Gemini Robotics ER 2 sur Google Cloud : le « cerveau haut niveau » qui s'adapte à n'importe quel robot

Gemini Robotics ER 2 débarque sur Google Cloud : le cerveau universel des robots est (enfin) un produit

🔎 Un modèle qui pense, quel que soit le corps qu'on lui donne

Le 27 octobre 2026, Google a franchi une étape que l'industrie robotique attendait depuis des années : la disponibilité générale de Gemini Robotics Embodied Reasoning 2 (ER 2) sur Google Cloud. Ce n'est pas un robot. Ce n'est pas même un modèle qui contrôle directement des moteurs. C'est quelque chose de plus intéressant : un cerveau décisionnel de haut niveau, conçu pour s'adapter à n'importe quel corps robotique — bras industriel fixe, mobile manipulator ou humanoïde.

Pourquoi c'est important maintenant ? Parce que la robotique se heurte depuis toujours à un mur économique : chaque robot, chaque tâche, chaque environnement exige des années d'ingénierie spécifique. Un modèle qui raisonne au-dessus du matériel, et qui se branche sur des modèles d'action de bas niveau, casse cette équation. Google DeepMind l'a détaillé dans son annonce officielle, et la mise à disposition via Google Cloud transforme une prouesse de labo en brique industrielle.

La question n'est plus « peut-on doter un robot d'intelligence générale ? » mais « quel fournisseur vend le meilleur cerveau robotique ? ». Nvidia a sa réponse avec Isaac GR00T. Google vient d'en donner une seconde, radicalement différente dans son architecture.

L'essentiel

• Gemini Robotics ER 2 est disponible en GA sur Google Cloud depuis le 27 octobre 2026, après une phase d'aperçu avec des partenaires industriels.
• C'est un modèle de raisonnement « embodied » de haut niveau : il comprend la vidéo spatiale et temporelle, planifie sur plusieurs minutes et décompose les objectifs en centaines de décisions successives.
• Il est agnostique au corps : il orchestre des modèles d'action de bas niveau (VLA ou politiques spécialisées) plutôt que de piloter directement les actionneurs, ce qui le rend compatible avec des bras fixes comme des humanoïdes.
• Des garde-fous de sécurité sont intégrés nativement, avec des limites d'action vérifiées avant exécution.
• Il supporte la collaboration multi-robots, plusieurs machines partageant le même raisonnement pour coordonner leurs tâches.
• Il se positionne au-dessus des frameworks type Nvidia Isaac GR00T, qui visent davantage les politiques de contrôle de bas niveau.

Outils recommandés

Qu'est-ce que Gemini Robotics ER 2, concrètement ?

ER 2 est un modèle de raisonnement spécialisé pour la robotique, pas un modèle d'action. La distinction est fondamentale et résume toute la stratégie de Google DeepMind.

La première génération de Gemini Robotics, lancée en 2025, était un modèle Vision-Language-Action (VLA) : il recevait des images et produisait directement des commandes motrices. Puissant, mais rigide — le modèle devait être entraîné ou affiné pour chaque type de corps. Google a ensuite introduit Gemini Robotics-ER 1.5 en septembre 2025, qui séparait déjà le raisonnement du contrôle. ER 2 pousse cette séparation à maturité et la rend disponible commercialement.

Concrètement, ER 2 occupe la couche cognitive :

• Perception : il ingère des flux vidéo (RGB, profondeur) et construit une représentation spatiale ET temporelle de la scène — il comprend non seulement où sont les objets, mais ce qui vient de se passer et ce qui est en train de bouger.
• Planification : face à un objectif (« prépare cette commande », « range cet atelier »), il décompose la tâche en une séquence de centaines de décisions sur plusieurs minutes, avec gestion des imprévus en cours de route.
• Orchestration : il envoie des sous-objectifs à des modèles d'action de bas niveau — ses propres VLA Gemini Robotics, ou des politiques tierces — qui traduisent les intentions en mouvements réels.

C'est exactement la même logique qui structure les agents logiciels modernes : un modèle de raisonnement puissant au sommet, des exécutants spécialisés en dessous. Google applique au monde physique ce qui fonctionne déjà dans le monde numérique — et si vous suivez l'évolution des modèles de Google, de Gemini 3.1 Pro aux agents ambiants comme Gemini Spark, la cohérence de la stratégie saute aux yeux : un noyau de raisonnement, décliné sur tous les terrains.

Pourquoi dissocier le cerveau du corps change tout ?

Parce que c'est la seule voie économiquement viable vers des robots génériques à grande échelle. Un VLA monolithique doit être réentraîné pour chaque morphologie ; un cerveau haut niveau s'adapte.

Pensez à ce que ça implique. Aujourd'hui, un intégrateur qui déploie un bras robotisé dans une usine passe des mois sur la programmation spécifique : chaque préhenseur, chaque disposition d'atelier, chaque variation de pièce demande du sur-mesure. Avec ER 2, le raisonnement est mutualisé — c'est le même modèle qui comprend une scène de laboratoire, une cuisine ou une chaîne de montage. Seule la couche d'exécution change.

Cette architecture en couches ressemble à ce que l'informatique a fait avec les systèmes d'exploitation :

1. La couche matériel : moteurs, préhenseurs, capteurs — spécifique à chaque robot.
2. La couche d'action : des politiques de bas niveau qui savent « saisir », « insérer », « replier » — souvent des modèles compiles affinés par corps.
3. La couche de raisonnement : ER 2 — compréhension de la scène, planification, sécurité, coordination.

Google n'est pas le seul à croire à cette pile. Nvidia pousse la même idée avec sa stack Isaac, mais avec une philosophie différente : GR00T est un modèle open weights focalisé sur les politiques de contrôle, pensé pour les humanoïdes. Google, lui, vend le sommet de la pile et reste agnostique sur le reste. Deux stratégies, un même constat : la valeur se déplace vers le raisonnement.

Mon avis ? C'est la bonne bataille. Un cerveau universel est plus défendable qu'une politique de préhension, car il bénéficie de toutes les avancées des modèles frontière — ER 2 hérite directement des progrès de la lignée Gemini, dont les modèles généralistes comme Gemini 3.1 Pro ou GPT-5.5 d'OpenAI montrent chaque trimestre à quel point le raisonnement multimodal progresse vite.

Ce qu'ER 2 sait faire : vidéo spatiale, planification longue, adaptation

ER 2 combine trois capacités qui, mises bout à bout, permettent à un robot de gérer des tâches de plusieurs minutes sans supervision humaine.

Compréhension vidéo spatiale et temporelle

La plupart des systèmes robotiques raisonnent sur des images isolées. ER 2 raisonne sur du flux vidéo continu : il suit un objet en mouvement, anticipe une trajectoire, comprend qu'une porte vient d'être ouverte ou qu'une personne vient d'entrer dans son champ d'action. Cette dimension temporelle est ce qui manque cruellement aux systèmes qui analysent des frames isolées — et c'est ce qui permet de réagir à un monde dynamique plutôt qu'à des instantanés.

Planification sur plusieurs minutes

Face à un objectif de haut niveau, ER 2 ne produit pas une action : il produit un plan décomposé en centaines de décisions successives. Prendre un plat du congélateur, vérifier sa température, choisir le bon four, surveiller la cuisson, prévenir si quelque chose tourne mal. Chaque étape est réévaluée en continu, et le plan se répare lui-même quand la réalité diverge — un objet déplacé, un outil manquant, une intervention humaine.

Orchestration de modèles d'action

ER 2 ne réinvente pas la roue motrice. Il délègue l'exécution à des modèles d'action spécialisés, qu'ils soient propriétaires (les VLA de Google) ou tiers. C'est une position d'orchestrateur : le modèle raisonne, vérifie la faisabilité, envoie des sous-objectifs, et surveille le résultat. Si un modèle d'action échoue, ER 2 le détecte et replanifie.

Collaboration multi-robots

Dernière pièce, souvent sous-estimée : ER 2 peut coordonner plusieurs robots qui partagent le même raisonnement. Deux bras qui se répartissent une tâche d'assemblage, un robot mobile qui ravitaille des stations fixes, un humanoïde qui relaie un bras fixe sur une zone inaccessible. La coordination multi-agents est difficile même dans le logiciel pur ; la faire fonctionner dans le monde physique, avec des latences réelles et des corps qui se gênent mutuellement, est un vrai différenciateur.

Sécurité : des garde-fous intégrés, pas plaqués après coup

ER 2 intègre nativement des garde-fous de sécurité qui vérifient les actions avant leur exécution. Ce n'est pas un détail marketing — c'est probablement l'argument décisif pour les industriels.

Un robot qui raisonne est un robot qui peut se tromper de manière convaincante. Les limites de sécurité classiques (cellules de sécurité, arrêts d'urgence, zones virtuelles) protègent contre les comportements mécaniques prévisibles, mais pas contre les erreurs de jugement d'un modèle génératif : saisir le mauvais objet, appliquer une force inadaptée, interpréter une consigne ambiguë de façon dangereuse.

L'approche de Google sur ER 2 consiste à faire de la sécurité une étape du pipeline de décision :

• Vérification pré-action : chaque action proposée est évaluée contre des limites définies (zones interdites, types d'objets à ne pas manipuler, forces maximales) avant d'être envoyée au modèle d'action.
• Séparation des niveaux : le modèle de raisonnement ne pilote jamais directement les moteurs ; les politiques de bas niveau agissent comme une couche de confinement supplémentaire.
• Dégradation contrôlée : en cas d'incertitude ou de situation hors de son domaine de compétence, le modèle peut s'arrêter et demander une intervention humaine plutôt que d'improviser.

C'est le même débat qui traverse l'IA logicielle sur les agents autonomes — où les modèles les plus performants en tâches agentiques, comme GPT-5.5 (98,2 sur les benchmarks agentiques selon les classements de juin 2025) ou Claude Opus 4.7, doivent arbitrer entre autonomie et contrôle. Dans le monde physique, l'enjeu est simplement plus concret : une erreur logicielle corrompt des données, une erreur robotique blesse quelqu'un. Le fait que Google fasse des garde-fous un argument commercial central plutôt qu'une note de bas de page est un signal de maturité pour toute l'industrie.

ER 2 face à Nvidia Isaac GR00T : deux philosophies du cerveau robotique

ER 2 et Isaac GR00T ne se concurrencent pas directement : l'un vend le raisonnement, l'autre fournit les politiques d'exécution. Mais ils dessinent deux visions de la pile robotique, et les intégrateurs vont devoir choisir leur camp — ou les combiner.

Nvidia a fait un travail considérable pour structurer l'écosystème humanoïde : Isaac GR00T fournit des modèles de base affinables, Isaac Sim permet la simulation à grande échelle, et la société a imposé ses références matérielles avec des plateformes comme l'humanoïde de référence présenté au GTC Berlin. Les démonstrations impressionnantes ne manquent pas non plus côté recherche appliquée, à l'image du robot Nvidia ASPIRE V10 qui résout un Rubik's Cube en écrivant lui-même ses skills.

Mais la force de Nvidia — des politiques de bas niveau ouvertes et performantes — est aussi sa limite : quelqu'un doit encore décider quoi faire, quand, et comment coordonner plusieurs machines. C'est précisément le trou qu'ER 2 vient combler.

Ma lecture : les deux sont complémentaires plus que concurrents. Une stack réaliste en 2026-2027 pourrait être ER 2 en cerveau, des politiques type GR00T en exécution, et le matériel d'un intégrateur tiers. Google ne l'interdit pas — ER 2 est conçu pour orchestrer des modèles d'action tiers. Nvidia, en revanche, aimerait évidemment que sa propre pile couvre tout, du raisonnement au moteur. La bataille commerciale se jouera sur ce point : qui capte la relation client au sommet de la pile ?

Comment accéder à ER 2 sur Google Cloud

ER 2 est accessible via Vertex AI, la plateforme ML managée de Google Cloud, en disponibilité générale depuis le 27 octobre 2026. Pas de téléchargement de poids, pas d'auto-hébergement : c'est un service.

Le parcours type d'une équipe :

1. Provisionner l'accès via Vertex AI sur un projet Google Cloud, avec les quotas associés au service Gemini Robotics.
2. Connecter les flux du robot : caméras (RGB, profondeur), état du robot, télémétrie — ER 2 consomme de la vidéo et des états, pas des formats propriétaires.
3. Brancher les modèles d'action : soit les VLA Gemini Robotics de Google, soit vos propres politiques, via l'interface d'orchestration.
4. Configurer les garde-fous : zones interdites, objets exclus, seuils de force, règles d'escalade humaine.
5. Tester en simulation avant tout déploiement physique — étape non négociable.

Pour vérifier la disponibilité du service depuis votre environnement, une simple commande CLI suffit :

gcloud ai models list --region=us-central1 --filter="display_name:gemini-robotics"

Le choix du cloud-only est assumé et cohérent avec la stratégie de Google : comme pour ses modèles de raisonnement, l'entreprise garde les poids et monétise l'accès. Pour les industriels, c'est un compromis à évaluer sérieusement — la simplicité opérationnelle contre une dépendance à une infrastructure unique. Les équipes qui exigent le contrôle total des poids se tourneront vers les alternatives open weights ; les équipes qui veulent déployer vite sans équipe ML dédiée trouveront dans l'offre Google un raccourci considérable.

Pourquoi maintenant ? Le contexte d'une bascule industrielle

Trois convergences expliquent qu'ER 2 arrive sur le marché en octobre 2026, et pas deux ans plus tôt ou plus tard.

Première convergence : la maturité du raisonnement multimodal. Les modèles frontière de 2025-2026 — Gemini 3.1 Pro, GPT-5.5, Claude Opus 4.7 — ont franchi un seuil en compréhension vidéo et en planification longue. ER 2 capitalise directement sur cette lignée : sans ces progrès, un cerveau robotique capable de planifier sur des minutes n'était simplement pas faisable.

Deuxième convergence : l'arrivée massive des humanoïdes. Les plateformes se multiplient — Figure, Agility, Unitree, et les références de Nvidia. Mais un humanoïde sans cerveau générique n'est qu'un automate coûteux. Le goulot d'étranglement s'est déplacé du matériel vers l'intelligence, et les fournisseurs de cerveaux se disputent maintenant ce marché.

Troisième convergence : la pression des industriels. Logistique, fabrication, laboratoires : les secteurs en pénurie de main-d'œuvre ne veulent plus de preuves de concept, ils veulent des systèmes déployables avec des garanties de sécurité. La disponibilité générale sur Google Cloud — avec SLA, quotas et support — est la réponse à cette demande.

Ce qui me frappe, c'est la vitesse de professionnalisation du secteur. Il y a deux ans, la robotique générale était un sujet de recherche. Aujourd'hui, on compare des offres cloud, des tarifs, des architectures — exactement comme on compare des LLM. Le domaine vient de passer de la science à l'ingénierie.

❌ Erreurs courantes

Erreur 1 : croire qu'ER 2 contrôle directement les moteurs

ER 2 est un raisonneur, pas un contrôleur. Il produit des intentions et des sous-objectifs, délégués à des modèles d'action. Si vous branchez ER 2 sur un robot sans couche d'exécution, il ne bougera pas d'un centimètre. Solution : prévoir dès le départ une politique de bas niveau (VLA Gemini Robotics, modèle GR00T affiné, ou politique maison).

Erreur 2 : sous-estimer le travail d'intégration des capteurs

« Compatible avec n'importe quel robot » ne signifie « plug-and-play ». ER 2 a besoin de flux vidéo de qualité, de calibration spatiale correcte et d'une télémétrie fiable. Une caméra mal positionnée dégrade toute la chaîne de raisonnement. Solution : investir dans la qualité perception avant de rêver de planification avancée.

Erreur 3 : déployer en production sans passer par la simulation

Les garde-fous intégrés réduisent les risques, ils ne les éliminent pas. Tester directement sur un robot physique, c'est exposer du matériel coûteux — et potentiellement des personnes — à des comportements non validés. Solution : validation systématique en simulation, puis déploiement progressif avec supervision humaine sur les premiers cycles.

Erreur 4 : ignorer la question de la dépendance cloud

ER 2 est un service cloud : pas de réseau, pas de robot qui raisonne. En environnement industriel, une coupure de connectivité doit être anticipée. Solution : concevoir un mode dégradé — les politiques de bas niveau continuent d'exécuter les tâches en cours, le robot s'arrête proprement sur les nouvelles décisions.

❓ Questions fréquentes

ER 2 remplace-t-il les modèles VLA de Google ?

Non, il les complète. Les VLA Gemini Robotics restent la couche d'exécution qui traduit les intentions en mouvements. ER 2 siège au-dessus : il comprend la scène, planifie, délègue et supervise. L'architecture est en couches, pas en remplacement.

ER 2 fonctionne-t-il avec n'importe quel robot ?

En théorie, oui : le modèle est agnostique au corps, compatible avec des bras fixes comme des humanoïdes, et peut orchestrer des modèles d'action tiers. En pratique, la qualité dépend de la couche d'exécution et de la perception disponible sur votre matériel. Google a validé des partenariats industriels pendant la phase d'aperçu.

Quel est le prix d'ER 2 sur Google Cloud ?

La tarification est à l'usage via Vertex AI, et Google ne publie pas de grille simple comparable à celle des LLM textuels. Le coût dépend du volume de flux vidéo traité et de la fréquence des décisions. Vérifiez les tarifs à jour sur cloud.google.com (octobre 2026).

ER 2 rend-il Nvidia Isaac GR00T obsolète ?

Non. GR00T excelle sur les politiques de bas niveau et reste open weights — un atout pour qui veut contrôler ses poids. ER 2 occupe la couche de raisonnement que GR00T ne couvre pas. Les deux peuvent même se combiner dans une même stack.

Peut-on auto-héberger ER 2 ?

Non. Google distribue ER 2 exclusivement en service managé via Google Cloud, à l'image de sa stratégie pour ses modèles frontière. Les équipes exigeant le contrôle total des poids devront se tourner vers des alternatives ouvertes, avec les limites de raisonnement associées.

ER 2 gère-t-il vraiment la collaboration multi-robots ?

Oui, c'est une capacité native annoncée par DeepMind : plusieurs robots peuvent partager le même raisonnement pour coordonner leurs tâches. C'est l'un des principaux différenciateurs face aux solutions focalisées sur un seul corps.

✅ Conclusion

Avec ER 2 sur Google Cloud, Google ne vend pas un robot : il vend le poste de pilotage de la robotique générale — et c'est probablement la position la plus rentable de toute la pile. La prochaine étape à surveiller : les premiers déploiements industriels à grande échelle, et la réponse de Nvidia sur la couche de raisonnement. Pour comprendre comment les modèles de Google se positionnent face à la concurrence sur les usages quotidiens, consultez notre comparatif Gemini vs ChatGPT vs Claude.