Figure 02 et la course aux robots humanoïdes : qui gagne ?
La course aux robots humanoïdes n'est plus de la science-fiction : c'est une guerre industrielle où des milliards de dollars s'affrontent pour définir le futur du travail physique. Entre l'élégance mécanique de Figure 02, la force de frappe financière de Tesla Optimus, l'agilité martiale d'Unitree G1 et l'approche domestique de 1X Neo, quel modèle va dominer le marché ? Dans cet article, nous allons disséquer les capacités techniques, les stratégies de prix, les investisseurs en coulisses et les dates de commercialisation de ces quatre prétendants au trône pour comprendre qui, véritablement, a une longueur d'avance.
Prérequis
- Comprendre les bases de l'apprentissage par renforcement (Reinforcement Learning) appliqué à la robotique
- Avoir une notion des actionneurs et de la dynamique corporelle des robots
- Connaître les différences entre les architectures LLM (Large Language Models) et VLM (Vision-Language Models)
- Être familier avec les concepts d'inférence Edge (calcul embarqué) vs Cloud
- Comprendre ce qu'est le "sim-to-real transfer" (transfert de compétences du simulateur au monde réel)
Le contexte : Pourquoi 2024-2025 est le point de bascule
Selon les analyses récentes de The Verge, l'année 2024 marque un changement de paradigme. Jusqu'à présent, les robots humanoïdes étaient des prototypes lents, câblés et incapables de s'adapter à des environnements non structurés. La convergence de trois facteurs a tout changé : l'explosion des modèles d'IA multimodaux, la baisse drastique du coût des actionneurs, et l'arrivée massive de capitaux risque. Le marché, jadis dominé par Boston Dynamics avec des solutions à 150 000 dollars et plus, voit émerger des startups prêtes à briser la barrière des 20 000 dollars pour démocratiser l'accès. D'ailleurs, si vous souhaitez comprendre l'évolution de ce pionnier historique, nous avons détaillé les capacités du Boston Dynamics Atlas : le robot humanoïde qui fait tout seul.
Figure 02 : Le challenger high-tech soutenu par les géants
Figure AI est probablement l'entreprise qui a généré le plus de buzz en 2024 avec la sortie de son deuxième modèle, le Figure 02. Contrairement à d'autres acteurs qui bricolent des composants existants, Figure AI a adopté une approche "verticalisée" en concevant ses propres actionneurs, sa propre batterie et son propre architecture informatique.
Caractéristiques techniques de Figure 02
Le Figure 02 n'est pas une simple mise à jour, c'est un changement de génération. Il intègre directement un modèle de langage multimodal (VLM) développé en partenariat avec OpenAI, ce qui lui permet de raisonner sur ce qu'il voit et entend en temps réel.
Du point de vue physique, le Figure 02 mesure 1,70 m pour 70 kg, avec une charge utile de 20 kg. Sa structure est conçue en aluminium et en composite de carbone, intégrant des mains dotées de 16 degrés de liberté et de capteurs de force tactiles. Côté informatique embarquée, il s'appuie sur trois Nvidia Jetson Orin couplés à un VLM OpenAI personnalisé pour le raisonnement visuel et vocal, le tout alimenté par 6 caméras RGB. Son autonomie repose sur une batterie interne de 2,25 kWh offrant environ 5 heures d'opération standard. Ses capacités clés incluent la conversation naturelle bidirectionnelle, la corrélation visuo-motrice en temps réel et la manipulation d'objets non standardisés.
Investisseurs et stratégie de Figure AI
Figure AI a levé un montant faramineux de 675 millions de dollars au début de l'année 2024. Leur force réside dans leur conseil d'administration et leurs investisseurs : Jeff Bezos, Nvidia, Microsoft et OpenAI. Cette alliance leur donne un accès privilégié aux puces les plus performantes et aux modèles d'IA les plus avancés avant leurs concurrents.
La stratégie de prix visée par Figure AI est agressive. Si le Figure 01 était estimé à plus de 100 000 $, l'objectif industriel du Figure 02 est de descendre sous la barre des 40 000 dollars à l'échelle de la production de masse, principalement pour la logistique et l'assemblage automobile.
Tesla Optimus : L'avantage du monstre industriel
Tesla ne joue pas dans la même cour. Alors que Figure AI doit construire son usine, Tesla possède déjà l'infrastructure de fabrication (Giga factories) et l'écosystème logiciel (Full Self-Driving) pour accélérer son développement.
L'approche "Hardware minimaliste, Logiciel maximaliste"
Le Tesla Optimus (Gen 2) mise sur une réduction exponentielle du poids et une optimisation extrême des coûts. Elon Musk a déclaré que la production à grande échelle pourrait commencer dès 2025, avec un prix cible hallucinant de moins de 20 000 $. Cependant, les démonstrations publiques montrent encore des lacunes en termes de dextérité fine par rapport à Figure 02.
En comparant les architectures d'actionneurs des deux machines, on note une différence d'approche majeure. Figure AI privilégie la haute performance avec des actionneurs rotatifs sur mesure offrant un couple d'environ 150 Nm pour une puissance de 500 W, garantissant des mouvements fluides et précis. À l'inverse, Tesla opte pour une optimisation des coûts avec ses actionneurs Gen 2, affichant un couple d'environ 110 Nm pour 300 W. Si le couple est inférieur et suffisant pour des tâches basiques, l'avantage décisif de Tesla réside dans un coût de production estimé à 40 % inférieur grâce à ses économies d'échelle.
Forces et faiblesses d'Optimus
D'après les reportages de The Verge, le grand atout de Tesla est sa capacité à collecter des données. Le réseau de voitures autonomes de Tesla alimente indirectement l'entraînement d'Optimus en matière de perception spatiale. Néanmoins, manipuler un volant n'est pas manipuler un carton d'expédition fragile. La faiblesse actuelle d'Optimus réside dans ses mains, qui semblent moins capables de manipulations fines et délicates que celles de Figure 02.
Unitree G1 : Le prodige chinois de la démocratisation
Si l'Amérique domine les modèles d'IA, la Chine frappe fort sur le hardware. Unitree, connu pour ses robots quadrupèdes (chiens robotiques), a surprises tout le monde en dévoilant le G1, un humanoïde vendu au prix de base de 16 000 dollars.
Un prix de rupture pour l'écosystème développeur
Le Unitree G1 n'a pas la finesse de Figure 02, mais il a un autre objectif : devenir le "Android du robotics". En le vendant aussi peu cher, Unitree cible les laboratoires de recherche, les universités et les développeurs indépendants pour créer un écosystème d'applications.
En termes de spécifications, le G1 mesure 1,27 m pour 35 kg et dispose de 23 degrés de liberté. Il est équipé de moteurs articulés à entraînement direct délivrant un couple maximal de 8,5 Nm. Pour la perception, il utilise des caméras Intel RealSense D435 avec un LiDAR optionnel, le tout géré par un calculateur Nvidia Jetson Orin NX. Sa spécialité revendiquée est le transfert de compétences du simulateur au monde réel (Sim-to-Real), avec une marche adaptative et des capacités démontrées d'arts martiaux simulés.
Le pari du Sim-to-Real
Unitree excelle dans le transfert de compétences. Grâce à des environnements de simulation comme Isaac Sim (Nvidia), le G1 apprend à marcher, tomber et se relever, ou même esquiver des attaques (comme montré dans leurs vidéos de Kung-Fu), avant de transcrire ces données dans son corps physique. C'est une approche très efficace pour la locomotion, mais qui nécessite encore des améliorations pour la manipulation complexe d'outils.
1X Neo : L'alternative douce pour le marché domestique
Tandis que les autres se battent pour les usines, la startup norvégienne 1X Technologies (fortement soutenue par OpenAI) mise sur une niche différente avec le 1X Neo : le marché de la maison et des soins.
Design et intégration dans le foyer
Le 1X Neo abandonne l'esthétique industrielle pour un design doux, avec un visage expressif et une structure qui inspire la confiance. Il est conçu pour se déplacer silencieusement, porter des objets fragiles et interagir avec des humains vulnérables (personnes âgées, enfants).
- Vitesse maximale : 2,5 km/h (conçu pour la sécurité intérieure, contre 3 à 5 km/h pour les autres)
- Poids : 30 kg (le plus léger des quatre)
- Autonomie : 2 à 4 heures selon les tâches ménagères
- Prix estimé : Positionnement premium, estimé entre 25 000 $ et 40 000 $ pour les premières phases.
La force de 1X Neo réside dans son logiciel. Étant l'un des premiers robots à intégrer publiquement les modèles d'IA d'OpenAI de manière native, il comprend extrêmement bien les requêtes langagières complexes (« Range les objets rouges sur l'étagère du haut, mais fais attention au vase »).
Comparatif de face : Prix, Dates et Investisseurs
Pour y voir plus clair, examinons ces quatre acteurs sous l'angle froid des données business et de la timeline de mise sur le marché.
| Robot | Entreprise | Prix estimé (USD) | Commercialisation prévue | Investisseurs principaux | Avantage compétitif |
|---|---|---|---|---|---|
| Figure 02 | Figure AI | 40 000 $ | Déploiement en usine BMW fin 2024 / Commercialisation grand public 2026-2027 | Nvidia, OpenAI, Microsoft, Jeff Bezos | Dextérité fine et intégration VLM poussée |
| Optimus Gen 2 | Tesla | 20 000 $ | Usage interne Tesla fin 2024 / Vente externe 2025-2026 | Capitalisation boursière Tesla (Fonds propres) | Écosystème de fabrication et coûts réduits à l'extrême |
| Unitree G1 | Unitree Robotics | 16 000 $ | Déjà en pré-commande pour développeurs (Livraisons 2024) | Fonds chinois locaux, ventes directes B2C/B2B | Prix de rupture et écosystème open-source/developers |
| 1X Neo | 1X Technologies | 30 000 $ | Tests en garderie/nursing 2024 / Commercialisation 2026 | OpenAI Startup Fund, EQT Ventures | Design sécurisant et spécialisation domestic-care |
L'analyse technique : Qui remporte le marathon de l'IA ?
Avoir un beau corps mécanique ne sert à rien sans un cerveau adapté. La véritable bataille se déroule au niveau de l'architecture d'IA embarquée. Prenons l'exemple d'une tâche simple pour un humain : trier des déchets recyclables.
L'architecture type de résolution de problème d'un humanoïde moderne s'articule autour de quatre étapes séquentielles avec une gestion des erreurs en boucle fermée. D'abord, la perception (Vision + Audio) analyse l'environnement. Ensuite, un modèle de raisonnement de haut niveau (LLM/VLM) génère un plan d'action contextuel. Troisièmement, la planification motrice de bas niveau calcule la trajectoire physique en fonction de l'état cinématique du robot. Enfin, l'exécution a lieu, avec un retour d'erreur immédiat : si un objet glisse, le réseau neuronal replanifie la trajectoire en quelques millisecondes.
Dans ce schéma, Figure 02 prend un avantage théorique décisif grâce à son partenariat étroit avec OpenAI. Leurs ingénieurs ont réussi à intégrer des réseaux neuronaux directement dans les boucles de contrôle bas niveau, ce qui permet au robot de réagir à un objet qui glisse de ses doigts en quelques millisecondes, sans avoir à faire un aller-retour vers un serveur Cloud. Avec ses trois puces Orin, le Figure 02 garantit une latence très faible sur le raisonnement visuel. De son côté, le Unitree G1, avec son unique Orin NX, excellera sur l'adaptation posturale grâce au sim-to-real, mais sera plus lent dans la compréhension fine d'une situation (par exemple, évaluer si un plastique est trop sale pour être recyclé).
Tesla, de son côté, mise sur sa technologie de vision pure (caméras uniquement, pas de LiDAR) issue de ses voitures. Si cela réduit les coûts, cela rend le robot Optimus potentiellement vulnérable dans des environnements à très faible luminosité ou face à des objets transparents, un défi que Figure 02 contourne par une combinaison de capteurs.
Les limites actuelles : La réalité derrière les vidéos virales
Il est facile de se laisser emporter par les montages vidéo impressionnants sur X (anciennement Twitter) ou YouTube. Cependant, The Verge souligne régulièrement qu'il faut dissocier la démonstration en laboratoire de la viabilité commerciale.
Le problème de l'endurance et de la maintenance
Aucun de ces robots n'est actuellement capable de travailler 8 heures d'affilée. La batterie de 5 heures annoncée par Figure 02 est une moyenne idéale. Dans un environnement d'usine réel, soulever 20 kg répétitivement draine la batterie beaucoup plus vite. De plus, les actionneurs à haut couple (notamment ceux de Figure et d'Optimus) chauffent énormément et nécessitent des systèmes de refroidissement actifs ou des pauses régulières.
Le plafond de verre de la dextérité
Nous sommes excellents pour faire marcher des robots. La locomotion dynamique (sauts, courses, rétablissement après une poussée) est en grande partie résolue grâce à l'apprentissage par renforcement. Mais la manipulation fine reste le Graal. Boutonner une chemise, manipuler des câbles électroniques souples, ou écarter des spaghettis dans une assiette sont des tâches qui exigent une perception tactile et une précision que ni Figure 02, ni Optimus ne maîtrisent aujourd'hui de manière fiable à 100 %.
Le casse-tête de la chaîne d'approvisionnement
Construire 10 000 robots humanoïdes n'est pas comme fabriquer 10 000 smartphones. Les actionneurs personnalisés, les réducteurs harmoniques (comme ceux d'Harmonic Drive) et les capteurs de force personnalisés ont des délais de production très longs. Tesla est le mieux placé pour résoudre ce problème grâce à son expérience en fonderie (Giga Press), mais les autres acteurs pourraient se heurter à un mur de production d'ici 2026.
Récapitulatif des forces et faiblesses
- Figure 02 : Leader en dextérité et en intégration IA (OpenAI). Meilleur pour les tâches complexes logistiques. Faiblesse : coût de production élevé et dépendance envers les composants externes de pointe.
- Tesla Optimus : Roi de l'économie d'échelle et de la production de masse. Faiblesse : dextérité des mains en retard par rapport à ses concurrents, dépendance à une vision purement caméra.
- Unitree G1 : Le champion du prix et de la locomotion. Idéal pour la recherche et le prototypage rapide. Faiblesse : IA moins sophistiquée pour le raisonnement complexe de tâches, charge utile limitée.
- 1X Neo : Le spécialiste du domaine domestique et des soins. Design le plus acceptable socialement. Faiblesse : performances physiques brutes très en deçà des concurrents, vitesse lente.
Conclusion : Qui gagne vraiment ?
Si l'on regarde la course sous le prisme de la maturité technologique immédiate et de l'intégration logicielle, Figure 02 remporte la manche 2024. Leur robot est actuellement le plus abouti pour effectuer un travail utile et non pré-scripté dans un environnement réel, comme le prouvent leurs tests actuels chez BMW.
Cependant, si l'on regarde la course sur le long terme (2028-2030), Tesla Optimus est le favori structurel. La capacité de Tesla à concevoir ses propres puces, à fondre ses propres pièces et à produire à un rythme d'un million d'unités par an est un atout que personne d'autre ne possède. Si Tesla parvient à rattraper son retard logiciel en matière de manipulation, Optimus deviendra le standard de l'industrie.
Enfin, n'oublions pas Unitree G1, qui pourrait bien devenir le "Linux de la robotique" : présent partout dans les laboratoires, formant la prochaine génération d'ingénieurs, et s'infiltrant par la base dans des niches que les grands acteurs négligent.
La course aux robots humanoïdes ne fait que commencer. Les mois à venir, avec les premières livraisons réelles en dehors des laboratoires, diront si ces promesses tiendront la route. Même si l'essor de ces machines soulève inévitablement la question de L'IA va-t-elle vraiment remplacer les développeurs d'ici 2027 ?, il est plus probable qu'une collaboration s'installe. Restez connecté, surveillez les mises à jour de poids de ces modèles, et préparez-vous : l'ère de la cohabitation homme-machine s'accélère.
Prêt à approfondir l'IA appliquée à la robotique ?
Découvrez nos guides pratiques sur AI-master.dev pour apprendre à entraîner vos propres modèles de vision par ordinateur et comprendre les architectures qui feront le monde de demain. [Rejoignez la newsletter AI-master.dev pour ne rien manquer des dernières évolutions de Skynet Watch]. Vous pouvez également consulter Hostinger pour trouver l'hébergement idéal pour vos projets d'IA et de robotique.