Spirit AI : le « moment GPT-3 » des cerveaux de robots est attendu mi-2027 — à condition d'accepter les données sales

Spirit AI : le « moment GPT-3 » des cerveaux de robots est attendu mi-2027 — à condition d'accepter les données sales

🔎 Le cerveau est le maillon faible — et trois horloges battent vers 2027

Les humanoïdes chinois ont gagné la course d'image : ils sprintent, dansent, enchaînent les backflips sur commande. Le 18 septembre 2026, Reuters publie l'interview de Gao Yang, co-fondateur et chief scientist de Spirit AI, et déplace la ligne de front d'un cran : « The brain is indeed the weakest link in the complete robotics stack. »

Sa prédiction est datée : un équivalent du « GPT-3.0 » — le modèle qui a rendu ChatGPT possible — pour les cerveaux de robots d'ici mi-2027. Sa contre-promesse l'est tout autant : pas d'humanoïdes dans les maisons avant au moins huit ans, soit ~2034.

Le plus intéressant n'est ni la date optimiste, ni la date pessimiste. C'est la méthode : environ 1 000 contractors équipés de capteurs qui répètent des gestes banals dans des centres de collecte à Pékin, une préférence assumée pour la « dirty data » contre la donnée propre, et un pari frontal contre les simulateurs.

L'essentiel

• Gao Yang (Spirit AI, professeur de robotique à l'université Tsinghua) annonce un breakthrough des « cerveaux » humanoïdes d'ici mi-2027, comparable à l'impact du GPT-3.0 qui a rendu ChatGPT possible (Reuters, 18 septembre 2026).
• Le goulot d'étranglement n'est plus le hardware mais la donnée motrice réelle : Spirit AI mobilise ~1 000 contractors équipés de matériel de capture portable, chez eux ou en usine.
• La « dirty data » — un éventail diversifié de gestes imparfaits — fait progresser ses modèles plus vite que les 50 répétitions exigées ailleurs en Chine pour un seul mouvement « propre ». L'inverse des pipelines LLM.
• Preuves terrain : 90 % de réussite sur des tâches simples en salon structuré, et des dizaines de Moz1 (humanoïdes à roues) déjà déployés chez CATL et JD.com.
• Calendrier complet : fenêtre industrielle sur 1 à 2 ans, services commerciaux simples d'ici ~2028, maisons pas avant ~2034.
• Pari technique assumé : les simulateurs échouent sur les corps déformables (câbles électriques), d'où la collecte massive en conditions réelles.

Les acteurs du « cerveau robotique » : trois horloges, une même fenêtre

Trois acteurs chinois indépendants convergent vers 2027 — et cette convergence vaut plus que n'importe quelle prédiction isolée.

Quand des concurrents qui ne se coordonnent pas s'accordent sur une fenêtre, c'est rarement du marketing : c'est que la feuille de route est dictée par une variable mesurable — ici, l'accumulation de données motrices. Le contexte financier pèse aussi lourd dans la lecture : Unitree a été introduite en Bourse avec +460 % au premier jour et ~50 Md$ de valorisation, un signal que le marché paye déjà le récit du « moment ChatGPT » des robots (nous en avions détaillé les implications ici).

Pour situer ce micro-secteur dans la dynamique globale de l'IA, notre panorama des tendances IA du moment est mis à jour chaque mois.

Qui est Gao Yang — et pourquoi ses dates ont du poids

Ce n'est pas un influenceur de la tech, c'est un universitaire qui a des robots en production réelle — statistiquement, le pire profil pour survendre un calendrier.

Gao Yang est assistant professor en robotique à l'université Tsinghua, l'un des pôles académiques les plus puissants de Chine sur le sujet, et co-fondateur/chief scientist de Spirit AI, une société d'environ 300 personnes. La startup a levé plus de 2,9 milliards — la devise n'est pas précisée dans l'extrait Reuters, vraisemblablement des yuans (vérifiez sur la source originale) — et Gao décline tout commentaire sur une éventuelle IPO.

Sa définition du jalon est étonnamment précise : « We anticipate reaching the GPT-3.0 milestone by mid-2027. You will be able to speak to a robot in natural language, and it will execute a series of reasonable physical actions to attempt the task. »

À mon sens, c'est ce qui distingue cette prédiction de l'habituel bruit de la Silicon Valley : une date, un critère testable, et un aveu symétrique (les maisons, c'est dans huit ans). Un fondateur qui vend un espoir à cinq ans ET une déception à cinq ans est un fondateur qui a fait ses calculs.

Le goulot d'étranglement a bougé : du métal vers la donnée motrice

Le hardware a dépassé ce que le logiciel sait exploiter — la limite des robots n'est plus la mécanique, c'est l'entraînement.

C'est le cadrage même de la reprise Reuters/CP24 : après des progrès hardware impressionnants, les firmes robotiques chinoises déplacent le focus vers le logiciel qui détermine l'intelligence et la productivité économique des robots — l'« embodied AI ».

La scène racontée par un témoin Reuters dans les bureaux pékinois de Spirit AI résume tout : des dizaines de jeunes gens équipés de capteurs répètent en boucle des gestes — ouvrir des frigos, déverrouiller des coffres, couper des légumes au couteau. À l'échelle du pays, environ 1 000 contractors, équipés de matériel de collecte portable, fournissent des données de mouvement humain depuis leur domicile ou des usines.

Détail qui mérite de s'y arrêter : certains contractors collectent chez eux. Ce n'est pas de l'économie sur les frais — c'est de l'ingénierie de distribution de données. Si les robots devront un jour opérer dans des salons, autant entraîner les modèles sur des salons réels, avec leurs tapis, leurs canapés et leurs obstacles imparfaits.

Lecture économique : pour les LLM, la donnée texte était gratuite et déjà collectée par l'humanité entière. Ici, chaque heure de mouvement doit être payée, corps par corps, heure par heure. La donnée motrice est devenue un actif en capital humain — les ~1 000 contractors de Spirit AI sont l'équivalent, en robotique, des fermes de GPU des labs de texte.

Et ce basculement « physique » de l'IA ne sort pas de nulle part : nous l'avions documenté dans la Veille du 17 septembre, avec les chiffres d'expédition qui confirment le virage physique du secteur. Spirit AI en est la traduction opérationnelle la plus explicite à ce jour.

La « dirty data » : l'imperfection bat la donnée propre

L'enseignement le plus contre-intuitif de l'interview tient en une phrase : la variété des gestes imparfaits fait progresser les modèles plus vite que la perfection répétée.

Le point de comparaison vient du terrain chinois lui-même : dans d'autres installations d'entraînement, il faut plus de 50 répétitions pour obtenir un seul mouvement « propre » avec la précision requise. Spirit AI a constaté que la « dirty data » — un éventail plus diversifié de gestes — fait avancer ses modèles plus rapidement.

Mon hypothèse d'analyse : un mouvement capté 50 fois par le même corps, sous le même angle, dans la même pièce, n'apprend pas une tâche — il apprend le geste d'une personne. La variété sale couvre la distribution réelle des exécutions : morphologies différentes, angles variés, hésitations, corrections de trajectoire. C'est, grossièrement, de la régularisation par la diversité appliquée à la motricité.

Le paradoxe apparent avec les LLM — où l'on nettoie, déduplique et filtre — est moins fou qu'il n'y paraît. Dans le texte aussi, c'est la diversité des sources, pas leur polissage, qui a historiquement fait la généralisation. Le nettoyage sert la lisibilité, pas l'apprentissage.

Le champ explore d'ailleurs toutes les stratégies de donnée en parallèle, et elles sont presque opposées. OM-1 de Reward AI, une politique robotique entraînée uniquement sur des démonstrations mise sur la démonstration pure ; Skild S1 apprend une tâche de dix minutes à partir d'une seule vidéo pousse l'efficacité extrême. Spirit AI prend le chemin inverse : volume, variété, impureté. Mon pari : les deux écoles convergeront — l'efficacité pour l'adaptation rapide, le volume sale pour la couverture — mais pour tenir un calendrier 2027, c'est aujourd'hui le sale qui gagne.

Pourquoi Spirit AI refuse le raccourci simulateur

Parce que les simulateurs savent très bien simuler… des objets rigides. Or le monde réel est plein d'objets mous.

« Simulators handle rigid bodies well, but flexible objects like deformable electric cables remain a problem », résume Gao Yang — précisément là où beaucoup de concurrents misent massivement sur la simulation pour réduire les coûts d'entraînement.

Prenons l'exemple choisi, parce qu'il est parfait : un câble électrique. Ça se branche, se débranche, se tire, s'emmêle, se coince — dans les usines comme dans les maisons. Si la simulation échoue sur les corps déformables, une politique entraînée en simulateur échouera exactement aux points de défaillance les plus banals du monde physique. Vous aurez un robot brillant sur les objets géométriques et cul-de-jambes sur le premier chargeur mal rangé.

Le coût du pari réel est considérable : ~1 000 contractors, du matériel portable, des centres dédiés à Pékin. Ce n'est pas une méthode, c'est une infrastructure — et la levée de plus de 2,9 milliards doit se lire comme le prix de cette infrastructure, pas comme un budget R&D classique.

Mon avis : tant que les moteurs de simulation ne gèrent pas les déformables, la donnée réelle reste un fossé défendable, peut-être le seul durable du secteur. Mais c'est un fossé daté — le jour où la simulation rattrapera ce point précis, l'avantage des gros collecteurs basculera vite. C'est la variable que je surveillerais avant toute conclusion définitive sur qui « gagne » 2027.

Des dizaines de Moz1 déjà en production chez CATL et JD.com

La promesse 2027 ne part pas d'une maquette : les robots de Spirit AI travaillent déjà sur des lignes de production réelles, chez des clients exigeants.

Les faits : des dizaines de Moz1 — les humanoïdes à roues de Spirit AI — sont déployés sur les lignes du fabricant de batteries CATL et du distributeur JD.com. Détail qui compte double : JD.com est aussi investisseur de la startup.

Deux lectures de ce choix du « à roues ». D'abord l'ingénierie : sur un sol d'usine, la stabilité et le coût d'une base roulante battent encore la marche bipède, dont la seule valeur ajoutée actuelle est... de faire des backflips en démo. Ensuite la structure capitalistique : un client-investisseur verrouille à la fois une demande captive et une boucle de feedback produit — les Moz1 apprennent sur des tâches payées par de vrais clients, pas sur des bancs d'essai.

C'est exactement ce que promet la feuille de route de Gao Yang : les unes à deux prochaines années constituent « the initial window for industrial applications ». Les environnements industriels structurés sont ceux où les 90 % de réussite mesurés par Spirit AI se transposent le mieux — les salons viendront après, et pour cause.

Dernier point, le plus stratégique à mes yeux : des dizaines de robots coordonnés sur une même ligne, ce n'est plus un robot, c'est un système multi-agents physique. Nous avions argumenté dans notre article sur l'Agentic AI pour la robotique que le prochain « ChatGPT moment » des robots serait collectif, pas individuel. Le déploiement CATL/JD.com en est la première préfiguration à l'échelle.

2027 promis, ~2034 pour le salon : ce que dit vraiment le calendrier

Gao Yang vend un breakthrough de capacités, pas une domesticité — et l'écart entre les deux est précisément ce que la plupart des commentaires zappent.

La citation intégrale du roadmap mérite d'être lue : « The next one to two years mark the initial window for industrial applications. Two years from now, we'll see robots deployed in commercial service settings doing simpler tasks. Entering homes is far harder than both. »

Pourquoi les maisons sont un autre sport : la motricité fine reste un défi ouvert — dévisser un bouchon est cité nommément — et la gestion des tâches jamais vues n'est pas résolue. Les 90 % de réussite de Spirit AI sont mesurés sur des tâches simples, dans des salons structurés. Un salon « laboratoire », en somme. L'écart entre ce chiffre et votre appartement en vrai est tout le chemin qui reste.

Et même les prédictions les plus agressives du secteur ne parlent pas de domesticité : le chairman d'ACE Robotics évoque un « moment ChatGPT » d'ici fin 2027, quand Wang Xingxing, fondateur d'Unitree, reste sur « deux à trois ans au plus tôt » (Reuters, 21 août 2026). Personne de crédible ne promet un majordome pour 2027. Le champ du possible 2027-2028 est industriel et commercial, rien d'autre.

Le parallèle GPT-3 : ce qu'il annonce, ce qu'il ne promet pas

Le parallèle est juste sur la dynamique de capacités, trompeur sur l'économie : la donnée motrice n'a pas d'équivalent gratuit du web.

Ce que le parallèle dit de vrai : GPT-3 n'était pas un produit, c'était un jalon de capacité qui a rendu un produit possible. Si mi-2027 livre des robots qui « écoutent en langage naturel et tentent une séquence d'actions raisonnables », on aura la même structure — une capacité brute, encore inutilisable à grande échelle, mais qui change la pente de la courbe. C'est exactement ce qu'a été GPT-3 pour ChatGPT.

Ce qu'il ne dit pas, c'est l'asymétrie économique : les LLM ont grandi sur le texte du web, collecté une fois, réutilisable à l'infini, à coût marginal quasi nul. Ici, chaque heure de geste humain coûte des heures de travail payé. Des scaling laws existent peut-être pour la motricité — Spirit AI y croit assez pour payer ~1 000 contractors — mais l'unité économique n'a aucun précédent.

Il y a aussi une asymétrie temporelle que le récit gomme : quand les cerveaux robotiques atteindront leur « GPT-3 », les modèles de texte seront loin devant. Les leaders 2026 des benchmarks agentiques s'appellent GPT-5.5, Gemini 3 Pro Deep Think ou Claude Opus 4.7 — voir notre comparatif Claude, GPT, Gemini, Llama pour 2026 et notre sélection des meilleurs LLM pour coder. La robotique gravira avec des années de retard une courbe que le texte a déjà descendue, et l'intelligence « embarquée » héritera de modèles de fond déjà très avancés — c'est d'ailleurs sa chance.

La vraie leçon de 2022, enfin : le « moment ChatGPT » n'est pas venu d'un benchmark, mais d'une interface qui a rendu une capacité existante soudain utile. Si l'interaction en langage naturel devient fiable sur un robot, le moment peut arriver plus vite que ne le pensent les sceptiques. C'est précisément ce pari — ni plus, ni moins.

❌ Erreurs courantes

Erreur 1 : lire « moment GPT-3 » comme « robots domestiques 2027 »

Le breakthrough annoncé porte sur la généralisation motrice, pas sur votre cuisine. Les maisons, c'est au moins huit ans selon Gao Yang lui-même — l'homme qui donne la date optimiste. La vraie opportunité 2026-2028 est industrielle et commerciale ; celui qui attend le majordome rate la seule fenêtre investissable.

Erreur 2 : survendre les 90 % de réussite

Ce chiffre couvre des tâches simples, dans des salons structurés — pas un appartement en vrai, encore moins une tâche jamais vue. La motricité fine (dévisser un bouchon) et la généralisation hors distribution restent les murs. Ne bâtissez jamais un business case sur « 90 % » sans ces deux qualificatifs.

Erreur 3 : plaquer l'économie des LLM sur la robotique

« La donnée finira par être abondante et gratuite » : c'était vrai pour le texte, c'est faux pour le mouvement. L'actif stratégique n'est pas l'algorithme mais l'infrastructure de collecte — ici, ~1 000 contractors et du matériel portable. Raisonner « compute + scraping » en robotique, c'est se tromper de coût marginal, donc de business model.

❓ Questions fréquentes

Qu'est-ce que le « moment GPT-3 » des robots ?

C'est un jalon de capacité : un robot auquel on parle en langage naturel et qui exécute « une série d'actions physiques raisonnables » pour tenter la tâche, même imparfaitement. Comme GPT-3 a rendu ChatGPT possible sans être un produit fini, ce jalon rendrait les robots utiles possibles. Gao Yang le situe mi-2027.

Quand les humanoïdes entreront-ils dans nos maisons ?

Pas avant ~2034 : Gao Yang parle d'au moins huit ans après le breakthrough. La maison cumule les pires difficultés — environnement non structuré, objets imprévus, motricité fine. Même ACE Robotics, la prédiction la plus agressive du secteur, évoque un moment ChatGPT fin 2027, pas une domesticité.

Pourquoi la « dirty data » fonctionnerait-elle mieux que la donnée propre ?

Parce qu'elle couvre la vraie distribution des gestes : morphologies, angles, rythmes et hésitations varient. Là où d'autres centres exigent plus de 50 répétitions pour un mouvement « propre », Spirit AI constate que cette diversité imparfaite généralise mieux. Un geste répété cinquante fois à l'identique apprend une personne, pas une tâche.

Pourquoi Spirit AI évite-t-elle les simulateurs ?

Les simulateurs gèrent bien les corps rigides mais échouent sur les objets déformables — câbles électriques en tête, omniprésents en usine comme à la maison. Une politique entraînée en simulation risque d'échouer précisément sur les cas les plus banals. Spirit AI préfère payer la collecte réelle (~1 000 contractors) que ce risque.

Peut-on investir dans Spirit AI ?

Pas en Bourse pour l'instant : la société est privée, et Gao Yang refuse tout commentaire sur une éventuelle IPO. L'exposition cotée du secteur passe notamment par Unitree, introduite avec +460 % au premier jour pour ~50 Md$ de valorisation — avec la volatilité que ce genre d'entrée implique.

✅ Conclusion

La course aux humanoïdes s'est déplacée des usines de hardware vers les salles de collecte de données — et c'est la recette de Spirit AI (réelle, sale, chère) qui fixe désormais le calendrier : capacités mi-2027, usines d'abord, maisons vers 2034. Pour suivre ce basculement physique de l'IA mois par mois, rendez-vous dans nos tendances IA du moment.