π0.7, Gemini Robotics 2, Helix 02, GR00T N1.7, MolmoAct 2 : des modèles qui commandent un corps entier, un goulet qui passe aux données (relevé au 18 septembre 2026)
Un modèle Vision-Language-Action regarde, comprend une consigne en langage naturel et produit directement des commandes pour un robot. En 2026, ces « cerveaux » généralistes pilotent bras, mains et jambes, et l'un d'eux tourne déjà dans une usine BMW. Mais entre la démonstration et le robot utile à grande échelle, le goulet est passé du modèle aux données, à la fiabilité et à la sécurité : l'horizon se compte en années, pas en mois. Cette page explique le principe, passe en revue les acteurs fermés et ouverts, confronte démonstrations et déploiements, nomme les verrous, puis classe chaque promesse selon son degré de certitude.
Un VLA ne produit pas du texte mais des actions, des dizaines de fois par seconde. Trois idées expliquent pourquoi c'est difficile et comment on le contourne : produire des mouvements continus, prédire par paquets, séparer le réflexe de la réflexion.
▽ Trois choses à savoir sur un VLA
▽ Sous le capot : quatre choix d'ingénierie
Trois cerveaux fermés, dont deux de laboratoires de pointe, puis six repères du côté ouvert et européen, ceux que l'on peut télécharger et faire tourner soi-même.
▽ Les cerveaux fermés
▽ Les cerveaux ouverts, et l'Europe
Un seul déploiement industriel est solidement documenté. Le reste relève de livraisons chinoises, de précommandes, de calendriers qui glissent et de valorisations sans revenu publié.
▽ Six faits pour calibrer les annonces
Le modèle n'est plus seul en cause. Ce qui manque désormais, c'est de quoi l'entraîner, la certitude qu'il tienne des heures, le calcul embarqué et un cadre de sécurité.
▽ Combien d'heures de données pour entraîner un VLA ?
manipulation mobile, une centaine de logements (avril 2025)
téléopération (février 2025)
jeu de données bimanuel ouvert (mai 2026)
démonstrations multi-robots (octobre 2024)
vidéo humaine égocentrique, EgoScale (avril 2026)
▽ Quatre verrous
Le chemin parcouru depuis RT-1, puis les échéances de fin 2026 à 2030, chacune classée par degré de certitude.
▽ Frise : de RT-1 à 2030, avec un degré de certitude
RT-1 (décembre 2022), RT-2 (juillet 2023) qui donne naissance au terme VLA, puis 22 types de robots réunis dans Open X-Embodiment (octobre 2023).
OpenVLA 7B ouvert (juin) ; π0 introduit le flow matching (octobre).
Figure, NVIDIA et Google DeepMind sortent leurs modèles ; π0.5 généralise à des logements inconnus ; Hugging Face rachète Pollen Robotics.
Un modèle ouvert qui raisonne en 3D, un calcul embarqué 7,5 fois plus puissant, un robot qui « réfléchit avant d'agir » ; Figure valorisée 39 Md$.
Le robot s'améliore sur ses propres essais.
Le corps entier, un modèle que l'on coache en langage naturel, un modèle ouvert entraîné sur 20 854 h de vidéo humaine, un modèle entièrement ouvert.
Figure 03 chez BMW (juin), Gemini Robotics 2 (30 juillet), entrée en Bourse d'Unitree (19 août) : des cerveaux généralistes pour le corps entier, des déploiements comptés en dizaines ou centaines d'unités hors Chine.
Objectifs annoncés par Tesla et 1X, dont les calendriers ont déjà glissé.
Le 20 janvier 2027, le règlement (UE) 2023/1230 devient applicable : le texte est en vigueur.
Annonces de 1X et objectif de Musk, sans calendrier ferme.
L'Omnibus repousse les obligations « haut risque » au 2 août 2028 et exempte largement les machines déjà couvertes par le Règlement Machines.
Accord 2026-2030 : une projection d'acteur, issue d'une source unique.
Le but affiché des acteurs du domestique : aucune source ne le date de façon crédible.
Quatre réflexes devant une vidéo de robot spectaculaire.
▽ À retenir
▽ CATIE
Le CATIE accompagne les entreprises dans l'évaluation des modèles d'action et de la robotique d'IA pour la manipulation et la logistique. Nos experts vous aident à :