Un geste humain de quelques secondes, et le robot se met au travail. Le nouveau modèle GEN-1.5 de Generalist AI peut apprendre une tâche physique à partir d’une seule démonstration, puis changer de main, contourner un obstacle ou détourner un objet de son usage. La prouesse ressemble à l’apprentissage d’un jeune enfant. Le hic : il échoue encore quatre fois sur dix.
GEN-1.5 n’a besoin que de quelques secondes pour comprendre
Apprendre un nouveau geste à un robot exige habituellement de multiplier les démonstrations, entraîner le modèle puis corriger ses erreurs. Generalist AI affirme avoir raccourci brutalement cette boucle. GEN-1.5 peut apprendre une tâche à partir de 3 à 12 secondes d’une seule démonstration, sans mise à jour de ses paramètres ni entraînement spécifique.
La startup appelle cela du « physical prompting ». Au lieu d’écrire une consigne comme avec ChatGPT, un humain montre le geste. Le modèle observe la séquence sensorimotrice, déduit le but puis contrôle le robot. C’est une version très physique du prompt, proche de ce que Google poursuit avec Gemini Robotics-ER : faire sortir l’IA de l’écran pour la confronter au réel.
La vidéo officielle permet de voir démonstrations, exécutions et récupérations d’erreurs. Le robot n’est plus seulement programmé : il est montré.
Une banane devient une brosse, sans mode d’emploi
Le plus troublant n’est pas que le robot imite. C’est qu’il cesse parfois d’imiter pour atteindre le même objectif autrement. Le modèle avait appris à pousser un cube dans un bol avec une brosse. Face à une banane, il s’en est servi comme brosse improvisée. Avec une pelle à poussière, il a changé de stratégie pour soulever le cube avant de le verser.
WIRED a aussi observé un robot ouvrir une pochette différente de celle montrée en exemple pour en retirer des billets. Incapable de les saisir correctement de la main droite, il a basculé vers la gauche pour trouver un meilleur angle. Voilà exactement ce qui manque aux automates rigides, brillants tant que le décor ne bouge pas.
Derrière le prodige, une montagne d’expérience physique
Cette souplesse n’est pas tombée du ciel. Generalist entraîne ses modèles sur des interactions réelles collectées avec des préhenseurs portatifs équipés de caméras. Des humains effectuent des gestes, et la machine absorbe mouvements, contacts et conséquences. GEN-1 avait déjà été préentraîné sur plus d’un demi-million d’heures d’interactions physiques, avec plusieurs types de mains robotiques.
GEN-1.5 dispose d’une mémoire vidéo de 30 secondes et produit des trajectoires d’action à 100 Hz. Generalist affirme que le one-shot learning et l’improvisation sont apparus sans mécanisme spécialement ajouté pour les provoquer. À force d’absorber assez d’expérience physique, le modèle commence à généraliser. Une logique proche des grands modèles de langage, mais avec des objets qui tombent quand on les lâche.
59 % de réussite : le petit génie casse encore beaucoup de vaisselle
La comparaison avec un enfant malin a ses limites. Sur dix tâches variées, GEN-1.5 réussit en moyenne 59 % des tentatives après une seule démonstration. Avec cinq minutes de données et dix étapes d’adaptation, le score monte à 83 %. Generalist reconnaît que les tâches restent simples, courtes et que les compétences apprises instantanément sont plus fragiles que celles affinées ensuite.
Pour Jean-Baptiste Mouret, directeur de recherche Inria et cofondateur de Bleu Robotics, c’est pourtant bien la bonne bataille. « Il est crucial pour le développement des robots dans l’industrie de pouvoir apprendre à partir de très peu de démonstrations », explique-t-il à LeBigData.fr. Sa propre startup travaille d’ailleurs sur des algorithmes capables d’apprendre à partir de seulement 1 à 10 démonstrations.
La raison est très concrète : beaucoup de tâches seraient déjà automatisables, mais ne le sont pas parce que le temps d’ingénierie nécessaire au déploiement coûte trop cher, surtout lorsqu’une usine change régulièrement de commandes ou de processus. Pouvoir simplement montrer une nouvelle tâche au robot ferait donc sauter un verrou économique autant que technique.
Mais Mouret pointe aussi la faiblesse la plus difficile à mesurer dans les démonstrations de Generalist : à quel point les nouvelles tâches sont-elles réellement éloignées de celles présentes dans son immense jeu de données ? Le chercheur estime surtout qu’il faudra vérifier si ces capacités fonctionnent dans de vraies usines, et pas uniquement dans un laboratoire contrôlé, avec des taux de réussite « acceptables par l’industrie », qu’il situe à plus de 99 %.
Personne ne devrait donc encore lui confier une cuisine ou une chaîne de montage sans garde-fous. Les démonstrations viennent en outre de Generalist, dont le modèle reste propriétaire et la recette exacte opaque. Entre les 59 % affichés en apprentissage instantané et les plus de 99 % attendus dans l’industrie, le gouffre reste immense. L’enfant prodige sait improviser avec une banane ; il doit maintenant apprendre à ne presque plus jamais se tromper.
Le vrai basculement serait de « montrer » un métier au robot
Si cette capacité progresse vers une fiabilité industrielle, la conséquence dépasse les démonstrations de laboratoire. Des entreprises construisent déjà des terrains d’entraînement géants comme le Robot Park d’Apptronik, tandis que des machines comme le Unitree G1 transforment des instructions en actions. Generalist tente de supprimer l’étape la plus coûteuse : programmer chaque nouveau geste.
La société a levé 400 millions de dollars en juin, portant son financement total à plus d’un demi-milliard. Derrière cette montagne d’argent se cache une idée simple : former un robot pourrait ressembler moins à développer un logiciel qu’à former un collègue. On lui montre, il essaie, se corrige, puis recommence. Si son taux d’échec s’effondre, ce sera un raccourci brutal vers l’automatisation des tâches physiques.
- Partager l'article :
