À l'institut singapourien A*STAR IMRE, qui conçoit de nouveaux matériaux, un vieux réacteur à micro-ondes n'a pas d'API. Il a un écran tactile. Son directeur exécutif, le professeur Loh Xian Jun, veut que des robots guidés par Gemini Robotics ER 2 sachent « lire l'écran tactile d'un ancien réacteur à micro-ondes dépourvu d'API, équilibrer et charger une centrifugeuse, ou déplacer des échantillons en sécurité dans un laboratoire très fréquenté ».

Il le dit dans le billet de Google Cloud qui ouvre le modèle en préversion publique le 27 octobre 2026. Puis il précise : « C'est le niveau suivant que nous aspirons à atteindre. » Une préversion publique sur Google Cloud, trois mois après l'API Google DeepMind a présenté ER 2 le 30 juillet 2026. Le billet de lancement le disait déjà « disponible publiquement pour les développeurs via l'API Gemini, Google AI Studio », et en préversion privée sur Gemini Enterprise Agent Platform, la plateforme d'IA de Google Cloud.

Depuis le 27 octobre, n'importe quelle entreprise cliente peut l'appeler sur cette plateforme, dans Model Garden, sous l'identifiant gemini-robotics-er-2-preview, l'essayer dans Agent Studio, puis le déployer avec la gestion des droits et les contrôles de sécurité de Google Cloud. Le modèle reste une préversion. Son prédécesseur, ER 1.6, figure comme arrêté depuis le 31 août 2026 dans la documentation de l'API Gemini.

Il planifie et vérifie, un autre modèle exécute les gestes Google le décrit comme « un cerveau de haut niveau pour les robots », qui « confie ensuite l'exécution motrice à n'importe quel modèle vision-langage-action (VLA) de plus bas niveau ». Le développeur déclare comme outils les commandes dont il dispose, un VLA, une API de navigation ou ses propres fonctions. ER 2 reçoit la vidéo, le son ou le texte, découpe la tâche, appelle ces outils, puis regarde la vidéo pour juger si l'étape a réussi et la relance sans reprendre tout le processus.

Le modèle, bâti sur Gemini 3.5 Flash d'après sa fiche technique, ne produit que du texte. En juillet, DeepMind lui a fait piloter les API de navigation et de bras du robot Spot de Boston Dynamics pour aller chercher des objets à la demande. Le modèle qui commande les moteurs, Gemini Robotics 2, est réservé à des partenaires en accès anticipé, d'après le billet de DeepMind du 30 juillet.

Une usine qui veut essayer ER 2 doit donc lui fournir ses propres commandes : les API du constructeur de ses robots, ou un modèle d'action entraîné par ailleurs. Des chiffres maison, sans concurrent nommé Google revendique 91,3 % de précision pour repérer, dans une vidéo, l'image où survient un événement critique, comme le moment d'arrêter de verser un liquide, avec un écart moyen de 0,96 seconde. Le modèle tournerait à « 4 fois la vitesse d'exécution » de « nombreuses catégories de modèles plus grands », qui ne sont pas nommées.

Sur la classification de l'avancement d'une tâche, le billet de juillet annonce 57,4 % de réponses justes. C'est la capacité dont dépend la relance d'une étape ratée. Sur ce test, dont Google ne publie ni le protocole ni les scores concurrents, 42,6 % des réponses restent fausses.

La sécurité reste à la charge de l'exploitant La documentation robotique de l'API Gemini est explicite : « il vous incombe de maintenir un environnement sûr autour du robot ». La fiche technique exclut les applications critiques pour la sécurité, comme la santé ou les transports, partout où une défaillance pourrait entraîner la mort, des blessures ou des dégâts matériels. Le rapport de sécurité de DeepMind, daté du 29 juillet 2026, mesure que les meilleurs modèles testés détectent sur une image le franchissement d'une limite d'un mètre autour d'une personne avec une précision d'environ 79 à 93 %.

Dans la version agentique du test, les modèles qui ramènent vers 10 à 15 % la part d'arrêts manqués quand une personne est proche arrêtent le robot sans raison 15 à 25 % du temps. Aucun n'approche zéro sur les deux tableaux. Le rapport conclut qu'il est « actuellement préférable » d'utiliser ces modèles avec « des garde-fous de sécurité déterministes de bas niveau ».

L'inspection industrielle, seul usage décrit, a été bâtie sur ER 1.6 Le seul usage robotique décrit en exploitation dans ces annonces vient de Boston Dynamics. Le 8 avril 2026, AIVI-Learning, son module d'inspection visuelle pour Spot, est passé à Gemini Robotics ER 1.6 pour les clients inscrits : lecture de jauges et d'afficheurs, niveau des voyants de liquide, dégâts sur un convoyeur, flaques et débris, comptage de palettes. Le partage des données avec Boston Dynamics est obligatoire.

Dans le billet du 27 octobre, Marco da Silva, qui dirige l'activité Spot, estime qu'ER 2 apporte « encore plus de valeur » à ces clients : « La vidéo change ce que peut être une inspection. » Aucun calendrier de bascule vers ER 2 n'est publié. DeepReach, dont Chris Liu est cofondateur, se sert de son côté d'ER 2 pour trier des enregistrements de gestes de professionnels qualifiés destinés à entraîner des modèles d'IA physique. Un dollar le million de tokens en entrée, net de crédits, jusqu'à la fin de 2026 Google Cloud propose de préparer les essais en simulation dans MuJoCo-Warp ou NVIDIA Isaac Sim, puis de déporter la cartographie et le calcul de trajectoire sur site avec Google Distributed Cloud.

Le modèle de monde Genie 4, présenté par DeepMind le même 27 octobre comme une aide pour « développer des environnements d'entraînement pour des robots et des agents », n'est ouvert pour l'instant qu'à des testeurs de confiance. Le premier essai se fait dans Agent Studio, avec ses propres images ou vidéos. La grille tarifaire de Google Cloud affiche pour ER 2 un prix promotionnel de 1 dollar le million de tokens en entrée, texte, image, vidéo ou son, et de 5 dollars en sortie, raisonnement compris, jusqu'au 31 décembre 2026.

Ce n'est pas une remise sur facture : Google reverse en crédits 50 % de la dépense nette, sans préciser sur la page quand ces crédits sont versés ni combien de temps ils restent valables. Au 1er janvier 2027, la promotion s'arrête et la grille affiche 2 dollars en entrée et 10 en sortie. Citations traduites de l'anglais par ActuIA.

Ajouter ActuIA à mes sources préférées sur Google Nos articles remonteront en priorité dans « À la une » de Google. ST Stephane Nachez Rédaction ActuIA - actualités, données et analyses sur l'intelligence artificielle pour les décideurs.