Gemini Robotics 2.5 : ce que sait faire l'IA robotique de Google et ce que ça change pour les entreprises

Un robot peut-il, dans une usine automobile en activité, saisir des pièces métalliques dans une caisse et les ranger dans le bon ordre, sans que quelqu'un ait programmé chaque geste à l'avance ? C'est exactement ce que Google DeepMind a démontré avec Gemini Robotics 2.5, présenté le 10 novembre 2026. Lors d'un test dans des usines Mercedes-Benz, le taux de réussite a atteint 96 %.1 J'ai regardé ce qui se cache derrière le modèle, ce que signifient les chiffres et ce qui est déjà pertinent aujourd'hui pour les petites et moyennes entreprises.
Gemini Robotics 2.5 est un modèle d'IA qui pilote des robots : il voit grâce à des caméras, comprend des instructions en langage courant et les transforme en mouvements de bras et de mains. Par rapport à son prédécesseur, il réussit selon Google nettement plus de gestes délicats, comme emballer des viennoiseries avec une pince ou défaire un nœud, et travaille 20 à 30 % plus vite. Tu ne peux pas encore acheter ni utiliser le modèle toi-même : il est pour l'instant réservé à des partenaires en robotique comme Apptronik. Ce que tu peux déjà tester aujourd'hui, c'est le modèle de planification Gemini Robotics ER 2 dans Google AI Studio.1,2
L'essentiel en chiffres
- 96 % de taux de réussite pour le rangement de pièces automobiles avec le robot humanoïde Apollo 2 dans les usines Mercedes de Kecskemét (Hongrie) et de Sindelfingen.1
- 30 à 100 % de taux de réussite en plus par rapport aux prédécesseurs, selon la tâche, avec un temps d'exécution 20 à 30 % plus court.1
- Plus de 200 tâches différentes testées, du pipetage au service avec une pince.1
- +33 % et +43 % de tâches réalisées en toute sécurité à proximité d'obstacles et de personnes.1
- 99,5 % contre 82 % de résistance aux instructions dangereuses déguisées (Gemini 4 Argon par rapport à Gemini Robotics ER 2).1
Qu'est-ce que Gemini Robotics 2.5 ?
Gemini Robotics 2.5 est ce qu'on appelle un modèle Vision-Language-Action, ou modèle VLA en abrégé. Le nom décrit son fonctionnement : il reçoit des images de caméra (Vision) et une instruction en langage (Language), et en tire directement des commandes pour les moteurs (Action).1,3 Les robots industriels classiques fonctionnent autrement. Ils suivent une trajectoire programmée à l'avance, et si une pièce est posée de travers dans la caisse, ils s'arrêtent ou ratent leur prise. Un modèle VLA est censé s'adapter à ce genre d'écarts, parce qu'il voit la scène et comprend la tâche.
Google s'appuie pour cela sur la combinaison de deux modèles. Le modèle de planification Gemini Robotics ER 2 (ER signifie Embodied Reasoning) garde la vue d'ensemble : il comprend l'espace, découpe une tâche en étapes, parle avec les humains et vérifie si une étape a réussi. Le modèle d'action Gemini Robotics 2.5 transforme chaque étape en mouvements.1,4 Pour les robots qui doivent travailler sans internet ou sans latence, il existe en plus une variante plus petite qui tourne directement sur l'appareil.4
| Modèle | Rôle | Disponibilité (au 14.11.2026) |
|---|---|---|
| Gemini Robotics 2.5 | Modèle d'action (VLA) : pilote les bras, les mains et le corps entier | partenaires en robotique uniquement |
| Gemini Robotics ER 2 | Modèle de planification : comprend l'espace, planifie les étapes, coordonne plusieurs robots | préversion publique dans Google AI Studio et l'API Gemini, préversion fermée dans la Gemini Enterprise Agent Platform |
| Gemini Robotics On-Device 2 | petit modèle VLA, tourne en local sur le robot | partenaires en accès anticipé |
| Gemini 4 Argon | modèle généraliste, accélère la recherche en robotique | API Gemini (payante), Google AI Ultra |
Le modèle n'est pas lié à un robot précis. Google le montre sur le robot humanoïde Apollo 2 d'Apptronik, doté d'une main à cinq doigts (SharpaWave, 22 degrés de liberté), et sur une plateforme Franka Duo avec deux pinces simples à deux doigts.1 Selon Google, la variante On-Device de la version 2 pouvait déjà être adaptée à de nouveaux robots à deux bras en quelques heures, le plus souvent avec moins de 200 exemples.4
Quoi de neuf par rapport à Gemini Robotics 2 ?
Gemini Robotics 2 est sorti en juillet 2026 et pilote les robots avec le corps entier, du pied jusqu'au bout des doigts : marcher, se baisser et saisir en un seul enchaînement.4 La version 2.5 met l'accent sur l'habileté et la fiabilité. Google cite trois domaines : plus de dextérité, des résultats plus fiables en conditions réelles et plus de sécurité.1
Le bond est le plus net pour les tâches avec des objets mous ou fragiles. Le tissu et les rubans se déforment à chaque contact, une viennoiserie est vite écrasée. Pour les robots, c'est depuis des années l'un des problèmes les plus difficiles qui soient. Dans les propres tests de Google, cela donne ceci :1
| Tâche | Gemini Robotics 2 | Gemini Robotics 2.5 |
|---|---|---|
| Emballer des viennoiseries avec une pince | 5 % | 100 % |
| Défaire un nœud de cadeau | 0 % | 70 % |
| Accrocher un gilet en maille | 0 % | 62 % |
| Plier un pantalon | 0 % | 40 % |

Utiliser le graphique sur ton site
Tu peux utiliser librement le graphique en citant la source. Copie pour cela ce code :
<a href="https://simon-traffic.com/fr/blog/ia-automatisation/gemini-robotics-ia-robotique-google/"><img src="https://simon-traffic.com/assets/blog/gemini-robotics/gemini-robotics-2-5-erfolgsquote.fr.png" alt="Gemini Robotics 2.5 : taux de réussite pour des gestes difficiles" width="1200" height="675"></a>
<p>Source : <a href="https://simon-traffic.com/fr/blog/ia-automatisation/gemini-robotics-ia-robotique-google/">Simon Traffic, Gemini Robotics 2.5</a></p>Ce qui me frappe : le pantalon n'est plié proprement que dans 40 % des essais. Pour une blanchisserie, ce serait inutilisable. Mais la direction est intéressante, car avec la version 2, trois de ces quatre tâches étaient encore à zéro. Toutes les valeurs viennent de Google lui-même, il n'existe pour l'instant aucune mesure indépendante.
Le test grandeur nature chez Mercedes-Benz : 96 % de réussite en kitting
La partie la plus passionnante de l'annonce, pour moi, ce n'est pas le laboratoire, c'est l'usine. Google DeepMind a déployé, avec Apptronik et Mercedes-Benz, des robots humanoïdes Apollo 2 sur des lignes de production en activité, à Kecskemét en Hongrie et à Sindelfingen.1
La tâche s'appelle le kitting : on prend des pièces individuelles dans de grandes caisses et on les range dans des bacs, dans l'ordre exact où elles seront ensuite nécessaires sur la chaîne pour un véhicule donné. C'est monotone, physiquement pénible, et pourtant ça doit être juste. Pendant le test, Apollo 2 a saisi des supports métalliques dans les caisses de stockage et les a déposés dans les bacs de tri. Le modèle de planification ER gardait le déroulement à l'œil, le modèle d'action 2.5 pilotait les mains et les bras et compensait les écarts. Résultat : 96 % de réussite.1
Jeff Cardenas, le patron d'Apptronik, explique que les modèles se sont fortement améliorés après quelques semaines de réentraînement et qu'ils ont pu être transférés à la production de Mercedes avec à peine de perte de performance.1
Un point important pour remettre les choses en perspective : Google parle explicitement d'une preuve de concept, donc d'un test de faisabilité. Il n'est pas question d'une exploitation en régime normal. 96 % paraît élevé, mais cela veut aussi dire que sur 100 pièces, quatre prises échouent en moyenne. Sur une ligne qui tourne à la cadence, il faut donc toujours des personnes qui interviennent. Cela reste un tout autre niveau que les vidéos de salon habituelles, parce que ça s'est passé dans une vraie usine et non dans un décor de laboratoire bien rangé.
Gemini 4 Argon : s'entraîner en simulation plutôt que seulement sur le vrai robot
Les robots apprennent lentement, parce que chaque essai dans le monde réel prend du temps. Installer la caméra, lancer le robot, regarder les erreurs, réajuster, et ce des milliers de fois. C'est là qu'intervient Gemini 4 Argon, le modèle généraliste haut de gamme de Google, présenté en octobre 2026 aussi pour la robotique.5
Selon Google, Argon a fortement accéléré le développement de Gemini Robotics 2.5, de trois façons :1
- Jumeau numérique : à partir d'une vraie scène filmée, Argon construit une simulation réaliste du même environnement.
- Séances d'entraînement : dans cette simulation, il génère des milliers de déroulements variés. Avec de vraies démonstrations, le robot apprend ainsi plus vite à gérer de nouvelles scènes et de nouveaux objets.
- Analyse des erreurs : Argon regarde des vidéos d'essais ratés, formule des hypothèses sur la cause et teste les améliorations d'abord en simulation, puis sur le vrai robot.
Un exemple tiré du blog développeurs de Google montre l'ampleur du gain. À partir d'une seule photo d'une table, Argon a construit de lui-même une simulation physique, y a généré plus de 4 500 séances d'entraînement variées et les a transmises au modèle du robot pour un réentraînement. Ensuite, le taux de réussite du vrai robot est passé de 56 à 75 %, et le temps par tâche est descendu de 35 à 24 secondes.5
Dans le benchmark ERQA, qui évalue la compréhension spatiale dans des environnements 3D, Argon atteint selon Google 87 % et devance ainsi tous les autres modèles haut de gamme.5 Pour moi, c'est le véritable levier derrière l'annonce. Si l'entraînement des robots se fait en grande partie en simulation, le temps et le coût de chaque nouvelle tâche baissent. Et c'est justement ce qui décide, au bout du compte, si un robot est rentable dans une entreprise aux tâches très variées.
Sécurité : comment Google protège les robots contre les erreurs et la manipulation
Un modèle de langage qui se trompe, c'est agaçant. Un robot qui saisit mal peut blesser quelqu'un. Google cite deux nouveautés.1
Sécurité dans l'action. Pendant l'exécution, Gemini Robotics 2.5 utilise une aide de réflexion supplémentaire qui le détourne des dangers en temps réel, un peu comme les filtres de sécurité d'un chatbot. Dans les tests de Google, cela a permis de réaliser en toute sécurité 33 % de tâches en plus quand des obstacles étaient sur le chemin, et 43 % de plus quand des personnes se trouvaient à proximité.1 Gemini Robotics ER 2 sait déjà reconnaître quand quelqu'un s'approche trop et arrêter le robot en sécurité.4
Protection contre les ordres déguisés. Avec ASIMOV-Jailbreak, Google a publié un test ouvert. Il contient des centaines d'instructions qui emballent des commandes dangereuses de façon anodine, réparties sur des dizaines de scènes. Gemini 4 Argon résiste à 99,5 % de ces tentatives, alors que la base de comparaison précédente, Gemini Robotics ER 2, était à 82 %.1 Le jeu de données de test est disponible sur Hugging Face sous licence CC BY 4.0 (accès après acceptation des conditions d'utilisation). Les entreprises de robotique peuvent ainsi vérifier leurs propres systèmes.6
Où en est Google face à Tesla, Nvidia et les autres ?
Quand on cherche des robots dopés à l'IA, on tombe vite sur Tesla Optimus ou sur Atlas de Boston Dynamics. La différence essentielle : Google ne vend pas de robots, il développe le cerveau qui équipe les robots d'autres fabricants. Le corps d'Apollo 2 vient d'Apptronik, la main à cinq doigts de Sharpa et le pilotage de Google DeepMind.1 Boston Dynamics fait lui aussi partie des partenaires de Google.3 Tesla, à l'inverse, développe robots et logiciels d'un seul tenant, Nvidia propose avec Isaac GR00T ses propres modèles pour robots humanoïdes, et des fabricants chinois comme Unitree lancent du matériel bon marché.
Pour les entreprises, c'est important, parce que cela ouvre deux voies. Soit tu achètes plus tard un système complet d'un fabricant, soit un robot sur lequel tourne un modèle comme Gemini Robotics. Laquelle s'imposera, c'est ouvert.
IA physique : qu'est-ce que ça signifie pour les petites et moyennes entreprises ?
L'IA physique (Physical AI en anglais) est en ce moment l'un des sujets les plus recherchés en ligne dont la popularité progresse le plus vite. Cela ne veut pas dire pour autant qu'un robot humanoïde sera demain dans ton atelier. Mon évaluation, à ce jour :
À court terme, rien ne change pour la plupart des entreprises. Gemini Robotics 2.5 n'est disponible que pour des partenaires, il n'existe ni interface publique ni prix. Si tu achètes un robot humanoïde maintenant, tu n'auras pas ce modèle avec.
À moyen terme, des tâches comme le kitting sont les premières candidates. Je parle d'activités qui se répètent souvent mais où les pièces ne sont pas toujours placées de la même façon : préparation de commandes, tri, emballage, approvisionnement de postes. C'est précisément là que les robots industriels classiques échouent, parce que l'environnement est trop désordonné, et c'est précisément là que Google intervient. Restent des questions ouvertes que chaque entreprise doit trancher avant qu'un tel robot travaille à côté de personnes : qui est responsable s'il abîme quelque chose ou blesse quelqu'un, et comment s'intègre-t-il aux normes de sécurité des machines ?
Ce que tu peux faire dès maintenant a peu à voir avec les robots. Un robot doté d'IA a besoin, comme toute application d'IA, de processus clairement décrits. Si tu documentes aujourd'hui proprement tes gestes, tes séquences et tes cas d'erreur, c'est la base de toute automatisation future, numérique ou physique. C'est de l'optimisation des processus classique. Pour savoir où en est ton entreprise sur l'IA en général, tu peux l'évaluer en quelques minutes avec le test de maturité IA. Les succès les plus rapides, pour la plupart des petites entreprises, restent du côté des processus numériques comme la prise de rendez-vous, les demandes et les justificatifs, souvent déjà avec un agent IA ou un modèle local comme Nemotron 3.5 Bolt.
Ce que tu peux déjà tester aujourd'hui
Même sans robot, tu peux déjà voir comment pense l'IA robotique de Google :
- Gemini Robotics ER 2 dans Google AI Studio. Le modèle de planification y est disponible en préversion publique et accepte texte, images, vidéo et son. Tu peux par exemple charger une photo d'une étagère ou d'un établi, faire reconnaître les objets et te faire planifier et expliquer un déroulement en étapes.2
- Gemini 4 Argon via l'API Gemini. Argon est disponible dans l'offre payante de l'API Gemini et pour les abonnés à Google AI Ultra.5 Dans le blog développeurs de Google, tu trouves des exemples de prompts, par exemple comment Argon construit des simulations ou pilote un robot sans entraînement préalable.
- Liste d'attente pour testeurs. Google indique travailler avec plus de 100 testeurs sélectionnés, des grands noms de l'automatisation aux start-ups de robotique, et accepter d'autres intéressés via une liste d'attente.3
- Benchmark ASIMOV. Si tu développes toi-même des robots, tu peux vérifier ta propre sécurité avec le jeu de données ouvert.6
Chronologie : Gemini Robotics de 2025 à aujourd'hui
| Date | Publication | Nouveauté |
|---|---|---|
| Mars 2025 | Gemini Robotics | premier modèle, Gemini pilote des robots |
| Septembre 2025 | Gemini Robotics 1.5 | agents IA dans le monde physique, transfert de mouvements entre robots |
| Avril 2026 | Gemini Robotics-ER 1.6 | meilleure planification et meilleure compréhension spatiale |
| Juillet 2026 | Gemini Robotics 2 | pilotage du corps entier, plusieurs robots en équipe |
| Octobre 2026 | Gemini 4 Argon pour la robotique | simulation, jumeaux numériques, analyse des erreurs |
| Novembre 2026 | Gemini Robotics 2.5 | plus d'habileté, test en usine chez Mercedes, ASIMOV-Jailbreak |
Conclusion : un grand pas pour Gemini Robotics, mais pas encore un produit
Gemini Robotics 2.5 montre que les robots pilotés par IA sortent du laboratoire. 96 % en kitting dans une vraie usine automobile et le bond sur les objets mous et fragiles sont impressionnants, même si tous les chiffres viennent de Google lui-même. Le vrai progrès, selon moi, est dans l'entraînement : si les robots font une grande partie de leur apprentissage en simulation, chaque nouvelle tâche devient moins chère.
Pour les petites et moyennes entreprises, le sujet est aujourd'hui encore à observer, pas à acheter. Mais celui qui décrit proprement ses processus dès maintenant et met en place l'automatisation numérique sera prêt quand l'IA physique deviendra abordable.
Questions fréquentes sur Gemini Robotics
Qu'est-ce que Gemini Robotics ?
Gemini Robotics est une famille de modèles de Google DeepMind qui pilote des robots avec de l'IA. Elle se compose d'un modèle de planification (Gemini Robotics ER 2), d'un modèle d'action (Gemini Robotics 2.5) et d'une petite variante pour un usage directement sur le robot (On-Device 2).3
Puis-je acheter ou utiliser Gemini Robotics 2.5 ?
Non, pas encore. Gemini Robotics 2.5 est distribué à des partenaires en robotique comme Apptronik. Ce qui est utilisable publiquement, c'est le modèle de planification Gemini Robotics ER 2 dans Google AI Studio. Pour un accès anticipé, il existe une liste d'attente.1,3
Qu'est-ce qu'un modèle VLA ?
VLA signifie Vision, Language, Action. Un tel modèle reçoit des images de caméra et une instruction en langage, et en tire directement des commandes de mouvement pour un robot. Il n'a donc pas besoin d'être programmé pour chaque geste.1
Quelle est la différence entre Physical AI et Embodied AI ?
Les deux termes désignent une IA qui ne traite pas seulement du texte ou des images, mais agit dans le monde physique, par exemple dans un robot. Embodied AI met l'accent sur le corps, c'est-à-dire sur le fait que l'IA perçoit via des capteurs et agit via des moteurs. Embodied AI vient plutôt de la recherche, Physical AI est le terme courant du secteur et du marché. En pratique, les deux désignent le plus souvent la même chose.
Avec quels robots Gemini Robotics 2.5 fonctionne-t-il ?
Google le montre sur le robot humanoïde Apollo 2 d'Apptronik et sur la plateforme Franka Duo avec deux bras à pince. La famille de modèles est conçue pour fonctionner avec de nombreux types de robots. Parmi les partenaires figurent Apptronik, Agile Robots et Boston Dynamics.1,3
Des robots humanoïdes travaillent-ils maintenant en production chez Mercedes-Benz ?
Pas en exploitation normale. Le déploiement d'Apollo 2 à Kecskemét et à Sindelfingen était un test de faisabilité sur des lignes en activité, au cours duquel les robots ont rangé des pièces avec 96 % de réussite.1
Quand les robots IA arriveront-ils dans les petites entreprises ?
Il n'y a pas de date. Google ne donne ni prix ni date pour une disponibilité large.1 Ce sont probablement d'abord les grandes entreprises industrielles et les logisticiens qui en profiteront, pour des tâches comme le kitting et la préparation de commandes. D'ici là, pour les petites entreprises, cela vaut la peine de documenter les processus et de mettre en place l'automatisation numérique.
Qu'est-ce que Gemini 4 Argon ?
Gemini 4 Argon est le modèle généraliste haut de gamme de Google. En robotique, il construit des simulations et des jumeaux numériques à partir d'images de caméra, génère des séances d'entraînement et analyse les erreurs. Il est disponible via l'API Gemini payante et Google AI Ultra.5
Suggestion de citation
Gütter, Simon (2026) : Gemini Robotics 2.5 : ce que sait faire l'IA robotique de Google et ce que ça change pour les entreprises. Simon Traffic, 14 novembre 2026. https://simon-traffic.com/fr/blog/ia-automatisation/gemini-robotics-ia-robotique-google/
Sources
- Google DeepMind : Gemini Robotics 2.5 accelerates real-world general dexterity, 10.11.2026.
- Google DeepMind : Gemini Robotics ER 2, page du modèle, consulté le 14.11.2026.
- Google DeepMind : Gemini Robotics, aperçu et partenaires, consulté le 14.11.2026.
- Google DeepMind : Gemini Robotics 2 brings whole body intelligence to robots, 30.07.2026.
- Google Developers Blog : Gemini 4 Argon for Robotics, 13.10.2026.
- Google sur Hugging Face : ASIMOV Agentic Safety Evaluation inklusive ASIMOV-Jailbreak, licence CC BY 4.0, consulté le 14.11.2026.
Toutes les valeurs de performance sont des indications du fabricant Google DeepMind. Situation au 14 novembre 2026.