Le pari de OpenAI sur la robotique : l’échelle gagne, mais qui expliquera les échecs ?
Intégrer la robotique aux modèles généraux peut être efficace, mais cela dissout les spécialistes qui sauraient pourquoi un robot a lâché la bouteille, et c’est plus important que le benchmark.
Photo : Cwoo4792 / Wikimedia Commons (CC BY-SA 3.0)
Comment appelle-t-on un programme de robotique sans équipe de robotique ? Soit la stratégie la plus assurée de l’IA, soit une manière très élégante de réduire les coûts. Probablement les deux.
Selon une exclusivité de Fortune, OpenAI a dissous son équipe de robotique autonome. Les chercheurs dépendent désormais de Mark Chen, directeur de la recherche, tandis que le personnel de robotique appliquée et de matériel est passé sous l’autorité du président, Greg Brockman. L’entreprise affirme que la robotique reste un élément central de sa vision à long terme, et Sam Altman viserait une première démonstration publique de son propre humanoïde en 2027.
La raison avancée est que les grands modèles généraux de pointe, dont GPT-6 Astra, peuvent désormais être appliqués directement aux robots. Fortune cite une étude de Nvidia dans laquelle un agent propulsé par Astra a atteint 74,8 % sur un benchmark de manipulation simulée, contre 51,0 % pour les meilleurs modèles robotiques spécialisés de ce classement.
Le pari de l’échelle est plus crédible qu’il n’y paraît
Il est facile de se moquer, mais nous trouvons la logique cohérente. Guanya Shi, de Carnegie Mellon, a confié à Fortune y voir le signe que OpenAI considère la robotique comme « plus un problème à part », une simple application en aval de l’intelligence générale, comme les outils de programmation ou juridiques. Si le modèle qui écrit du code peut aussi saisir une bouteille placée à un endroit inattendu ou sous un éclairage étrange, une équipe distincte pour le cerveau du robot commence à ressembler à un doublon.
C’est aussi l’histoire de ces dernières années en IA: les systèmes spécialisés continuent de perdre face à de plus grands systèmes généraux. Un écart de près de 24 points sur un benchmark est difficile à balayer. Notre réserve: il s’agit d’un benchmark simulé, pas d’une usine, et les benchmarks sont précisément le terrain où les modèles généraux brillent le plus.
La question d’argent est sous nos yeux
Ne voyez pas là de la science pure. Fortune note que OpenAI est sous pression pour maîtriser ses coûts, a abandonné des « projets annexes » (Sora compris), aurait perdu 10,9 milliards de dollars en pertes d’exploitation lors de son dernier trimestre et envisage une possible introduction en Bourse début 2027. Une équipe de robotique autonome ressemble, à nos yeux, à un projet annexe de manuel. « Les modèles généraux font mieux » est une conclusion merveilleuse à avoir précisément quand il faut simplifier l’organigramme.
Nous ne disons pas que la conclusion est fausse. Mais quand une conclusion technique et un besoin budgétaire vont dans le même sens, mieux vaut garder les deux à l’esprit. C’est aussi la deuxième fois que OpenAI ferme une équipe de robotique, après l’arrêt de 2020, que, selon Fortune, le cofondateur Wojciech Zaremba avait lié au manque de données de robots.
Qui saura pourquoi le robot a échoué ?
Voici notre véritable objection. Un modèle de langage qui se trompe produit un mauvais paragraphe. Un robot qui se trompe peut casser une assiette, ou pire. Le débogage exige sans doute des gens qui vivent chaque jour avec les actionneurs, la latence, l’étalonnage et la physique du contact. Répartissez-les entre la recherche générale et les équipes appliquées: vous ne perdrez peut-être pas leurs compétences du jour au lendemain, mais vous perdrez l’endroit où l’analyse des pannes était tout le métier.
Le contrepoids vient de Russ Tedrake, professeur au MIT, cofondateur et directeur général de Walden Robotics. Il soutient que les entreprises de robotique détiennent ce que les laboratoires n’ont pas: une expérience de déploiement dans de vrais lieux de travail et des données propres à chaque site, qui prennent de la valeur à mesure que les modèles de fondation progressent. C’est selon nous le véritable avantage défensif. Celui qui fait travailler des robots en usine apprend pourquoi ils échouent, et un modèle général seul ne peut pas vous le dire.
Les start-up qui ont levé des milliards en partant du principe que les robots ont besoin de cerveaux à eux ne sont donc pas mortes, mais leur discours doit probablement changer. Leur valeur, ce sont les données et les opérations, moins le modèle.
Notre verdict
Nous pensons que OpenAI a probablement raison: les modèles généraux feront l’essentiel du travail de « cerveau », et les équipes dédiées aux modèles de robots sont les plus menacées. Mais l’humanoïde de 2027 sera jugé dans le monde physique, pas dans un classement. Si OpenAI veut que cette démonstration tienne la route, elle doit conserver l’expertise des défaillances en situation réelle quelque part avec une véritable autorité, pas seulement une ligne hiérarchique. C’est cela qu’il faudra surveiller: pas les chiffres du benchmark, mais la capacité de l’entreprise à expliquer publiquement ce qui dysfonctionne quand ses robots échouent.
Aucun sujet pour l’instant : lancez le premier.
Plus d'articles
Harbor d'Apple pourrait rendre l'IA privée accessible à monsieur Tout-le-monde
Une appli Mac ayant fuité promet des modèles locaux simples et un cluster Thunderbolt automatique. Si elle sort telle quelle, le vrai combat ne portera plus sur la confidentialité, mais sur le prix.
Fable 5.2 montre que la course à l’IA se joue désormais sur le prix par capacité
Le nouveau modèle phare d’Anthropic est moins cher et plus rapide que son prédécesseur. Selon nous, l’avance au classement s’efface vite ; ce qui dure, c’est le prix et la fiabilité.
Centres de données : la facture d’électricité, étincelle d’un rejet social
D’un site abandonné à Sydney à une pause proposée au Texas et à l’offre de Milei en Patagonie : la ressource la plus rare de l’IA est le consentement du public, pas les puces.
Les agents IA peuvent commander votre dîner, mais les chiffres montrent que personne n’ose les laisser faire
DoorDash et Uber font état de presque aucune commande passée par des agents IA. Pour nous, c’est moins un échec technique qu’un verdict sur la confiance, le contrôle et la commodité.



