Un robot IA perd son outil, saisit une banane et termine sa tâche sans y avoir été programmé
Imaginez la scène : un bras robotique s’active tranquillement à balayer des petits blocs dans un bol. Des chercheurs décident, en plein exercice, de lui retirer sa brosse. Logiquement, la machine devrait se figer.
Sauf qu’elle ne s’arrête pas. Elle continue avec sa pelle, puis attrape une banane posée sur la table pour terminer le travail. Une scène si absurde qu’elle est devenue virale en quelques jours.
Une brosse disparaît, l’improvisation commence
L’histoire se déroule dans les laboratoires de Generalist AI, une startup de robotique basée à Cambridge, dans le Massachusetts. Leur robot venait d’imiter une courte vidéo de démonstration montrant comment pousser un bloc dans un bol avec une brosse.
Les chercheurs retirent alors l’outil pour voir ce qui se passe. Plutôt que d’abandonner, le bras robotique bascule sur la pelle, seule à sa disposition. Puis, quand une banane traîne à proximité, il la saisit et s’en sert comme d’une brosse improvisée.
Ce comportement n’était codé nulle part. Le robot garde le même objectif — mettre l’objet dans le bol — mais change librement de moyen pour y arriver, en réutilisant ce qu’il avait « vu » dans la vidéo initiale.
Ce qui rend ce robot différent des bras industriels classiques
Les bras robotiques qu’on croise en usine fonctionnent sur des scénarios ultra rigides. Un mouvement, une trajectoire, un outil précis : rien ne bouge sans reprogrammation complète.
Ici, c’est tout l’inverse. Le robot de Generalist AI s’appuie sur GEN-1.5, un modèle de fondation robotique qui combine vision, capteurs, langage et perception du mouvement sur une fenêtre de 30 secondes. Des commandes sont envoyées à 100 Hz, un rythme suffisant pour ajuster les gestes en temps réel.
Le principe le plus marquant reste le one-shot learning : une seule vidéo, entre 3 et 12 secondes, suffit pour que le robot tente une nouvelle tâche. Generalist AI parle de « physical prompting » — une démonstration filmée joue le même rôle qu’un prompt texte pour ChatGPT, mais appliquée directement au monde réel.
« Ha, il n’avait encore jamais fait ça »
La deuxième démonstration a de quoi surprendre encore plus. Un robot à deux bras regarde une vidéo où une personne ouvre une trousse zippée et en retire des billets.
Face à une trousse différente, la machine parvient à l’ouvrir sans problème. Mais sa pince droite n’arrive pas à bien pincer les billets. Sans qu’on lui demande, le robot bascule alors sur son bras gauche et retente sa chance.
« Ha, il n’avait encore jamais fait ça », lâche un ingénieur pendant la démo, visiblement pris au dépourvu. Le robot ne rejoue pas bêtement la vidéo : il adapte sa stratégie à l’objet réel qu’il a sous les mains, ce qui reste rare pour ce type de système.
Des taux de réussite encore loin de la perfection
Pete Florence, cofondateur et CEO de Generalist AI, compare cette avancée à l’effet GPT-3 sur le texte. Cité par Wired, il explique que « c’est exactement le genre de chose qui enthousiasmait les gens » à l’époque : montrer une nouvelle tâche au système, et voir qu’il « a une vraie chance de la réussir ».
Les chiffres restent toutefois modestes. GEN-1.5 affiche un taux de réussite moyen d’environ 59 % après une seule démonstration. Ce taux grimpe à près de 83 % avec quelques minutes de données supplémentaires, preuve que le modèle apprend vite mais n’est pas encore infaillible.
Ces résultats rappellent d’ailleurs une autre expérience surprenante avec des singes capucins au Costa Rica, qui avaient appris seuls à utiliser un écran tactile pour obtenir des bananes. Décidément, ce fruit a le don de faire progresser l’intelligence, artificielle ou pas.
Vers des robots capables de s’adapter à votre cuisine
Ce type de robotique généraliste ouvre des perspectives concrètes pour l’assistance domestique ou logistique. Un bras capable d’improviser avec ce qu’il trouve sur une table, plutôt que d’attendre l’outil parfait, change la donne.
Pour l’instant, les scénarios testés restent simples et très encadrés. Il faudra encore de nombreux essais pour garantir la sécurité et la fiabilité de ces systèmes avant de les imaginer chez vous.
Reste que cette question de l’automatisation intelligente inquiète autant qu’elle fascine, à l’image des prédictions d’Elon Musk sur l’avenir du travail. Voir un bras en silicium attraper une banane pour finir sa tâche suffit déjà à montrer que les robots commencent, timidement, à sortir du script qu’on leur a écrit.