Le 30 juillet 2026, Google DeepMind a lancé Gemini Robotics ER 2, un modèle d’intelligence artificielle conçu pour piloter des robots physiques. Présenté comme le « cerveau de haut niveau » des agents incarnés, il succède à ER 1.6 et prend en charge le contrôle du corps entier, là où les versions précédentes se limitaient souvent à des tâches de table.
À retenir
- Gemini Robotics ER 2 repose sur l’architecture Gemini 3.5 Flash avec une fenêtre de contexte de 128 000 jetons.
- Le modèle atteint une précision de 91,3 % dans la détection de moments clés (« moment-finding »).
- Le contrôle du corps entier est démontré avec le robot Apollo 2 d’Apptronik (92 % de précision en manipulation).
- Le modèle On-Device 2 s’adapte à un nouveau robot en quelques heures, avec moins de 200 exemples.
- La version ER 1.6 sera arrêtée fin août 2026, poussant les développeurs à migrer rapidement.
Cette sortie rapproche la robotique d’usages concrets en entrepôt, en laboratoire ou en usine. Pour les développeurs, l’accès via l’API Gemini et Google AI Studio ouvre la voie à des prototypes qui raisonnent en continu sur leur environnement, sans scripts rigides. L’idée est simple : transformer des machines exécutantes en agents capables de planifier et de s’adapter.
Un modèle conçu pour l’action, pas seulement pour la perception
Gemini Robotics ER 2 ne se contente pas d’observer son environnement : il interprète les images, identifie les étapes d’une tâche et décide de la suite. Cette capacité est rendue possible par une architecture pensée pour la vitesse et l’analyse vidéo.
Une architecture pensée pour la vitesse et l’analyse vidéo
Le modèle repose sur Gemini 3.5 Flash, une version du LLM optimisée pour la faible latence. Selon Google DeepMind, il exécute le raisonnement à une vitesse quatre fois supérieure à celle de ses concurrents, pour une même catégorie de calcul. Cette rapidité compte dans des environnements dynamiques : une décision tardive peut provoquer un accident. La fenêtre de contexte atteint 128 000 jetons, ce qui lui permet de garder en mémoire une longue séquence d’observations.
« Gemini Robotics ER 2 agit comme le cerveau de haut niveau qui comprend l’environnement et planifie des tâches complexes sur plusieurs minutes. »
Extrait du blog de Google DeepMind.
Du suivi de progression au « moment-finding »
Le modèle traite des flux vidéo continus pour comprendre l’évolution d’une tâche physique. Il atteint une précision de 91,3 % dans le « moment-finding », c’est-à-dire l’identification du moment exact où une étape se termine ou échoue. En cas d’échec, il peut se corriger sans intervention humaine. Il sait aussi lire des instruments et pointer des objets dans l’espace, deux compétences utiles dans un laboratoire ou un entrepôt. L’orchestration d’outils, intégrée nativement, permet au robot d’appeler des API externes comme Google Search pour compléter une tâche.
Un contrôle du corps entier et une collaboration multi-robots
La suite Gemini Robotics 2 comprend un second modèle, de type vision-language-action (VLA), c’est-à-dire un modèle qui relie la perception visuelle, le langage et l’exécution motrice. Il transforme des plans de haut niveau en commandes motrices précises.
Gemini Robotics 2 (VLA) : de la planification au geste
Le robot coordonne désormais ses jambes, son torse et ses bras : marcher, s’accroupir, se pencher ne sont plus des actions séparées mais des mouvements intégrés. Lors des démonstrations avec le robot Apollo 2 d’Apptronik, le système a atteint une précision de 92 % dans les tâches de manipulation manuelle. Les robots humanoïdes peuvent ainsi enchaîner des actions complexes sur plusieurs minutes, une durée nettement supérieure aux capacités des versions précédentes. La collaboration multi-robots permet à plusieurs automates de partager une compréhension sémantique commune et de se répartir les tâches dans un même espace de travail.
Une adaptation rapide à de nouveaux matériels
Le modèle On-Device 2 peut être calibré sur un nouveau robot en quelques heures, avec moins de 200 exemples d’entraînement. Cette flexibilité lève un obstacle important à l’adoption : les fabricants n’ont plus besoin de développer des scripts dédiés pour chaque machine. La possibilité d’« apprendre sur le tas » par simple observation ou avec quelques démonstrations humaines accélère le déploiement industriel. Cette approche couvre tout le corps, des orteils jusqu’au bout des doigts.
Des enjeux de sécurité et de déploiement
La montée en autonomie des robots physiques pose la question de la sécurité, et Google DeepMind y répond avec un nouveau benchmark.
Le benchmark ASIMOV-Agentic
DeepMind a développé ASIMOV-Agentic pour évaluer les comportements à risque des agents robotiques. Il vise à tester la capacité des modèles à éviter des actions dangereuses dans des scénarios variés. Cet outil de mesure doit servir à normaliser les pratiques avant un déploiement à grande échelle. Aucun détail chiffré n’a encore été publié, mais son intégration dans la suite Gemini Robotics 2 montre que la sécurité est traitée comme un prérequis, et non comme une option.
Partenariats et transition depuis ER 1.6
Google a noué des partenariats avec des acteurs majeurs comme Apptronik et Boston Dynamics. L’arrêt d’ER 1.6 est prévu pour la fin août 2026. Les développeurs doivent donc basculer rapidement sur la nouvelle version pour continuer à bénéficier des mises à jour. Google veut en faire une couche d’intelligence commune pour les robots, comparable à un système d’exploitation pour humanoïdes.
Laisser un commentaire
Vous devez vous connecter pour publier un commentaire.