Figure Helix 2.5 : le ménage zero-shot dans 30 maisons jamais vues — sans aucune donnée de ces foyers, sans fine-tuning

Figure Helix 2.5 : le ménage zero-shot dans 30 maisons jamais vues — sans aucune donnée de ces foyers, sans fine-tuning

🔎 Fini les démos en laboratoire : la robotique passe l'épreuve du monde réel

Les démos de robots humanoïdes partagent un défaut récurrent : elles tournent toujours dans le même couloir, devant les mêmes étagères, sous le même éclairage. Changez un seul paramètre et la vidéo magique se transforme en campagne de réentraînement de plusieurs semaines. La généralisation à l'inconnu — le vrai test — restait le angle mort du secteur.

Le 17 septembre 2026, Figure a publié une annonce qui attaque frontalement ce point faible : Helix 2.5, son modèle d'IA, évalué en conditions réelles dans 30 maisons louées dans la Bay Area. Sans aucune donnée collectée dans ces foyers. Sans fine-tuning sur leurs agencements, leurs meubles ou leurs objets. Un seul modèle, figé, identique partout.

Pourquoi c'est important maintenant ? Parce que la course à l'humanoïde domestique entre dans une phase nouvelle : après les preuves d'endurance en usine, la bataille se déplace vers la généralisation multi-environnements. Voici ce que l'annonce dit vraiment, ce qu'elle ne dit pas, et où se situe Figure face à la concurrence.

L'essentiel

• 30 maisons jamais vues : Figure a loué 30 logements dans la Bay Area et y a évalué Helix 2.5 sans aucune donnée collectée dans ces foyers, sans fine-tuning sur leurs environnements ou objets, avec un checkpoint unique et figé (annonce officielle).
• Un modèle, trois comportements whole-body : ranger des salons (13 à 15 jouets dispersés à mettre au panier), plier des serviettes, faire des lits.
• Le pré-entraînement sur Index change tout : le succès zéro-shot passe de 9 % (politique entraînée from scratch) à 56 % — plus de 6x, à données, architecture et évaluation identiques par ailleurs.
• Économie d'adaptation massive : Helix 2.5 égale une politique entraînée avec des données collectées sur place, avec deux fois moins de données d'adaptation, et généralise à 30 maisons inconnues (« behavior specification 2x cheaper while its scope expanded 30x »).
• Une loi d'échelle revendiquée : première loi d'échelle de transfert humain→robot mesurée sur humanoïde ; la loss de prédiction d'action chute prédictiblement à chaque doublement d'Index (prévision du plus gros run exacte à 0,54 % près).
• Limites assumées : aucun poids publié, pas d'API, pas de prix, pas de date — un jalon de recherche, pas un produit.

Outils : les systèmes d'IA humanoïde en course (septembre 2026)

La comparaison ci-dessous recense les systèmes d'IA robotique dont les approches se font directement concurrence sur le chemin du « cerveau générique ». Aucun n'est vendu au grand public ; les prix renvoient à des modèles de déploiement non publiés.

Gardez en tête que ces systèmes ne mesurent pas la même chose, sur les mêmes tâches, dans les mêmes conditions. C'est précisément l'objet de cet article.

Ce que Figure a annoncé le 17 septembre 2026 — Réponse directe

Figure a loué 30 maisons réelles dans la Bay Area et y a envoyé ses humanoïdes travailler sans aucune donnée de ces foyers : pas de collecte préalable, pas de fine-tuning, pas d'adaptation aux layouts, aux meubles ou aux objets. C'est le sens exact du « zero-shot » revendiqué dans l'annonce officielle.

Le test porte sur trois comportements du corps entier — pas seulement des bras. Ranger un salon, avec 13 à 15 jouets dispersés à ramener dans un panier. Plier des serviettes. Faire des lits. Un seul modèle fondation produit les trois comportements.

Les critères de réussite sont d'une rigueur rare dans le secteur. Une tâche n'est réussie que si elle est intégralement accomplie : chaque jouet rangé, chaque serviette pliée, chaque lit fait de bout en bout. Aucun crédit partiel. Et toute intervention humaine de sécurité compte comme un échec.

Autre détail qui compte : les objets utilisés pour l'évaluation — jouets, serviettes, literie — n'apparaissaient pas dans les données de spécification de tâche, un point vérifié d'abord par un modèle d'IA, puis par revue humaine. Figure revendique au passage une première : la plus ample démonstration de généralisation whole-body zéro-shot jamais réalisée sur un humanoïde.

Brett Adcock, fondateur et CEO de Figure, résume l'intention : « Le Graal de la robotique, c'est de pouvoir généraliser : travailler dans des lieux jamais vus. Nous avons loué 30 maisons dans la Bay Area et y réalisons des tâches sans aucun nouvel entraînement. Helix 2.5 a été construit pour répondre à une question plus difficile : un humanoïde peut-il entrer dans une maison qu'il n'a jamais vue et se mettre immédiatement au travail, avec tout son corps, tout seul ? » (traduction, The AI Insider).

Mon avis : la méthodologie — maisons louées, checkpoint figé, critères stricts sans crédit partiel — est plus convaincante que 90 % des démos robotiques publiées ces trois dernières années. Le diable, comme toujours, se cache dans les détails du protocole. On y revient plus bas.

« Zero-shot » : ce que le mot couvre — et ce qu'il ne couvre pas — Réponse directe

Le « zero-shot » de Helix 2.5 porte sur les environnements et les objets, pas sur les comportements eux-mêmes. Les trois tâches restent spécifiées par du fine-tuning, dont les données ont été collectées ailleurs — c'est Unite.AI qui le rappelle avec justesse dès les premières lignes de son analyse.

Autrement dit : Figure n'a pas appris au robot à faire ces lits, dans ces maisons. Elle a appris au robot à faire des lits, quelque part ailleurs, puis l'a évalué dans 30 foyers totalement inconnus. La nuance est essentielle — et, à son crédit, Figure ne la dissimule pas.

Trois garde-fous donnent tout de même du poids au résultat. Premièrement, les objets d'évaluation n'apparaissaient pas dans les données de spécification de tâche, vérification faite par un modèle IA puis par des humains. Deuxièmement, aucune tâche d'évaluation ne représente plus de 1,90 % du dataset Index — donc pas de tâche dominante sur laquelle le système aurait pu mémoriser discrètement la réponse. Troisièmement, un checkpoint unique et figé a servi pour l'intégralité des 30 maisons.

La bonne lecture : Helix 2.5 démontre un transfert d'environnement massif, exactement le type de généralisation qui manquait le plus à la robotique domestique. La mauvaise lecture — celle des titres de presse — serait « le robot sait tout faire dans n'importe quelle maison ». Ni Figure ni les sources sérieuses ne le prétendent.

Les chiffres : de 9 % à 56 %, et une loi d'échelle — Réponse directe

Le pré-entraînement sur Index fait passer le taux de succès zéro-shot de 9 % à 56 % : un gain de 47 points, soit environ 6,2x la performance d'une politique entraînée from scratch.

Le protocole est propre : tout est maintenu constant, seule variable change — la pré-entraînement sur Index ou son absence. C'est rare de voir un ablation aussi net dans une annonce grand public.

Deuxième résultat, et pas des moindres : Helix 2.5 égale le taux de succès d'une politique Helix 02 entraînée avec des données collectées directement dans l'environnement testé. Avec deux fois moins de données d'adaptation, et en généralisant à 30 maisons inconnues. Figure le résume dans sa langue : « behavior specification 2x cheaper while its scope expanded 30x ». Attention toutefois, AlphaSignal note que ces deux dimensions — données divisées par deux, portée multipliée par 30 — ne se combinent pas en un multiplicateur unique de qualité. Méfiance face aux raccourcis arithmétiques.

Troisième élément, potentiellement le plus important : la loi d'échelle. Quatre modèles ont été entraînés sur des sous-ensembles imbriqués d'Index, couvrant une plage de 8x en volume de données de pré-entraînement. À chaque doublement, la loss de prédiction d'action chute de façon prédictible — au point que Figure affirme avoir prédit la test loss du plus gros run avant même de l'entraîner, avec une erreur de 0,54 % de la variation mesurée sur toute la plage. Si ce comportement se confirme sous réplication indépendante, ce sera peut-être plus décisif que le 56 % lui-même : un jalon isolé devient une trajectoire industrielle.

L'infrastructure derrière ces chiffres donne le vertige : Index génère environ 35 minutes de nouvelles données d'expérience humaine par seconde, et Figure a engagé 3,5 milliards de dollars de ressources de calcul pour entraîner Helix (The AI Insider).

Ce que des tiers devront encore établir, liste AlphaSignal : une couverture de tâches plus large, du reporting par essai, une réplication indépendante, et le lien démontré entre la loss de prédiction d'action et les taux de complétion réels. KiaDev ajoute une réserve méthodologique saine : le 56 % est un résultat rapporté, adossé à l'évaluation définie par Figure elle-même — sans spécification complète du benchmark, sans décomposition tâche par tâche, sans comparaison avec d'autres réseaux de neurones, sans nombre d'essais publié.

D'Helix 02 à Helix 2.5 : l'usine d'abord, le salon ensuite

Helix 02 avait prouvé l'endurance : des shifts complets de 8 heures en usine, sans intervention humaine, du déchargement de lave-vaisselle à une tâche logistique autonome de 200 heures (notre article dédié). Mais son apprentissage reposait sur des données collectées là où les robots opèrent — dans les environnements de déploiement eux-mêmes.

C'est précisément cette dépendance que Helix 2.5 supprime. Comme le formule KiaDev, un système qui exige des données fraîches par environnement a un profil de déploiement radicalement différent d'un système évaluable sans collecte locale. Concrètement : passer d'un nouveau site d'usine à un nouveau logement ne demande plus une campagne de collecte sur le terrain, mais un checkpoint pré-entraîné et une spécification de tâche. C'est toute la question économique que ce résultat adresse.

L'amélioration qualitative la plus parlante concerne l'auto-correction en cours de tâche, attribuée par Figure au pré-entraînement Index : reculer pour se repositionner, changer d'appui, faire le tour complet d'un lit pour corriger un pli (Unite.AI). Gulf News insiste sur ce point dans sa vulgarisation : pas de carte, pas d'entraînement spécifique, pas de données préalables — le robot arrive, se met au travail et récupère après ses erreurs sans intervention humaine directe.

Pour mémoire, Helix avait été conçu dès l'origine pour amener les humanoïdes dans les foyers (notre analyse du lancement initial). Helix 2.5 est la première réponse crédible au problème que ce lancement posait : comment servir des millions de logements tous différents, sans les scanner un par un ?

Index : la vraie moat de Figure n'est pas le robot, c'est la donnée humaine

Ce qui distingue Figure ne se trouve pas dans ses actionneurs, mais dans Index, son dataset de comportements humains à échelle mondiale. Helix 2.5 est présenté par l'entreprise comme « the most advanced neural network Figure has built » — et tout repose sur ce pré-entraînement.

Les chiffres d'échelle donnent le ton : environ 35 minutes de nouvelles données d'expérience humaine produites par seconde, en continu. Le partenariat avec Brookfield, qui met plus de 100 000 unités résidentielles à disposition dans le monde, vise à faire d'Index le plus grand dataset de pré-entraînement humanoïde existant (Figure, Project Go-Big).

Premier résultat publié de cette stratégie : un transfert zéro-shot depuis de la vidéo humaine 100 % egocentrique vers la navigation du robot dans des espaces encombrés, sur commande en langage naturel (« go to the fridge »), sans aucune démonstration robot — une première revendiquée dans le domaine.

Petite parenthèse d'appellation : pendant que PageIndex parie, côté RAG, sur l'indexation structurée plutôt que sur la similarité vectorielle brute, l'Index de Figure structure le comportement humain côté robotique. Deux domaines différents, une même intuition : la donnée organisée bat la recherche naïve.

Mon avis : c'est ici que se joue la vraie course. Le compute s'achète — 3,5 milliards de dollars le prouvent. La donnée d'expérience humaine egocentrique, elle, ne se télécharge pas. Qui détient le comportement humain à l'échelle détient le cerveau générique de la robotique, et Brookfield vient de montrer que Figure l'a compris avant tout le monde.

La course au cerveau générique : Skild, Spirit AI, OM-1, Agility

Figure n'est pas seule sur le terrain, et le zéro-shot domestique devient clairement la nouvelle ligne de front de la robotique.

Skild AI a montré avec Skild S1 un robot apprenant une tâche de 10 minutes à partir d'une seule vidéo : 11 minutes se sont écoulées entre la démo et l'exécution autonome, sans aucun fine-tuning (notre article). Là où Figure généralise les environnements, Skild généralise l'acquisition de tâches. Deux axes différents de la même ambition.

Spirit AI revendique de son côté 90 % de réussite sur des tâches simples en environnement structuré. Chiffre impressionnant sur le papier — mais comparé aux 56 % de Figure sur des tâches ménagères complètes dans 30 foyers inconnus, il mesure autre chose. Un environnement structuré et connu n'a strictement rien à voir avec un salon jamais vu, éclairé autrement, rempli d'objets inédits. OM-1, pour sa part, s'entraîne sur des démonstrations humaines — une approche complémentaire, orientée pipeline démo vers exécution.

Et le hardware suit le mouvement : Agility Robotics a dévoilé Digit 5, présenté comme le premier humanoïde conçu dès l'origine pour travailler (notre couverture). Les cerveaux progressent, les corps aussi.

Mon avis : méfiez-vous des tableaux comparatifs alignant des pourcentages isolés. La métrique qui compte en 2026 n'est plus « ça marche dans notre labo », c'est « ça marche dans un lieu que le système n'a jamais vu ». Sur cette métrique précise — et publiée — Helix 2.5 est aujourd'hui la référence la plus ambitieuse.

Un jalon de recherche, pas un produit — Réponse directe

Helix 2.5 n'est ni en vente ni accessible : pas de poids publiés, pas d'API, pas de prix, pas de date. Gulf News le dit sans détour : c'est un jalon de recherche, pas un robot grand public. Toute annonce de « robot ménager disponible » serait une fabrication.

Ce qui manque encore pour franchir le pas ? Beaucoup. La couverture de tâches (trois comportements, c'est démonstratif, pas un catalogue). La fiabilité — 56 % de tâches complètes est un jalon scientifique, pas un standard commercial, où l'on parle de 99 % et plus. La sécurité en environnement non structuré, avec des enfants, des animaux, des escaliers. Et le coût d'un hardware humanoïde domestique, dont personne ne connaît le prix final.

Le chemin, en revanche, se dessine. Le partenariat Brookfield sur plus de 100 000 unités résidentielles montre que la donnée — le carburant de la généralisation — se constitue dès maintenant, massivement, dans de vrais logements. Helix 02 a prouvé l'usine, Helix 2.5 prouve la maison ; il reste à prouver le produit.

Mon avis : la valeur réelle de cette annonce est méthodologique, pas commerciale. Figure ne vend rien aujourd'hui — elle démontre que la recette pré-entraînement massif + adaptation légère fonctionne sur un corps physique, dans le désordre du monde réel. C'est ce que la concurrence devra répliquer, chiffres en main.

❌ Erreurs courantes

Erreur 1 : croire que « zero-shot » signifie « zéro entraînement »

Faux. Les comportements (jouets, serviettes, lits) sont toujours appris via du fine-tuning sur des données collectées ailleurs ; le zéro-shot porte sur les environnements et les objets d'évaluation. La solution : lire l'annonce de Figure en entier plutôt que les titres — l'entreprise elle-même cadre son claim.

Erreur 2 : lire 56 % comme un « taux de préparation commerciale »

Ce n'est pas un label de fiabilité produit. C'est le taux de tâches complètes sous critères stricts (aucun crédit partiel, intervention humaine = échec), sur un benchmark défini par Figure, sans réplication indépendante à ce jour. La solution : attendre le reporting par essai et les réplications tierces avant toute extrapolation.

Erreur 3 : comparer 56 % et 90 % comme s'ils mesuraient la même chose

Spirit AI annonce 90 % de réussite sur des tâches simples en environnement structuré ; Figure mesure 56 % sur des tâches ménagères complètes en foyers jamais vus. Les tâches, les critères et les environnements diffèrent à chaque terme de la comparaison. La solution : comparer les protocoles avant les pourcentages.

Erreur 4 : oublier la donnée dans l'équation

Commenter « le robot » en oubliant Index — 35 minutes de données humaines par seconde, 3,5 milliards de dollars de compute, aucun partenariat immobilier équivalent côté concurrents — conduit à juger mal la reproductibilité du résultat. La solution : évaluer l'actif data autant que le modèle.

❓ Questions fréquentes

Helix 2.5 est-il disponible ? Combien coûte-t-il ?

Non. Helix 2.5 est un jalon de recherche : aucun poids publié, pas d'API, pas de prix, pas de date de commercialisation à ce jour (septembre 2026). Figure communique uniquement des résultats d'évaluation interne. La seule source fiable pour suivre la suite reste le blog officiel de Figure, où la méthodologie et les résultats sont détaillés.

Que signifie exactement le 56 % de réussite ?

C'est le taux de tâches intégralement complétées — zéro crédit partiel — dans 30 maisons jamais vues, avec toute intervention humaine de sécurité comptée comme échec. À données, architecture et évaluation identiques par ailleurs, une politique sans pré-entraînement Index n'atteint que 9 %. Résultat rapporté par Figure, pas encore répliqué par des tiers.

Quelle différence avec Helix 02 ?

Helix 02 maîtrise le contrôle whole-body sur de longues durées — shifts de 8 h en usine, tâche logistique autonome de 200 h — mais apprend sur des données collectées dans les environnements mêmes où opèrent les robots. Helix 2.5 ajoute la généralisation : évaluation dans 30 foyers sans aucune donnée locale ni fine-tuning sur place.

Comment le robot apprend-il ses comportements ?

Par fine-tuning, sur des données collectées en dehors des foyers testés, après un pré-entraînement massif sur Index, le dataset de comportements humains de Figure (environ 35 minutes de nouvelles données par seconde). Le zéro-shot couvre les environnements et les objets d'évaluation, pas la spécification des comportements eux-mêmes.

Quand verra-t-on ces robots dans nos maisons ?

Aucune date n'existe. Le chemin se dessine : Brookfield met plus de 100 000 unités résidentielles à disposition pour constituer la donnée, mais les 30 maisons testées restent une expérience contrôlée. Entre 56 % de succès sur trois comportements et un produit domestique fiable, il reste la couverture des tâches, la fiabilité et le coût à conquérir.

✅ Conclusion

En une annonce, Figure a transformé la généralisation multi-environnements d'un rêve de roboticien en métrique mesurable — et le passage de 9 % à 56 % grâce à Index dit surtout une chose : la course à la robotique domestique est désormais, d'abord, une course à la donnée humaine. La suite ? Suivez les publications officielles de Figure — et surveillez qui, chez la concurrence, publiera le premier un chiffre comparable dans un foyer jamais vu.