● Journal du Net 📅 06/05/2026 à 11:00

Géopolitique 👤 Michel Kurek

🏷️ Tags : chine ukraine cert chatgpt réseau rte

Après deux années passées à célébrer la course aux modèles de langage géants, une autre révolution s'installe sans tambour : celle des robots autonomes. Drones, cobots industriels, véhicules de livraison, plateformes mobiles de défense, humanoïdes de service : partout, l'intelligence artificielle quitte le cloud pour s'incarner dans le monde physique. La Fédération internationale de la robotique parle déjà d'un « moment ChatGPT pour l'IA physique ». Mais derrière cette promesse se cache une contrainte simple et largement sous-estimée : un robot n'a ni la bande passante, ni la batterie, ni la latence tolérable pour faire tourner un modèle de 70 milliards de paramètres. La robotique autonome ne sera pas portée par des modèles toujours plus gros. Elle le sera par des modèles plus petits, plus rapides, et surtout embarqués. Une IA qui redescend du cloud vers la machine Le rapport du CETaS (Alan Turing Institute, mars 2026) identifie quatre trajectoires majeures à horizon 2035 : les modèles de fondation pour la robotique, les modèles du monde simulant l'environnement physique, les humanoïdes polyvalents et les essaims de petits robots autonomes. Ces quatre trajectoires partagent une caractéristique : elles reposent sur une IA qui doit s'exécuter au bord (at the edge), sans dépendre d'une liaison stable avec un centre de calcul distant. Le marché mondial des humanoïdes pourrait atteindre 38 milliards de dollars en 2035. Celui des robots de service et des cobots croît déjà à deux chiffres. Aucun de ces systèmes ne peut se permettre un aller-retour vers le cloud entre la perception et l'action. La contrainte physique redéfinit l'IA Un modèle utile à un robot doit tenir dans quelques gigaoctets de mémoire, consommer quelques watts et répondre en quelques millisecondes. Ces trois contraintes — poids, énergie, latence — sont devenues la nouvelle frontière de l'ingénierie IA. Elles s'appliquent au drone de reconnaissance comme au robot aspirateur, au bras de montage comme au véhicule autonome. L'exemple le plus frappant vient de la NASA : le rover Perseverance embarque désormais des modèles de fondation dérivés d'architectures de vision de nouvelle génération pour réduire la dépendance aux cycles de communication avec la Terre. L'espace profond n'a pas attendu l'hyperscale ; il a directement adopté des modèles compressés. Le double usage comme réalité industrielle La robotique autonome est, par nature, une technologie duale. L'Europol, dans son rapport Unmanned Future(s), rappelle que la guerre en Ukraine est devenue un accélérateur mondial : 1,5 million de drones FPV produits en 2024, un objectif de 4,5 millions pour 2025, plus de 200 entreprises domestiques, 10 000 drones dotés d'IA embarquée acquis en une seule année. Les mêmes composants, les mêmes architectures logicielles et souvent les mêmes chaînes d'approvisionnement irriguent les usages civils : logistique du dernier kilomètre, inspection d'infrastructures, agriculture de précision, maintenance industrielle. Du côté défense, les essaims de petits robots à faible coût ; du côté civil, les flottes de cobots collaboratifs. Dans les deux cas, chaque unité embarque peu de calcul. La valeur se déplace vers la capacité à faire tourner des modèles compacts, robustes et distribués. Les techniques qui rendent possibles les petits modèles Plusieurs familles de techniques convergent pour donner à ces machines une intelligence exploitable sur site. La distillation de connaissances transfère le savoir d'un grand modèle vers un modèle beaucoup plus petit. La quantification réduit la précision numérique des poids sans dégrader significativement la qualité. La compression par réseaux de tenseurs, issue de la physique computationnelle, élimine les redondances internes des matrices de poids et ouvre la voie à des facteurs de réduction supérieurs à ceux des approches classiques. Les petits modèles de langage spécialisés (edge SLMs) démontrent qu'un modèle entraîné pour un domaine restreint peut surpasser, à tâche égale, un modèle généraliste dix fois plus gros. Enfin, les architectures neuromorphiques, que des acteurs comme Intel explorent depuis plusieurs années, promettent une efficacité énergétique d'un autre ordre de grandeur, essentielle pour les robots autonomes de longue durée. Un enjeu de souveraineté pour l'Europe Les deux rapports convergent sur un constat sévère pour le continent. Le CETaS classe le Royaume-Uni au 24ᵉ rang mondial pour l'adoption robotique. L'Europol décrit une Europe « critiquement dépendante d'entreprises étrangères pour le matériel et les logiciels de robotique avancée ». Les chaînes critiques se concentrent hors de nos frontières : réducteurs harmoniques de précision dominés à 80 % par un seul fabricant japonais, minéraux critiques contrôlés par la Chine, plateformes logicielles de robotique développées majoritairement outre-Atlantique. Miser sur des modèles plus petits, plus efficaces et déployables localement n'est pas seulement un choix technique ; c'est une voie crédible pour reprendre de l'autonomie sur la couche IA, là où la bataille de l'hyperscale est déjà perdue. Gouvernance et sécurité : le chantier suivant L'Europol souligne un angle mort réglementaire : les cadres européens sur les drones et les systèmes autonomes ont été conçus avant l'arrivée massive d'IA embarquée. Ni la certification du comportement d'un modèle compressé, ni la traçabilité d'une décision prise en quelques millisecondes par un robot, ni la responsabilité en cas d'erreur ne disposent aujourd'hui d'un socle juridique solide. Le CETaS ajoute une préoccupation : la rareté des données d'entraînement physique — séquences de manipulation, interactions multi-capteurs, environnements réalistes — constitue un verrou aussi sérieux que les limitations matérielles. Sans cadres de gouvernance adaptés aux petits modèles embarqués, la confiance du public pourrait s'éroder avant même que les usages ne se déploient à grande échelle. Le moment du choix La trajectoire est claire : d'ici 2035, l'intelligence artificielle qui comptera vraiment ne sera pas celle des centres de calcul géants, mais celle qui tient dans le calculateur embarqué d'un drone, dans le bras d'un cobot ou dans la carte mère d'un véhicule autonome. Cette IA-là ne s'obtient pas en empilant des paramètres ; elle se construit par la compression, la distillation, la quantification et la spécialisation. Pour l'Europe, et pour la France en particulier, c'est une opportunité industrielle rare : celle de faire de l'efficacité, et non de la taille, la marque de fabrique de notre écosystème robotique. Le pari des petits modèles n'est pas un repli par défaut. C'est la condition même d'une robotique autonome viable, souveraine.

🔗 Lire l'article original 👁️ 1 lecture