Aller au contenu principal

Actualités IA — page 122

7 616 articles au fil, du plus récent au plus ancien.

NotebookLM de Google intègre désormais un ordinateur cloud avec exécution de code et recherche à base d'agents
2421The Decoder 

NotebookLM de Google intègre désormais un ordinateur cloud avec exécution de code et recherche à base d'agents

Google a annoncé une mise à jour majeure de NotebookLM, son outil de recherche et de synthèse documentaire. La nouvelle version tourne désormais sur Gemini 2.5 Flash et dispose d'un ordinateur cloud dédié capable d'exécuter du code directement depuis l'interface. Plus significatif encore, NotebookLM peut désormais trouver ses propres sources de manière autonome via Google Search, sans que l'utilisateur ait à importer manuellement des documents. Lors des tests internes, le nouveau système a surpassé l'ancienne version dans 78,2 % des cas. Ces évolutions transforment NotebookLM d'un simple outil d'analyse documentaire en un véritable agent de recherche autonome. La capacité d'exécution de code ouvre la voie à des analyses de données directement dans l'outil, sans passer par un environnement externe. L'intégration native à Google Search signifie que les utilisateurs n'ont plus besoin de sélectionner manuellement leurs sources : l'outil explore le web et construit lui-même sa base documentaire. Pour les chercheurs, journalistes, consultants ou étudiants, cela réduit considérablement le temps de préparation avant d'obtenir une synthèse exploitable. NotebookLM avait été lancé par Google en 2023 comme outil expérimental de prise de notes augmentée par l'IA, avant de connaître un succès inattendu, notamment grâce à sa fonctionnalité de podcast audio généré automatiquement. Cette montée en puissance vers l'agentique s'inscrit dans la tendance générale des grands acteurs de l'IA à doter leurs outils de capacités d'action autonome. Google positionne ainsi NotebookLM comme un concurrent direct des assistants de recherche comme Perplexity ou les modes "deep research" de ChatGPT et Gemini Advanced.

OutilsOutil
1 source
Siri intègre Google mais reste inaccessible dans une grande partie du monde
2422AI News 

Siri intègre Google mais reste inaccessible dans une grande partie du monde

Paragraphe 1 (LES FAITS): Lors de la conférence WWDC 2026, Apple a présenté Siri AI, un assistant reconstruit à partir de zéro après des années de sous-performance. Ce nouveau Siri maintient des conversations véritablement multi-étapes, utilise les informations dans le mail, les messages et la bibliothèque photo, traite des requêtes en direct provenant de Web, et exécute des tâches à travers diverses applications. Apple attribue également une application dédiée au assistant, ainsi qu'une intégration système-large, avec les iPhone affichant l'activité de Siri dans l'Dynamic Island pendant les demandes. Cependant, la partie la plus intéressante se trouve dans les petits caractères : qui fournit réellement le puissance à Siri AI et qui y a accès. Paragraphe 2 (POURQUOI C'EST IMPORTANT): Apple a collaboré avec Google et la famille de modèles Gemini pour développer les prochaines générations de modèles Apple Foundation qui alimentent ses expériences Apple Intelligence, y compris l'architecture sur laquelle repose Siri AI. Bien que Craig Federighi, vice-président principal de la technologie logicielle chez Apple, ait affirmé que "la vie privée dans l'IA est non négociable", cette décision soulève des préoccupations stratégiques. En faisant appel à Google pour son cœur intelligent, Apple reconnaît ne pas pouvoir maintenir le rythme de la course aux modèles avancés seul, et cela a des implications pour les ambitions d'IA souveraine discutées dans le monde entier. De plus, Google déploie activement Gemini sur Android, Workspace et ses propres appareils, ce qui laisse Apple dans une position délicate. Paragraphe 3 (LE CONTEXTE): Cette annonce intervient alors que Tim Cook prépare à céder sa place de PDG à John Ternus. La structure de la conférence a mis l'accent sur les mises à jour plutôt que sur les nouveautés, symbolisant une transition pour Apple. L'exclusion de Siri AI en chinois, au sein de l'UE et le manque de calendrier pour d'autres langues montrent des limitations dans la portée géographique initiale du nouvel assistant. Cela soulève des questions sur les compromis nécessaires lorsqu'une entreprise doit s'appuyer sur ses rivaux pour atteindre ses objectifs, même avec une puissance de calcul et un budget considérables. L'avenir de Siri AI, reste incertain, alors que les conséquences de cette décision reverberent au-delà des frontières d'Apple.

OutilsOpinion
1 source
Les meilleurs agents de codage IA et plateformes de développement en 2026 : Atoms, Devin, Windsurf, Cursor, Warp et plus encore comparés
2423MarkTechPost 

Les meilleurs agents de codage IA et plateformes de développement en 2026 : Atoms, Devin, Windsurf, Cursor, Warp et plus encore comparés

En 2026, le développement logiciel a basculé : les ingénieurs ne tapent plus la majorité de leur code à la main, mais décrivent leur intention, et des agents intelligents exécutent le travail. Un panorama publié par MarkTechPost recense les plateformes les plus influentes de cet écosystème en pleine explosion. Parmi elles, Atoms se distingue en déployant non pas un agent unique, mais une équipe coordonnée couvrant la gestion de produit, l'architecture système, le développement full-stack, le SEO et l'analyse de données. Son mode Race envoie simultanément un prompt à plusieurs modèles pour retenir la meilleure réponse. Devin AI, développé par Cognition, opère comme un ingénieur logiciel autonome : à partir d'une tâche en langage naturel ou d'un ticket lié, il planifie, exécute dans un environnement cloud sandboxé doté d'un shell, d'un navigateur et d'un éditeur, puis ouvre des pull requests. Windsurf, également signé Cognition, est un éditeur de code agentique basé sur VS Code dont l'agent Cascade lit l'intégralité d'un dépôt, applique des modifications multi-fichiers et vérifie les changements contre les tests. Des outils plus spécialisés complètent le tableau : GitHub Copilot pour l'autocomplétion en temps réel, Magic Patterns pour la génération de composants d'interface, Uizard pour le prototypage UI/UX à partir de croquis ou de captures d'écran, Replit Agent pour coder directement dans un navigateur sans configuration locale, et Galileo AI pour l'évaluation et l'observabilité des agents en production. L'impact de cette mutation est structurel. Les équipes réduites peuvent désormais couvrir des périmètres fonctionnels bien plus larges sans augmenter leurs effectifs, tandis que les cycles de développement s'accélèrent considérablement, de l'idée au prototype fonctionnel parfois en quelques heures. Pour les startups et les PME, des plateformes comme Replit Agent ou Atoms effacent la barrière de l'infrastructure : pas besoin d'environnement local configuré ni d'expertise DevOps pour passer de la description d'un produit à une application déployable avec authentification, base de données et paiements intégrés. La montée d'outils comme Galileo, dédiés à l'observabilité des agents, signale également que l'industrie prend au sérieux les risques de mise en production de systèmes autonomes, en imposant des garde-fous sur la sélection des outils, la latence et les coûts. Cette transformation s'inscrit dans une dynamique plus profonde amorcée dès 2023 avec l'explosion des modèles de code comme Codex et CodeLlama, suivie d'une course à l'agent autonome qui a pris de la vitesse en 2024 et 2025. Cognition est l'acteur à surveiller, ayant réussi à positionner à la fois Devin et Windsurf dans les premières places du marché. GitHub reste incontournable grâce à son intégration native dans les workflows existants, mais la concurrence s'intensifie, avec des outils qui ne se contentent plus d'assister le développeur mais cherchent à le remplacer sur des tâches bien délimitées. La prochaine frontière est celle de la supervision : dans combien de temps les entreprises feront-elles confiance à ces agents pour déployer en production sans validation humaine systématique ?

OutilsOutil
1 source
Après le dossier patient, l’IA s’attaque à l’acte chirurgical : UNCOVR lève 6 millions d’euros
2424FrenchWeb 

Après le dossier patient, l’IA s’attaque à l’acte chirurgical : UNCOVR lève 6 millions d’euros

La startup française UNCOVR vient de boucler une levée de fonds de 7 millions de dollars, soit environ 6 millions d'euros, pour développer sa plateforme d'intelligence artificielle dédiée à l'analyse des actes chirurgicaux. L'entreprise s'appuie sur un constat chiffré: chaque année, plus de 400 millions d'interventions chirurgicales sont réalisées dans le monde, et une part croissante d'entre elles est intégralement filmée dans les blocs opératoires. Malgré ce volume considérable d'enregistrements, ces données vidéo restent quasi systématiquement inexploitées une fois l'opération terminée. UNCOVR ambitionne de changer cela en appliquant des algorithmes de vision par ordinateur à ces flux vidéo chirurgicaux, pour en extraire des informations structurées sur les gestes, les techniques et les performances des équipes. Pour les hôpitaux et les chirurgiens, l'enjeu est concret: améliorer la formation des internes, standardiser les bonnes pratiques, détecter les écarts de technique et réduire les complications postopératoires. C'est une fenêtre d'analyse objective sur le bloc opératoire qui n'existait pas jusqu'ici, avec un potentiel direct sur la sécurité des patients. La startup s'inscrit dans une vague plus large d'IA appliquée à la santé, après les succès de l'analyse d'imagerie médicale et du dossier patient. L'acte chirurgical représente la prochaine frontière, mais aussi l'une des plus sensibles: les questions de responsabilité médicale, de consentement à la captation et d'accès aux données sont complexes. Avec ce financement, UNCOVR devra convaincre les établissements de santé d'ouvrir leurs blocs opératoires à l'analyse algorithmique, un défi technique et réglementaire autant que commercial.

BusinessActu
1 source
Databricks se rapproche d’une valorisation de 165 milliards de dollars
2425Le Big Data 

Databricks se rapproche d’une valorisation de 165 milliards de dollars

Databricks serait en passe de boucler une nouvelle levée de fonds qui porterait sa valorisation entre 165 et 175 milliards de dollars, selon The Information. La campagne de financement pourrait être lancée dès juillet 2026, quelques mois seulement après que la société a finalisé, en février dernier, un tour de table de 5 milliards de dollars en capitaux propres complété par 2 milliards de dette, l'une des plus importantes opérations de financement privé dans la tech ces dernières années. Cette nouvelle valorisation représenterait une hausse significative par rapport aux 134 milliards de dollars atteints fin 2025. Databricks affiche un chiffre d'affaires annuel supérieur à 5,4 milliards de dollars, en croissance de plus de 65 % sur un an, dont 1,4 milliard généré spécifiquement par ses activités liées à l'IA. Cette levée illustre l'appétit durable des investisseurs privés pour les infrastructures de données et d'IA capables de transformer des projets expérimentaux en revenus mesurables. Pour Databricks, l'IA n'est plus un pari sur l'avenir : elle représente déjà un moteur économique concret, qui pèse pour plus d'un quart du chiffre d'affaires total. Les entreprises cherchant à industrialiser leurs projets d'IA tout en conservant la maîtrise de leurs données constituent un marché en forte expansion, et Databricks se positionne comme l'infrastructure de référence pour y répondre. Une nouvelle injection de capital permettrait de financer l'innovation produit, des acquisitions stratégiques, et des programmes de liquidité pour les salariés, sans avoir à affronter un marché boursier jugé défavorable. Fondée en 2013 par des chercheurs de l'Université de Californie à Berkeley à l'origine du projet Apache Spark, Databricks s'est imposée comme l'un des acteurs centraux de la donnée d'entreprise, face à son rival Snowflake. Ces derniers mois, la société a multiplié les partenariats avec OpenAI et Anthropic pour permettre à ses clients de concevoir et déployer des applications d'IA directement dans leurs environnements de données. Son PDG Ali Ghodsi a réaffirmé l'ambition d'une introduction en bourse à terme, mais a qualifié 2026 d'« année catastrophique » pour les IPO, faisant de cette levée privée une étape logique avant une éventuelle cotation. Si l'opération est confirmée, Databricks rejoindrait le cercle très restreint des entreprises technologiques non cotées valorisées au-delà de 150 milliards de dollars, aux côtés de SpaceX et de quelques autres, signal fort que le capital privé continue de suppléer les marchés publics pour financer la prochaine vague d'infrastructures IA.

BusinessOpinion
1 source
McDonald's teste un système de commande au drive propulsé par l'IA de Google
2426AI News 

McDonald's teste un système de commande au drive propulsé par l'IA de Google

McDonald's teste depuis plusieurs semaines un nouveau système de commande vocale par intelligence artificielle dans ses restaurants drive-thru américains. Baptisé ArchIQ et surnommé "Archy", le dispositif a été dévoilé lors de la convention mondiale de la chaîne et est actuellement déployé dans cinq établissements aux États-Unis dont les adresses n'ont pas été communiquées. Développé en partenariat avec Google, le système accepte les commandes en anglais et en espagnol, gère les modifications de commande en temps réel et affiche le total avant de demander au client d'avancer. Selon le compte X McFranchisee, géré par un franchisé McDonald's, ArchIQ a déjà traité plus d'un million de transactions, avec environ 90 % des commandes traitées sans intervention humaine. Le système serait également capable de reconnaître les clients réguliers et de proposer leur commande habituelle, bien que McDonald's n'ait pas fourni de détails techniques sur ce mécanisme. En amont du déploiement, les restaurants américains reçoivent des unités Google Edge Cloud pour faire tourner l'infrastructure. L'enjeu est considérable pour une entreprise qui a enregistré 37 milliards de dollars de ventes à ses membres fidélité en 2025, soit une hausse de 20 %, avec près de 210 millions d'utilisateurs actifs sur 90 jours dans 70 marchés. ArchIQ s'inscrit dans le plan de croissance "McDonald's > NEXT", dont l'objectif est d'améliorer les opérations en restaurant et la rentabilité par unité. Le système ne se limite pas à la prise de commande: il surveille les équipements, alerte les managers en cas de panne de congélateur ou de goulot d'étranglement en cuisine, combinant outil de vente et support opérationnel. Le PDG Chris Kempczinski a reconnu dans une note interne que l'automatisation progressive du parcours client réduit les occasions d'interaction avec le personnel, ce qui, selon lui, élève le niveau d'exigence pour les moments où ce contact a lieu. Ce test intervient après l'échec d'une précédente expérimentation menée avec IBM dans plus de cent restaurants, abandonnée en 2024 suite à de nombreuses erreurs de commande, dont un cas devenu viral où le système aurait ajouté pour plus de 250 dollars de nuggets à la commande d'un client. McDonald's avait alors annoncé vouloir continuer d'explorer la technologie de commande vocale malgré cette déconvenue. La chaîne n'est pas seule sur ce terrain: Taco Bell et Wendy's ont également annoncé des systèmes similaires. Le trafic drive-thru est resté négatif tout au long de 2025, oscillant entre -5 % et -8 % selon QSR Magazine, ce qui renforce la pression sur les opérateurs pour optimiser leurs coûts. Si une partie des internautes ayant visionné les démonstrations d'ArchIQ dit préférer l'interaction avec un employé, McDonald's n'a pas encore communiqué de calendrier pour étendre le dispositif au-delà des cinq sites pilotes.

OutilsOutil
1 source
FONIO.AI lève 14,5 millions d’euros : les standards téléphoniques deviennent des agents IA
2427FrenchWeb 

FONIO.AI lève 14,5 millions d’euros : les standards téléphoniques deviennent des agents IA

La startup française FONIO.AI vient de boucler une levée de fonds de 14,5 millions d'euros pour déployer des agents conversationnels vocaux capables de remplacer les standards téléphoniques traditionnels en entreprise. Ces agents IA prennent en charge des tâches vocales jusqu'ici réservées aux humains : prise de rendez-vous, qualification de prospects, support client et suivi commercial. Le financement permettra d'accélérer le développement de la plateforme et d'étendre sa base clients en France et à l'international. L'enjeu est considérable pour les entreprises qui gèrent de forts volumes d'appels entrants. Contrairement aux chatbots textuels déjà répandus, la voix reste le canal le plus naturel pour une large partie des interactions client, notamment dans les secteurs de la santé, de l'immobilier, du commerce ou des services. En automatisant ces flux, FONIO.AI promet de réduire les coûts opérationnels, d'éliminer les temps d'attente et de maintenir une disponibilité 24h/24, sans dégradation de la qualité perçue par l'appelant. Malgré une décennie de transformation numérique intense, le téléphone est resté l'une des rares interfaces professionnelles à résister à l'automatisation de masse. Les progrès récents en synthèse vocale et en compréhension du langage naturel ont enfin rendu viable ce que les SVI (serveurs vocaux interactifs) classiques ne pouvaient qu'esquisser maladroitement. FONIO.AI s'inscrit dans une vague de startups européennes qui misent sur la voix comme prochain grand chantier de l'IA appliquée, un marché encore largement à conquérir face aux acteurs américains.

BusinessActu
1 source
Anthropic lance Claude Fable 5 et Claude Mythos 5 : même modèle de base, garde-fous distincts, nouvelle catégorie Mythos
2428MarkTechPost 

Anthropic lance Claude Fable 5 et Claude Mythos 5 : même modèle de base, garde-fous distincts, nouvelle catégorie Mythos

Le 9 juin 2026, Anthropic a lancé deux nouveaux modèles d'intelligence artificielle : Claude Fable 5 et Claude Mythos 5. Les deux appartiennent à une nouvelle catégorie baptisée "Mythos-class", positionnée au-dessus de la classe Opus dans la hiérarchie de l'entreprise. Fable 5 est la version grand public, dotée de classifieurs de sécurité complets. Mythos 5 est le même modèle de base, mais avec certains de ces classifieurs désactivés, disponible uniquement en accès restreint. Les deux prennent en charge une fenêtre de contexte d'un million de tokens par défaut, permettent jusqu'à 128 000 tokens en sortie par requête, et sont tarifés à 10 dollars par million de tokens en entrée et 50 dollars par million en sortie, soit moins de la moitié du prix de Claude Mythos Preview lancé en avril. Anthropic positionne Fable 5 comme son modèle le plus performant jamais rendu publiquement disponible, particulièrement adapté au raisonnement complexe et aux tâches agentiques longues. Les résultats concrets le confirment : Stripe, lors d'un accès anticipé, a utilisé Fable 5 pour effectuer une migration à l'échelle d'une base de code Ruby de 50 millions de lignes en une seule journée, une opération qui aurait nécessité plus de deux mois à une équipe humaine. Sur l'évaluation FrontierCode de Cognition, Fable 5 obtient les meilleurs scores parmi les modèles frontier, même à effort moyen. En analyse financière, il dépasse tous les modèles sur le Finance Benchmark de Hebbia, conçu pour simuler le raisonnement de niveau analyste senior. En vision, il est capable de reconstruire le code source d'une application web à partir de captures d'écran seules, et a terminé le jeu Pokémon FireRed avec un dispositif minimal basé uniquement sur la vision. Ces deux modèles s'inscrivent dans la continuité de Claude Mythos Preview, sorti en avril 2026 via le Project Glasswing, qui avait déjà établi un palier supérieur dans les capacités d'Anthropic. La bifurcation en deux versions distinctes, Fable et Mythos, reflète une tension croissante dans le secteur : comment rendre accessibles des modèles extrêmement puissants sans en faciliter les usages malveillants. Les classifieurs de Fable 5, des systèmes IA distincts qui détectent les tentatives de contournement et bloquent les requêtes problématiques, constituent la réponse d'Anthropic à ce dilemme. Mythos 5, lui, reste réservé à des partenaires sélectionnés notamment dans le domaine scientifique : selon Anthropic, il a permis d'accélérer certaines étapes de conception de médicaments d'un facteur dix, et les scientifiques ont préféré ses hypothèses en biologie moléculaire dans 80 % des cas lors de comparaisons en aveugle. Le modèle a également mené une semaine de recherche génomique quasi-autonome, entraînant un modèle sur des données de cellules individuelles couvrant 138 espèces animales, surpassant un modèle récemment publié dans Science malgré une taille cent fois inférieure.

LLMsOpinion
1 source
Anthropic lâche enfin son IA Mythos… mais sous un autre nom
2429Le Big Data 

Anthropic lâche enfin son IA Mythos… mais sous un autre nom

Anthropic a officiellement lancé le 9 juin 2026 Claude Fable 5, un modèle d'intelligence artificielle qui n'est autre qu'une version publique de Mythos 5, son système jugé trop sensible pour être diffusé librement il y a deux mois. Les performances du modèle sont remarquables : sur SWE-Bench Pro, le benchmark de référence en ingénierie logicielle, Fable 5 atteint 80,3 %, contre 69,2 % pour Claude Opus 4.8, 58,6 % pour GPT-5.5 et 54,2 % pour Gemini 3.1 Pro. L'écart se creuse encore sur FrontierCode Diamond, un test d'évaluation des capacités de programmation avancée, où Fable 5 obtient 29,3 % contre 13,4 % pour Opus 4.8. Le modèle a également réussi à terminer Pokémon Rouge Feu en se basant uniquement sur des captures d'écran, sans carte ni outils de navigation, une prouesse que les générations précédentes ne pouvaient accomplir sans assistance externe. Le modèle est accessible via l'API Claude, Claude Code, ainsi que sur AWS, Google Cloud et Microsoft Foundry, à 10 dollars par million de tokens en entrée et 50 dollars en sortie. Ce lancement marque une avancée significative dans la course aux agents autonomes capables de produire du code de qualité professionnelle, avec un avantage technique mesurable sur les principaux concurrents. Pour les développeurs et les entreprises, Fable 5 représente un saut qualitatif réel sur les tâches longues et complexes, là où l'écart de performance avec les autres modèles est le plus prononcé. La décision de rendre le modèle accessible aux abonnés Pro, Max, Team et Enterprise sans surcoût jusqu'au 22 juin illustre une stratégie d'adoption agressive, avant une bascule vers un système de crédits dédiés. Son tarif de sortie, deux fois supérieur à celui d'Opus, le positionne néanmoins parmi les modèles les plus onéreux du catalogue Anthropic. La prudence initiale d'Anthropic autour de Mythos n'a pas disparu pour autant : Fable 5 embarque des systèmes de surveillance en temps réel qui redirigent automatiquement vers Claude Opus 4.8 les requêtes touchant à des domaines sensibles, notamment la cybersécurité offensive, la biologie, la chimie ou la reproduction de modèles d'IA. Ce filtrage ne concerne cependant que moins de 5 % des conversations, selon l'entreprise. La version originale, Mythos 5, reste quant à elle réservée à un cercle restreint d'organisations sélectionnées dans le cadre du programme Project Glasswing. Ce modèle à deux vitesses illustre la tension croissante entre la compétition commerciale qui pousse à publier les modèles les plus puissants et la pression réglementaire et éthique qui incite à en limiter l'accès, une dynamique qui devrait s'intensifier à mesure que les capacités des agents autonomes progressent.

LLMsOpinion
1 source
☕️ Google baisse le prix de son offre AI Plus d’entrée de gamme
2430Next INpact 

☕️ Google baisse le prix de son offre AI Plus d’entrée de gamme

Google a revu à la baisse le tarif de son abonnement AI Plus d'entrée de gamme : le prix passe de 7,99 à 4,99 euros par mois, soit une réduction de près de 38 %. En parallèle, le stockage inclus dans cette formule double, passant de 200 à 400 Go partagés entre Drive, Photos et Gmail. La formule 2 To change quant à elle de nom, elle s'appelle désormais « AI Plus » en remplacement de « Premium », mais reste facturée 9,99 euros par mois. Les offres supérieures évoluent également : AI Pro (21,99 euros/mois) voit son stockage passer de 2 à 5 To, tandis qu'AI Ultra reste disponible à partir de 99,99 euros pour 20 To de stockage. Cette baisse de prix positionne Google de façon plus agressive face à ses concurrents directs. L'offre AI Plus devient ainsi trois euros moins chère que ChatGPT Go d'OpenAI, rendant l'entrée dans l'écosystème Google AI nettement plus accessible. Pour les utilisateurs, c'est davantage de stockage pour moins cher, un argument concret au-delà du seul accès à l'IA. Toutefois, Google introduit en contrepartie de nouvelles limites d'utilisation dans l'application Gemini, calculées selon la complexité des requêtes, les fonctionnalités utilisées et la longueur des conversations. Ces plafonds se réinitialisent toutes les cinq heures, dans la limite d'un plafond hebdomadaire. Les abonnés AI Plus bénéficient de limites deux fois plus élevées que les utilisateurs non-abonnés, mais le forfait ne comprend plus les 200 crédits mensuels qui étaient auparavant inclus. Lancée en septembre 2025 en Indonésie avant d'être déployée dans la quasi-totalité du monde, l'offre AI Plus s'inscrit dans la stratégie de Google pour élargir sa base d'abonnés payants à l'ère de l'IA. La guerre des prix entre les grandes plateformes, Google, OpenAI, Microsoft, s'intensifie alors que chacune cherche à fidéliser les utilisateurs dans son écosystème. En abaissant le ticket d'entrée tout en ajustant les limites d'usage, Google tente de trouver l'équilibre entre adoption de masse et rentabilité de ses modèles, dont l'inférence reste coûteuse à grande échelle.

BusinessActu
1 source
Du BIM à l’intelligence du risque : ENLAYE lève 4,25 millions d’euros
2431FrenchWeb 

Du BIM à l’intelligence du risque : ENLAYE lève 4,25 millions d’euros

ENLAYE, startup française co-fondée par Philippe Rival et Stamatios Liapis, annonce une levée de fonds Seed de 4,25 millions d'euros. La société développe ce qu'elle appelle une plateforme d'intelligence du risque pour le secteur de la construction, une catégorie distincte des outils BIM (Building Information Modeling) traditionnels. Ce financement doit lui permettre d'accélérer le développement de sa technologie et d'élargir sa présence commerciale en France et en Europe. Si l'IA a déjà commencé à transformer la conception architecturale, l'analyse de plans, le suivi de chantier ou la planification des ressources, la gestion proactive du risque reste largement sous-outillée dans l'industrie du bâtiment. Pour les maîtres d'ouvrage, promoteurs et entreprises générales, un système capable d'anticiper les dérapages de coûts, de délais ou de sécurité avant qu'ils ne surviennent représente un levier économique direct, dans un secteur où les dépassements de budget restent chroniques et particulièrement coûteux. Le secteur BIM est en pleine mutation sous l'effet des réglementations européennes et de la pression croissante sur la rentabilité des projets. Plusieurs startups cherchent désormais à exploiter la donnée de chantier pour créer des services à haute valeur ajoutée au-delà de la simple modélisation. ENLAYE se positionne sur un segment encore peu concurrentiel en pariant que les acteurs du bâtiment sont prêts à investir dans la prévention plutôt que dans la réparation, une logique que les assureurs et grands donneurs d'ordre commencent à intégrer dans leurs exigences contractuelles.

BusinessActu
1 source
☕️ Mesure exceptionnelle de Bruxelles, qui impose à Meta de rouvrir WhatsApp aux IA concurrentes
2432Next INpact 

☕️ Mesure exceptionnelle de Bruxelles, qui impose à Meta de rouvrir WhatsApp aux IA concurrentes

La Commission européenne a ordonné à Meta de rouvrir WhatsApp aux assistants IA concurrents dans un délai de cinq jours ouvrables, une décision rendue publique en juin 2026 et valable jusqu'à la fin de l'enquête en cours, au plus tard juin 2029. Il s'agit de mesures conservatoires, un outil réglementaire utilisé de façon exceptionnellement rare par Bruxelles, qui estime que l'accès aux plateformes de messagerie est critique pour les acteurs de l'IA en plein essor. Teresa Ribera, vice-présidente de la Commission en charge de la concurrence, a justifié l'urgence de la mesure en estimant que certains concurrents pourraient disparaître avant même la fin de l'enquête si Meta maintenait ses restrictions. L'entreprise de Mark Zuckerberg a d'ores et déjà annoncé qu'elle ferait appel, dénonçant un "excès de zèle réglementaire" qui profiterait, selon elle, à des géants comme OpenAI au détriment des entreprises européennes qui paient pour accéder au service. L'enjeu est fondamental pour l'avenir du marché des assistants IA en Europe. WhatsApp compte plusieurs centaines de millions d'utilisateurs dans le monde, et en verrouiller l'accès revient à couper les concurrents de Meta d'un canal de distribution majeur à un moment où le secteur se structure encore. La Commission considère que si ces barrières persistent pendant toute la durée d'une enquête antitrust, les dommages causés à la concurrence seraient "presque impossibles à réparer". Pour les utilisateurs européens, la mesure garantit concrètement le droit de choisir leur assistant IA dans WhatsApp, plutôt que d'être orientés par défaut vers Meta AI. La chronologie révèle une stratégie d'éviction progressive. Les assistants IA tiers bénéficiaient d'un accès gratuit à l'API WhatsApp Business jusqu'en octobre 2025, date à laquelle Meta a modifié ses conditions d'utilisation pour exclure ses rivaux. Sous pression de Bruxelles, le groupe a formellement rouvert l'accès en mars 2026, mais en imposant des tarifs jugés prohibitifs par le régulateur. La procédure formelle avait été lancée en décembre 2025, suivie d'une communication de griefs en février 2026. Ce dossier s'inscrit dans une série de confrontations entre Meta et l'Union européenne, qui a déjà sanctionné le groupe sur la protection des données personnelles. L'issue de l'enquête, attendue d'ici 2029, pourrait établir un précédent structurant sur la manière dont les grandes plateformes doivent traiter les acteurs tiers dans l'écosystème de l'IA générative.

Les marchés adorent l’IA, les créanciers beaucoup moins. Pourquoi SOFTBANK peine à lever 6 milliards de dollars
2433FrenchWeb 

Les marchés adorent l’IA, les créanciers beaucoup moins. Pourquoi SOFTBANK peine à lever 6 milliards de dollars

SoftBank cherche à lever au moins 6 milliards de dollars via un emprunt garanti par sa participation dans OpenAI, mais les négociations avec les créanciers piétinent. Le conglomérat japonais de Masayoshi Son, qui a accumulé une position significative dans la startup d'IA en investissant notamment dans le cadre du projet Stargate, se heurte à la réticence des grandes banques et fonds de crédit, peu enclins à accepter des parts dans une entreprise privée non cotée comme collatéral suffisant pour un prêt de cette envergure. La difficulté illustre un paradoxe central du moment : si les marchés boursiers valorisent massivement l'IA et propulsent les cours des entreprises cotées exposées au secteur, les marchés du crédit restent nettement plus prudents. Accepter une participation dans OpenAI comme garantie implique de s'appuyer sur une valorisation de plusieurs centaines de milliards de dollars pour une société privée structurellement déficitaire, dont la trajectoire vers la rentabilité reste incertaine et dont la gouvernance atypique complique l'évaluation du risque. Cette situation s'inscrit dans le profil financier historique de SoftBank, un groupe habitué à des paris à fort levier sur la tech via son Vision Fund, et qui cherche aujourd'hui à monétiser ses positions sans les céder. Son engagement dans l'écosystème OpenAI est massif, il est l'un des piliers du projet Stargate, l'initiative à 500 milliards de dollars censée doter les États-Unis d'une infrastructure IA dominante. L'incapacité à convertir cette position stratégique en liquidités rapides pose la question de la soutenabilité financière d'une stratégie qui mise tout sur une valorisation encore théorique.

BusinessOpinion
1 source
Vulnérabilités des modèles vision-langage-action (VLA) face aux défauts physiques d'articulation
2434arXiv cs.RO 

Vulnérabilités des modèles vision-langage-action (VLA) face aux défauts physiques d'articulation

Des chercheurs ont publié le 10 juin 2026 (arXiv:2606.10501) une étude identifiant une vulnérabilité critique des modèles Vision-Language-Action (VLA) face aux défauts physiques articulaires. Ces modèles, qui traduisent instructions en langage naturel et observations visuelles en commandes motrices, équipent aujourd'hui les robots humanoïdes et manipulateurs les plus avancés. Les auteurs montrent que des failles réalistes, notamment dégradation d'actionneur, friction excessive due à l'usure, dommages de collision ou limites de sécurité restreintes, cassent la boucle fermée entre action commandée, mouvement réalisé et observation suivante, dégradant les taux de succès même pour des défauts physiquement « faisables ». L'impact varie selon l'articulation affectée, rendant toute mitigation générique difficile. En réponse, les auteurs proposent J-PARC (Joint-level Physical-fault Aware Residual Calibrator), un module léger ajouté au-dessus d'une politique VLA figée, qui infère un régime de défaut latent depuis la dynamique articulaire récente et applique une correction résiduelle adaptative sans modifier le modèle de base. Ce résultat comble un angle mort réel dans la validation des systèmes robotiques à base de VLA. L'effort de robustification s'est jusqu'ici concentré sur les variations perceptuelles et sémantiques : éclairage, occlusion, reformulation d'instructions. Or tout robot industriel accumule friction, chocs et dégradation d'actionneur au fil du temps. Montrer que ces perturbations physiquement réalisables suffisent à faire chuter les performances remet en cause l'hypothèse implicite qu'un VLA entraîné sur hardware neuf reste fiable tout au long de son cycle de vie opérationnel. Pour les intégrateurs et responsables de certification, c'est un signal fort : la robustesse mécanique doit entrer dans les critères de qualification aux côtés de la généralisation sémantique. L'approche J-PARC, sans fine-tuning ni capteur supplémentaire, offre une piste d'adaptation réaliste pour les déploiements existants. Les VLA ont connu une montée en puissance rapide depuis Pi-0 (Physical Intelligence, 2024) et GR00T N2 (NVIDIA, 2025), avec des déploiements annoncés chez Figure (modèle 03), Agility Robotics et 1X Technologies. Malgré leurs performances en laboratoire, leur comportement sur hardware vieillissant reste peu documenté dans la littérature. Ce papier s'inscrit dans une tendance croissante sur la fiabilité opérationnelle à long terme, aux côtés des travaux sur le sim-to-real gap. En Europe, des acteurs comme Enchanted Tools avec Mirokaï ou Wandercraft, où la dégradation articulaire est un enjeu quotidien en milieu médical ou logistique, sont directement concernés par ces résultats. Les prochaines étapes naturelles seront une validation sur hardware en vieillissement accéléré et l'intégration de J-PARC dans des pipelines de déploiement continu.

RechercheOpinion
1 source
Contrôle corps entier généraliste et adaptable pour la locomotion de divers humanoïdes
2435arXiv cs.RO 

Contrôle corps entier généraliste et adaptable pour la locomotion de divers humanoïdes

Des chercheurs ont publié sur arXiv (référence 2602.05791) un framework baptisé XHugWBC, conçu pour entraîner un contrôleur de locomotion whole-body universel sur une large distribution de morphologies humanoïdes, puis le déployer en zero-shot sur des robots non vus durant l'entraînement. Les expériences couvrent douze humanoïdes simulés et sept robots réels. Le système repose sur trois briques techniques : une randomisation morphologique physiquement cohérente (masse des segments, longueur des membres, inertie), des espaces d'observation et d'action alignés sémantiquement entre châssis hétérogènes, et une architecture de politique qui encode explicitement les propriétés morphologiques et dynamiques de chaque instance. L'entraînement est unique, "one-time training" : aucun fine-tuning par robot n'est requis à l'inférence. L'enjeu industriel est direct. Aujourd'hui, chaque équipe robotique entraîne ses contrôleurs de locomotion depuis zéro pour chaque châssis, ce qui représente des semaines de simulation et d'itérations sim-to-real. XHugWBC déplace ce coût vers une phase d'entraînement généraliste unique, ouvrant la voie à un modèle de déploiement où un intégrateur peut adopter un nouveau châssis humanoïde sans reconstruire l'intégralité de sa stack de contrôle. La validation sur sept robots physiques est plus convaincante que les résultats purement simulés habituels, même si la nature exacte des tâches testées et les taux de succès détaillés ne figurent pas dans le résumé disponible. La capacité de transfert zero-shot sur morphologies inédites renforce l'hypothèse que les biais structuraux appris sur distributions larges surpassent les politiques spécialisées sur certains régimes de locomotion, ce que le secteur débattait encore il y a dix-huit mois. Ce travail s'inscrit dans un mouvement vers les contrôleurs dits "fondation" pour la robotique incarnée. En manipulation, des systèmes comme pi-0 (Physical Intelligence) ou GR00T N2 (NVIDIA) ont déjà exploré la généralisation cross-embodiment sur bras et effecteurs; l'extension à la locomotion whole-body humanoïde est plus contrainte par la stabilité dynamique. Les acteurs du secteur, Figure Robotics (Figure 03), Unitree (G1, H1), Agility Robotics (Digit), Fourier Intelligence et 1X Technologies, maintiennent tous des pipelines de contrôle propriétaires et spécialisés. Si XHugWBC tient ses promesses à l'échelle, il réduirait significativement la barrière à l'entrée pour les nouveaux constructeurs, notamment les acteurs européens comme Enchanted Tools (Mirokaï) ou Wandercraft, qui ne disposent pas des ressources d'entraînement des géants américains. Le preprint n'a pas encore fait l'objet d'une évaluation par les pairs.

RobotiqueOpinion
1 source
Contrôle de flux : piloter les modèles vision-langage-action avec des entrées simples en temps réel
2436arXiv cs.RO 

Contrôle de flux : piloter les modèles vision-langage-action avec des entrées simples en temps réel

Des chercheurs publient en juin 2026 une méthode baptisée "flow control" (arXiv:2606.10180) permettant de piloter en temps réel les modèles VLA (Vision-Language-Action) via des entrées génériques, comme un clavier ou un joystick, sans aucun ré-entraînement ni fine-tuning. L'approche opère à l'inférence en orientant l'échantillonnage du modèle vers des actions qui reflètent l'intention de l'opérateur tout en restant dans la distribution experte apprise à l'entraînement. Les auteurs documentent dans ce preprint quatre propriétés mesurées : guidage précis et réactif, robustesse aux commandes imprécises, taux de succès améliorés avec réduction des temps de tâche, et enfin un gain de performance autonome lorsqu'on fine-tune le VLA sur les trajectoires corrigées par flow control. L'enjeu est concret pour les intégrateurs : les VLAs montrent des performances solides en démo, mais leurs taux d'échec en déploiement réel restent non nuls face aux variations d'environnement et aux instructions ambiguës. Plutôt que de corriger ces défauts par du ré-entraînement coûteux, flow control permet à un opérateur de guider le robot à la volée sans dégrader la qualité des mouvements générés. La boucle est vertueuse : les corrections humaines produisent des trajectoires haute qualité réutilisables comme données d'entraînement, traçant un chemin de déploiement progressif où la supervision humaine se retire au fil des itérations. Les VLAs ont pris de l'ampleur avec Pi-0 de Physical Intelligence (publié fin 2024), dont l'architecture repose précisément sur le flow matching, d'où le jeu de mots du titre. NVIDIA GR00T N2, OpenVLA (Berkeley/Stanford), et les modèles LeRobot de Hugging Face (Paris) constituent les autres plateformes où cette couche de contrôle pourrait s'intégrer sans modifier le pipeline d'entraînement existant. L'idée de guidage conditionné à l'inférence existe déjà en génération d'images via le classifier guidance des modèles de diffusion, mais son application à la robotique physique restait peu explorée. Les prochaines étapes annoncées dans le papier incluent le fine-tuning systématique sur trajectoires flow-control pour quantifier le gain autonome à plus grande échelle.

RobotiqueOpinion
1 source
Efficient-WAM : un modèle monde-action de 1 milliard de paramètres à faible coût d'anticipation
2437arXiv cs.RO 

Efficient-WAM : un modèle monde-action de 1 milliard de paramètres à faible coût d'anticipation

Une équipe de recherche présente Efficient-WAM, un World-Action Model (WAM) d'un milliard de paramètres conçu pour la manipulation robotique en temps réel, dont les résultats sont publiés sur arXiv (2606.10040) en juin 2026. Les WAMs constituent une classe de modèles qui couplent la prédiction visuelle du futur avec la génération d'actions motrices : le robot "imagine" ce que va ressembler la scène dans quelques instants avant de décider quoi faire. Efficient-WAM ramène la latence d'inférence à environ 100 ms par chunk lors du déploiement physique, soit un gain de 30x par rapport aux WAMs existants. Pour y parvenir, trois leviers techniques sont combinés : un expert vidéo compact distillé depuis WAN-2.2-5B (modèle de génération vidéo à 5 milliards de paramètres), des représentations vidéo token-sparse, et un débruitage asymétrique qui alloue moins d'étapes d'échantillonnage à la branche vidéo qu'à la branche action. Les évaluations portent sur le benchmark RoboTwin 2.0 et des tâches de manipulation en conditions réelles. Le résultat central est contre-intuitif : Efficient-WAM maintient des performances d'action compétitives même si ses prédictions visuelles sont visiblement grossières, ce qui invalide l'hypothèse implicite que la fidélité photorealiste de l'imagination future est nécessaire au contrôle. Pour un intégrateur ou un responsable robotique, cela signifie que le goulot d'étranglement computationnel des WAMs n'est pas une fatalité architecturale mais un problème de design résolu ici par une re-priorisation : la vidéo future n'est plus un objectif visuel mais un signal de guidage compact pour la génération d'actions. À 100 ms par chunk, le modèle entre dans la fenêtre de faisabilité pour des boucles de contrôle sur manipulateurs industriels ou cobots, là où les WAMs précédents restaient confinés à la démonstration labo. Les WAMs s'inscrivent dans une compétition dense avec les Vision-Language-Action models (VLAs) comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou OpenVLA, qui traitent directement la génération d'actions sans passer par la prédiction vidéo explicite. L'argument des WAMs est que l'imagination du futur améliore la robustesse en dehors de la distribution d'entraînement, mais leur coût computationnel a jusqu'ici limité leur adoption. Efficient-WAM rééquilibre ce trade-off. La distillation depuis WAN-2.2-5B, un modèle de génération vidéo généraliste, suggère une stratégie de transfer learning inter-domaine qui pourrait s'étendre à d'autres architectures. Les prochaines étapes naturelles sont l'évaluation sur des plateformes humanoïdes complètes et des déploiements en environnements semi-structurés, deux dimensions absentes de ce papier.

RobotiqueActu
1 source
Agir sur ce que l'on voit : vers une navigation sociale sûre dans les modèles vision-langage-action (VLA)
2438arXiv cs.RO 

Agir sur ce que l'on voit : vers une navigation sociale sûre dans les modèles vision-langage-action (VLA)

Des chercheurs ont publié le 10 juin 2026 sur arXiv (2606.10495) SALSA, un framework de post-entraînement en deux étapes destiné à rendre les modèles Vision-Language-Action (VLA) capables de naviguer en sécurité parmi des piétons. Sans aucune annotation humaine, la méthode réduit les quasi-collisions de 86,4 % et fait passer la précision de reconnaissance des situations sociales critiques de 53 % à 93 %, mesurée sur le dataset SCAND et lors de déploiements en conditions réelles. SALSA opère en deux temps : une étape d'alignement comportemental social connecte les représentations internes des couches intermédiaires du VLA à sa tête d'action, via un entraînement sur des paires scènes humain/objet contrefactuelles pour casser les raccourcis de saillance visuelle ; une étape d'alignement temporel de sécurité génère automatiquement une supervision sur le risque futur pour permettre une évitement anticipatoire, avant que le danger ne soit imminent, plutôt que purement réactif. L'intérêt principal de ce résultat est de démontrer que les VLA pré-entraînés encodent déjà, dans leurs représentations latentes, la distinction piéton/obstacle et des signaux de collision future, mais que le behavior cloning classique échoue à traduire ces signaux en actions appropriées. Pour les intégrateurs et décideurs industriels, cela signifie que des robots équipés de VLA existants (Pi-0, OpenVLA, GR00T N2) peuvent être rendus plus sûrs en navigation sociale sans réentraînement complet ni pipeline d'annotation coûteux. Le caractère annotation-free est industriellement significatif : il supprime le goulot d'étranglement du labeling humain qui freine le passage à l'échelle des approches d'apprentissage pour la navigation sociale. La navigation sociale en robotique mobile est un problème ouvert depuis une décennie : les approches classiques (Social Force Model, ORCA) ignorent le contexte sémantique, tandis que les méthodes RLHF nécessitent une récompense dense difficile à définir. SALSA s'inscrit dans une vague de travaux post-entraînement sur les VLA, aux côtés de méthodes comme DPO appliqué à la robotique et les pipelines de fine-tuning de Physical Intelligence. Les concurrents directs incluent les approches à modules de détection piéton explicites (Spot de Boston Dynamics, Nav2 avec costmaps sociaux) et les frameworks d'apprentissage par renforcement socialement conscients. Les chercheurs valident sur déploiement réel, mais sans préciser le matériel robotique utilisé ni les conditions d'environnement, un point à surveiller avant toute généralisation industrielle.

RechercheOpinion
1 source
VeriSpace : une méthode de vérification spatiale des actions pour les modèles vision-langage-action
2439arXiv cs.RO 

VeriSpace : une méthode de vérification spatiale des actions pour les modèles vision-langage-action

Un préprint déposé sur arXiv le 10 juin 2026 (identifiant 2606.10568) présente VeriSpace, un vérificateur d'actions tridimensionnel conçu pour renforcer la fiabilité des modèles VLA (Vision-Language-Action) en robotique de manipulation. Ces modèles interprètent une scène visuelle et un objectif en langage naturel pour générer des commandes motrices, mais souffrent d'une limite structurelle : la prédiction se fait en un seul coup, sans réévaluation avant exécution. La moindre imprécision sur la position de préhension peut provoquer un échec de saisie, une collision ou une progression erronée dans la tâche. VeriSpace propose une vérification au moment du test (test-time verification) : le système génère plusieurs actions candidates que le vérificateur évalue avant d'en sélectionner une pour exécution. Il s'appuie sur deux composants : un encodage de scène à double chemin intégrant la géométrie 3D explicite (Dual-Path 3D-Injected Scene Encoding), et un raisonnement spatial sur les relations géométriques, la validité de chaque action et sa progression attendue vers l'objectif. Les expériences couvrent des benchmarks publics et des tâches de manipulation réelles, avec des gains rapportés en distribution et hors distribution, bien que les valeurs précises ne figurent pas dans le résumé du preprint. Cette approche répond à une fragilité bien documentée : les VLA, malgré les progrès de modèles comme pi-0 (Physical Intelligence) ou GR00T N2 (NVIDIA), restent vulnérables dès que la scène présente une ambiguïté géométrique subtile. La vérification au test-time n'est pas une idée nouvelle, mais VeriSpace la rend opérationnelle sur des scènes 3D réelles, là où les approches précédentes peinent à distinguer des actions candidates géométriquement proches aux conséquences pourtant très différentes. Son mode d'intégration plug-in, compatible avec les politiques VLA existantes sans modification, facilite l'adoption dans des pipelines déjà déployés. Pour les équipes robotique industrielle, c'est un mécanisme potentiellement utile pour réduire les taux d'échec sans requalifier les modèles sous-jacents. Le contexte est celui d'une compétition intense autour de la robustesse des VLA. Physical Intelligence, Google DeepMind (RT-2), NVIDIA et plusieurs équipes académiques de Berkeley, Stanford et CMU investissent massivement dans la généralisation et la réduction du sim-to-real gap. La vérification d'actions au test-time est une direction en émergence, distincte du fine-tuning continu ou de l'augmentation de données d'entraînement. VeriSpace reste pour l'instant au stade de préprint académique, sans annonce de déploiement industriel ni partenariat commercial associé. Les prochaines étapes naturelles seraient une évaluation chiffrée sur des benchmarks standardisés comme RoboSuite ou Open X-Embodiment, et une intégration dans des pipelines open-source pour validation par la communauté.

RechercheOpinion
1 source
MV-Actor : sémantique multi-vue et conscience spatiale alignées pour la manipulation bimanuelle
2440arXiv cs.RO 

MV-Actor : sémantique multi-vue et conscience spatiale alignées pour la manipulation bimanuelle

Des chercheurs ont présenté MV-Actor (arXiv:2606.10899, juin 2026), un framework de perception multi-vues conçu pour la manipulation bimanuele robotique. Le système intègre trois modules successifs : Multi-view Semantic Interaction, qui partage la perception sémantique entre les différents flux caméra plutôt que de les traiter isolément ; Semantic-Spatial Token Interaction, qui ancre ces sémantiques visuelles dans une représentation 3D via un modèle de reconstruction feed-forward ; et un module Guided Metric Depth Repair, qui corrige la profondeur dégradée issue de capteurs grand public (Intel RealSense, Azure Kinect) pour fournir des ancres métriques fiables. Sur le benchmark PerAct2, référence académique dédiée à la manipulation bimanuele multi-tâches, MV-Actor atteint un taux de succès moyen de 87,8%, niveau state-of-the-art. Les évaluations en conditions réelles, avec changements de points de vue fréquents et profondeur bruitée, confirment des gains mesurables par rapport aux baselines RGB et RGB-D. Le verrou que MV-Actor tente de lever est structurel : les politiques multi-vues existantes encodent chaque vue indépendamment ou fusionnent les features de façon superficielle, ce qui produit une perception sémantique fragmentée et une localisation spatiale peu fiable. Pour les intégrateurs B2B qui déploient des cellules à deux bras (assemblage, emballage, picking de pièces déformables), c'est un problème concret : une politique qui "voit" mais ne comprend pas la cohérence entre vues génère des échecs en tâches coordonnées. Le module de réparation de profondeur est notable car il évite le recours à des lidars industriels onéreux, ce qui abaisse le seuil d'adoption. Le 87,8% sur PerAct2 est encourageant, mais ce benchmark reste simulé pour l'essentiel ; les auteurs mentionnent des tests réels sans publier de métriques détaillées par tâche, un point à nuancer. La manipulation bimanuele est un objectif central de plusieurs équipes : CMU, Stanford, ETH Zurich côté académique, et côté industrie les équipes de Figure, 1X Technologies et Sanctuary AI, qui intègrent des bras duaux dans leurs humanoïdes. Les politiques VLA (Vision-Language-Action) comme Pi-0 de Physical Intelligence ou les travaux DeepMind sur RoboVLMs s'attaquent au même problème de coordination multi-membres. PerAct2, publié en 2024, étend PerAct au cas bimanuel et s'impose comme référence de comparaison. MV-Actor est pour l'heure un travail académique sans affiliation industrielle déclarée ; aucun pilote ni partenariat de déploiement n'est annoncé, ce qui le situe côté recherche fondamentale plutôt que produit imminent.

RobotiqueOpinion
1 source