NVIDIA Isaac au GTC Berlin : Agile ONE SN, l'humanoïde de référence prêt à l'emploi

NVIDIA Isaac au GTC Berlin : Agile ONE SN, l'humanoïde de référence prêt à l'emploi

🔎 Un humanoïde de référence, et pourquoi maintenant

Le 21 octobre 2026, au GTC Berlin, NVIDIA a transformé un problème que la robotique traîne depuis des années en simple case à cocher. La plateforme Isaac s'enrichit de « frameworks d'humanoïde de référence », de pipelines de simulation et de jeux de données ouverts. Et le premier corps officiel de cette initiative porte un nom : Agile ONE SN, développé avec Agile Robots.

Le problème visé est connu de quiconque a déjà lancé un projet robotique. Entre le choix du matériel, la configuration de la simulation, l'adaptation des modèles et le déploiement, il s'écoule des semaines — parfois des mois — avant la première expérience utile. Selon Unite.AI, l'objectif affiché est précisément de faire passer ce temps de mise en place de semaines à jours.

Jensen Huang a résumé l'ambition en une phrase : « le ChatGPT moment de la robotique approche ». Traduction : les modèles d'action mûrissent, les données massives arrivent, et ce qui manque, c'est un corps standard sur lequel tout le monde s'accorde. C'est exactement ce que NVIDIA vient de fournir.

L'essentiel

• Agile ONE SN : humanoïde de référence de 1,40 m, 40 kg (43 kg selon la fiche constructeur), 31 degrés de liberté au corps, 3 kg de charge par bras, mains WUJI Hand 2 à 5 doigts et 20 DoF avec contrôle de force à 1 kHz (NVIDIA, octobre 2026).
• Calcul embarqué : Jetson Thor avec 2 070 TFLOPS en FP4 et 128 Go de mémoire unifiée.
• Plateforme : runtime Isaac OS, Isaac Lab 3.0, bibliothèque SimReady de plus de 2 000 assets de simulation, Human 1M Dataset sur Hugging Face.
• Modèle : GR00T 1.7, un VLA open source préconfiguré sur le SN, avec assets URDF et USD pour Isaac Sim et Isaac Lab.
• Disponibilité : début 2027, avec l'intérêt déjà affiché de Stanford et ETH Zurich.
• Notre lecture : le produit n'est pas le robot, c'est le pipeline.

Outils recommandés

Agile ONE SN : les specs d'un humanoïde pensé comme un standard

L'Agile ONE SN est un humanoïde bipède de 1,40 m pour 40 kg, doté de 31 degrés de liberté au corps, conçu par Agile Robots pour servir de référence matérielle officielle à la plateforme Isaac de NVIDIA.

L'idée du « corps de référence » n'a rien d'anodin. Aujourd'hui, chaque labo qui entraîne un modèle de robotique le fait sur son propre matériel : les politiques apprises ne se transfèrent pas, les benchmarks ne se comparent pas, et chaque équipe paie le même tribut d'intégration. En imposant un corps commun, documenté et simulable, NVIDIA espère créer un standard de fait.

Le choix des dimensions n'est pas neutre non plus. À 1,40 m, le SN évolue dans des environnements conçus pour les humains : poignées de porte, escaliers, établis, outils standards. C'est un compromis assumé entre la maniabilité d'un robot de bureau et la force d'une machine industrielle.

Côté capteurs d'action, le SN ne fait pas dans la demi-mesure. Ses mains WUJI Hand 2 comptent chacune 20 degrés de liberté sur 5 doigts, avec un contrôle de force à 1 kHz — la fréquence nécessaire pour saisir un objet fragile sans l'écraser ni le lâcher. Le couple articulaire monte à 140 Nm selon la fiche constructeur (Agile Robots, octobre 2026).

Voici la fiche technique consolidée :

40 ou 43 kg ? Deux fiches, deux vérités

Oui, les deux chiffres circulent, et c'est instructif. Le communiqué NVIDIA annonce 40 kg et 31 degrés de liberté ; la fiche constructeur d'Agile Robots affiche 43 kg et 71 degrés de liberté au total, mains comprises.

La différence de degrés de liberté s'explique simplement : 31 au corps, plus 2 × 20 pour les mains WUJI Hand 2, cela donne exactement 71. Les deux chiffres sont vrais, ils ne comptent pas la même chose.

Pour le poids, l'écart de 3 kg tient vraisemblablement à la configuration mesurée — batteries, options, habillage. La leçon à retenir : face à un communiqué, la fiche constructeur fait foi. Nous vous donnons les deux, c'est le minimum.

Autre point d'honnêteté : 3 kg de charge par bras, c'est modeste. On est loin du bras qui porte une caisse de 10 kg ou un outillage lourd. Le SN se positionne clairement comme plateforme de recherche et développement, pas comme ouvrier d'usine. Agile Robots précise d'ailleurs que les compétences acquises sur le SN se transfèrent vers l'Agile ONE, sa version industrielle — le SN est le terrain d'entraînement, l'ONE est la machine de production.

Jetson Thor et Isaac OS : le calcul embarqué, vrai cœur de l'annonce

Le vrai produit de cette annonce, ce n'est pas le robot : c'est Jetson Thor et le runtime Isaac OS, qui permettent enfin de faire tourner un modèle VLA complet sur le robot lui-même.

Les chiffres donnent le ton : 2 070 TFLOPS en FP4 et 128 Go de mémoire unifiée sur un module embarqué (NVIDIA, octobre 2026). Pourquoi c'est crucial ? Parce que les modèles vision-langage-action sont gourmands : leurs poids et leurs activations dépassent ce que la plupart des plateformes embarquées peuvent héberger. Avec 128 Go de mémoire unifiée, le modèle vit sur le robot, sans copie CPU-GPU ni latence réseau.

C'est la suite logique de la stratégie matérielle de NVIDIA. Quand l'entreprise a présenté Vera Rubin et les puces ARM N1X au GTC Taipei, elle a montré qu'elle pensait l'IA du cloud au edge — voir notre analyse de NVIDIA GTC Taipei : Vera Rubin, N1X ARM et l'ère des agents IA. Jetson Thor en est la déclinaison robotique : le même écosystème, du datacenter jusqu'aux articulations.

Le runtime Isaac OS complète le tableau en unifiant la couche logicielle entre simulation, entraînement et déploiement (GlobeNewswire, octobre 2026). Et NVIDIA prévoit d'intégrer son stack de sécurité Halos — un signal fort. Quand un robot de 40 kg bouge près d'humains, la sécurité n'est pas un argument marketing, c'est une brique d'architecture.

Mon avis : c'est là que NVIDIA joue sa vraie partie. Un robot sans écosystème logiciel n'est qu'un servomoteur cher. Avec Thor, Isaac OS et Halos, NVIDIA vend un environnement complet — exactement la recette qui a fonctionné pour le PC gaming et le datacenter.

Isaac Lab 3.0, SimReady et Human 1M : la vraie révolution est dans la donnée

La partie la moins médiatique de l'annonce — les données et les pipelines — est paradoxalement la plus importante pour l'avenir de la robotique générale.

Trois briques sont arrivées ensemble. Isaac Lab 3.0, la nouvelle version du framework d'entraînement open source, couvre l'apprentissage par renforcement et par imitation avec des pipelines sim-to-real. La SimReady Central Library met à disposition plus de 2 000 assets de simulation prêts à l'emploi — des objets et environnements physiquement cohérents, là où les équipes passaient des semaines à les modéliser. Enfin, le Human 1M Dataset, publié sur Hugging Face, fournit un corpus massif de mouvements humains (GlobeNewswire, octobre 2026).

Le contexte compte. NVIDIA et Hugging Face ont déjà uni leurs forces dans LeRobot, avec l'arrivée open source d'Isaac GR00T 1.7, d'Isaac Teleop et de Cosmos 3 — un rapprochement que nous détaillions dans NVIDIA et Hugging Face unissent leurs forces dans LeRobot. Le Human 1M Dataset s'inscrit dans cette dynamique : les données d'entraînement deviennent un bien commun plutôt qu'un actif privé.

Pourquoi est-ce décisif ? Parce que la donnée robotique est le gouffre budgétaire du secteur. Collecter des démonstrations réelles exige des heures de téléopération, des robots, des techniciens. Un million de mouvements humains combinés à des données synthétiques change l'équation économique de l'entraînement.

Unite.AI résume l'effet produit : unifier simulation, entraînement et déploiement pour faire passer le temps de mise en place de semaines à jours (octobre 2026). Concrètement, un doctorant peut cloner un environnement SimReady, entraîner une politique dans Isaac Lab 3.0 et la tester sur un corps de référence — sans jamais avoir négocié avec un service achats.

C'est exactement ce qui a fait décoller le NLP : des corpus publics avant les modèles. La robotique vient de recevoir son infrastructure de données. C'est moins sexy qu'un humanoïde qui fait des pompes, mais c'est ce qui décidera de qui gagne la course.

GR00T 1.7 et les workflows ouverts : quand le modèle rencontre le corps

GR00T 1.7 est un modèle vision-langage-action open source, préconfiguré sur l'Agile ONE SN, et c'est lui qui transforme ce robot de référence en plateforme d'apprentissage immédiatement utilisable.

La préconfiguration change tout. Agile Robots fournit des assets URDF et USD pour Isaac Sim et Isaac Lab, et le VLA GR00T 1.7 arrive préconfiguré sur le SN (Agile Robots, octobre 2026). Fini le mois d'ingénierie pour faire correspondre un modèle générique à un corps spécifique : on télécharge, on entraîne, on déploie.

L'architecture logicielle est en couches, et c'est voulu. En bas, le VLA GR00T 1.7 gère la boucle perception-action : voir, comprendre, agir. Au-dessus, les workflows open source annoncés combinent ChatGPT Astra, Isaac et Cosmos sur une DGX Station (GlobeNewswire, octobre 2026) — les grands modèles généralistes comme GPT-5.5 d'OpenAI ou Gemini 3.1 Pro de Google prennent en charge le raisonnement et l'orchestration de tâches, pendant que le VLA exécute les gestes.

Cosmos 3 joue son rôle dans cette chaîne : générer des données synthétiques réalistes pour entraîner les politiques sans multiplier les heures de téléopération. Nous avons analysé cette brique dans NVIDIA Cosmos 3 et Isaac GR00T : le ChatGPT moment de la robotique — et la formule de Jensen Huang, « le ChatGPT moment de la robotique approche », prend ici tout son sens.

Mon avis tranché : la préconfiguration d'un VLA open source sur un corps de référence est le geste le plus stratégique de l'annonce. Elle crée un couplage maîtrisé entre le matériel d'Agile Robots et le logiciel de NVIDIA — assez ouvert pour les chercheurs, assez intégré pour les industriels. C'est la définition même d'un standard de fait.

Agile ONE SN vs RoboParty RP1 : référence industrielle ou open source intégral ?

L'Agile ONE SN et le RoboParty RP1 répondent à la même question — « comment démarrer un projet humanoïde sans tout réinventer ? » — avec deux philosophies opposées, et les deux ont raison.

Le RP1 a ouvert le feu en publiant matériel et logiciel — nous lui avions consacré RoboParty RP1 : l'humanoïde 100 % open source qui ouvre hardware et logiciel. Le SN répond avec une autre arme : un corps validé, un modèle préconfiguré et un écosystème industriel derrière.

L'analogie qui marche : le SN, c'est Android — un standard ouvert mais orchestré, avec les garanties d'un constructeur. Le RP1, c'est la distribution communautaire — liberté totale, support à votre charge. Les deux coexisteront, et c'est une excellente nouvelle pour la robotique.

Mon conseil dépend de votre profil. Si vous êtes un labo qui veut publier des résultats comparables ou une entreprise qui veut un interlocuteur responsable, le SN est fait pour vous. Si vous voulez comprendre chaque ligne, bidouiller le matériel et ne dépendre d'aucun fournisseur, le RP1 reste imbattable.

Les angles morts : ce que le communiqué ne dit pas

Trois zones d'ombre méritent d'être posées sur la table avant de sortir le carnet de commandes.

La dépendance au stack NVIDIA, d'abord. Thor, CUDA, Isaac OS, Halos : chaque brique renforce le verrouillage. Les composants open source — Isaac Lab, GR00T 1.7, les workflows — adoucissent la pilule, mais l'optimisation restera calibrée pour le matériel NVIDIA. C'est le prix du standard.

L'opacité économique, ensuite. Ni le prix du SN, ni celui de Jetson Thor, ni le modèle de licence d'Isaac OS n'ont été communiqués (octobre 2026). Un labo doit budgéter le robot, la workstation, éventuellement les services. Sans grille tarifaire, impossible de comparer sérieusement avec une alternative open source intégrale.

La concurrence, enfin. Le transfert des compétences du SN vers l'Agile ONE industriel est aussi une stratégie de rétention : on s'entraîne sur le corps de référence, on achète la machine de production. Les équipes qui veulent garder leur indépendance ont intérêt à suivre de près l'écosystème open source, où LeRobot et les projets communautaires progressent vite.

Début 2027 : qui doit attendre, qui peut commencer dès aujourd'hui ?

Le robot lui-même n'arrive qu'au début 2027, mais presque tout le stack est déjà utilisable — et c'est une erreur stratégique d'attendre le matériel pour monter en compétence.

NVIDIA cite déjà l'intérêt de Stanford et d'ETH Zurich (octobre 2026). Deux institutions qui ne s'engagent généralement pas sur un communiqué sans avoir vérifié la marchandise. Ce signal compte : le SN n'est pas un vaporware, c'est un programme avec des utilisateurs identifiés.

Voici ce que vous pouvez faire dès aujourd'hui, sans débourser un euro :

1. Installer Isaac Sim et Isaac Lab 3.0, tous deux open source, pour vous familiariser avec les pipelines sim-to-real.
2. Télécharger le Human 1M Dataset sur Hugging Face et explorer les données de mouvement humain.
3. Étudier GR00T 1.7 et ses assets URDF/USD fournis par Agile Robots pour comprendre l'architecture d'un VLA préconfiguré.
4. Suivre les workflows open source combinant ChatGPT Astra, Isaac et Cosmos, documentés pour DGX Station.

Pour les équipes avec budget, la question est différente : faut-il précommander un SN ? Mon avis : attendez les tarifs et les conditions de support, mais planifiez dès maintenant le budget d'un développement sur Jetson Thor. Le robot sera là début 2027 ; la compétence de votre équipe, elle, se construit maintenant.

❌ Erreurs courantes

Erreur 1 : Confondre « humanoïde de référence » et « produit livrable »

L'annonce porte sur un framework de référence, pas sur un produit en stock. La disponibilité est annoncée pour début 2027 (NVIDIA, octobre 2026). La solution : développer sur la simulation dès maintenant et considérer le matériel comme l'étape finale, pas la première.

Erreur 2 : Reprendre les specs du communiqué sans vérifier la fiche constructeur

40 kg ou 43 kg ? 31 ou 71 degrés de liberté ? Les deux chiffres sont corrects, mais ils ne mesurent pas la même chose — configuration et périmètre de comptage diffèrent. La solution : croiser systématiquement le communiqué NVIDIA avec la fiche d'Agile Robots, et citer les deux.

Erreur 3 : Croire que la simulation supprime la validation réelle

Isaac Lab 3.0 et les 2 000+ assets SimReady réduisent l'écart sim-to-real, ils ne l'annulent pas. Le contrôle de force à 1 kHz des mains WUJI Hand 2 existe précisément parce que le contact réel reste imprévisible. La solution : budgéter des heures de validation physique, et intégrer le stack Halos pour tout déploiement proche d'humains.

Erreur 4 : Attendre le robot pour se former sur le stack

C'est l'erreur la plus coûteuse. Isaac Sim, Isaac Lab 3.0, GR00T 1.7, le Human 1M Dataset : tout est open source et disponible depuis octobre 2026. La solution : montez en compétence sur la partie logicielle maintenant, pour arriver début 2027 avec un pipeline entraîné plutôt qu'avec de la curiosité.

❓ Questions fréquentes

Quand l'Agile ONE SN sera-t-il disponible ?

NVIDIA annonce une disponibilité début 2027, avec l'intérêt déjà exprimé de Stanford et ETH Zurich (octobre 2026). Aucune date précise ni politique de précommande n'a été communiquée. Surveillez les pages de NVIDIA et d'Agile Robots : les laboratoires cités recevront probablement les premières unités d'évaluation.

Combien coûte l'Agile ONE SN ?

Aucun tarif n'a été communiqué à ce jour (octobre 2026). NVIDIA n'a publié aucun chiffre et nous ne spéculerons pas sur un marché où les écarts de prix se comptent en dizaines de milliers d'euros. Vérifiez sur nvidia.com et agile-robots.com au moment de la disponibilité, début 2027.

Pourquoi NVIDIA annonce 31 degrés de liberté et Agile Robots 71 ?

Les deux chiffres sont exacts : NVIDIA compte les 31 degrés de liberté du corps, Agile Robots ajoute les 2 × 20 degrés des mains WUJI Hand 2, soit 71 au total. C'est un problème de périmètre de comptage, pas une contradiction. Pour les specs d'ingénierie, référez-vous à la fiche constructeur.

Peut-on développer pour Isaac sans acheter de robot ?

Oui, et c'est tout l'intérêt de l'annonce. Isaac Sim et Isaac Lab 3.0 sont open source, la SimReady Central Library offre plus de 2 000 assets, le Human 1M Dataset est disponible sur Hugging Face et GR00T 1.7 est préconfiguré sur le SN. Seul le déploiement physique attendra début 2027.

À quoi sert la mémoire unifiée de 128 Go de Jetson Thor ?

Les modèles vision-langage-action sont volumineux, et la mémoire unifiée évite les copies entre CPU et GPU qui plombent la latence. Avec 2 070 TFLOPS en FP4, Jetson Thor fait tourner le VLA directement sur le robot. C'est la condition d'une boucle perception-action embarquée, sans dépendance au cloud.

Le stack NVIDIA Isaac est-il vraiment open source ?

En partie, et il faut lire les licences composant par composant. Isaac Lab 3.0, GR00T 1.7, les workflows et le Human 1M Dataset sont ouverts ; le runtime Isaac OS a été annoncé comme ajout de plateforme ; le stack de sécurité Halos relève d'une intégration produit. L'ouverture est réelle mais orchestrée.

✅ Conclusion

NVIDIA ne vend pas un robot de plus : il impose un corps standard, un runtime unifié, des données ouvertes et un VLA préconfiguré — le pipeline complet qui manquait à la robotique générale. Le ChatGPT moment de la robotique n'est pas encore là, mais pour la première fois, on voit la mécanique qui y conduira. Commencez par Isaac Sim et le Human 1M Dataset : début 2027 viendra vite.