon l'environnement perçu. Chaque vol alimente en outre le backend d'intelligence artificielle Smart Farming de DroneDash, générant des métriques sur la densité du couvert végétal, la santé des plantes, l'efficacité de la pulvérisation et les profils de terrain. Le drone devient ainsi une double plateforme : applicateur de traitement et capteur aérien permanent, capable d'informer les exploitants sur les besoins en fertilisation, en contrôle phytosanitaire ou en replantation. Les drones agricoles actuels sont pour la plupart des adaptations de modèles grand public, pensés pour des environnements structurés et prévisibles. Or, les plantations tropicales avec des cultures d'âges mixtes, l'érosion des sols ou la croissance végétale rendent les cartes statiques rapidement obsolètes. La frontière décisive en robotique intelligente est précisément là : la capacité à agir dans des environnements changeants, sans tout hard-coder. GEODASH Aerosystems cible en priorité les plantations de palmiers à huile en Asie du Sud-Est, les grandes cultures en rangs aux États-Unis et les vastes domaines en Amérique du Sud, trois marchés où la taille des exploitations rend prohibitif le temps de préparation des opérations traditionnelles. Le positionnement assumé de la société résume l'ambition : "L'agriculture n'a pas besoin de drones plus grands, elle a besoin de drones plus intelligents", selon Paul Yam, PDG de DroneDash.