La startup Generalist AI vient de lever le voile sur GEN-1, un modèle d’intelligence artificielle conçu pour piloter des robots dans le monde réel. Selon l’entreprise, ce « modèle fondationnel incarné » atteint 99 % de réussite sur certaines tâches physiques, contre 64 % pour la génération précédente, tout en les exécutant trois fois plus vite.
Un cerveau unique pour percevoir, raisonner et agir
Contrairement aux robots industriels classiques, programmés pour répéter des mouvements fixes dans un environnement contrôlé, GEN-1 fusionne perception, prise de décision et contrôle moteur en un seul système. Le modèle est entraîné sur des jeux de données massifs d’interactions réelles, et non sur des scénarios étroits.
Les démonstrations publiées montrent des robots pliant des boîtes, emballant des objets, triant des chaussettes et branchant des câbles Ethernet. Certaines séquences cumulent des centaines, voire des milliers de répétitions, avec un taux d’erreur minimal et sans intervention humaine.
Une heure de données suffit pour s’adapter
L’un des points forts revendiqués par Generalist AI est l’efficacité en données. Le modèle ne nécessite qu’environ une heure de données spécifiques au robot pour s’adapter à une nouvelle tâche. L’entraînement repose en grande partie sur des données d’activité humaine captées via des dispositifs portables, plutôt que sur les coûteuses sessions de téléopération traditionnellement utilisées en robotique.
L’entreprise trace un parallèle direct avec le développement des grands modèles de langage : ce qui a fonctionné pour GPT (plus de données, plus de calcul, de meilleures techniques d’inférence) fonctionnerait aussi pour la robotique. GEN-0, le système précédent, avait selon elle démontré que les « lois d’échelle existent en robotique ».
L’improvisation comme critère de maîtrise
Generalist AI définit la « maîtrise » en robotique comme la combinaison de fiabilité, vitesse et ce qu’elle appelle « intelligence improvisationnelle » : la capacité à s’adapter face à l’imprévu. En clair, le robot doit pouvoir réagir quand les choses ne se passent pas comme prévu, sans se figer ni planter.
« Dans des environnements non structurés, les robots doivent être capables d’improviser de manière créative face à des situations inattendues », précise l’entreprise dans son annonce.
Limites et perspectives
La startup reconnaît que toutes les tâches n’atteignent pas encore un niveau de performance adapté à la production industrielle. Des progrès en vitesse et en fiabilité restent nécessaires pour un déploiement à grande échelle. GEN-1 est actuellement accessible en accès anticipé à des partenaires sélectionnés.
Cette annonce s’inscrit dans la tendance plus large de l' »IA physique », où les systèmes robotiques passent de l’automatisation rigide à des approches adaptatives basées sur l’apprentissage. Après les LLM qui ont transformé le traitement du langage, les modèles fondationnels pour la robotique pourraient redistribuer les cartes dans les usines, les entrepôts et les foyers.
