Gemini Robotics 2 : ce que Google a vraiment lancé

Gemini Robotics 2 n’est pas un nouveau robot Google. C’est une famille de modèles d’intelligence artificielle conçue pour comprendre un environnement physique, planifier une tâche puis commander différents corps robotiques. La nouveauté réellement accessible aujourd’hui est Gemini Robotics ER 2, disponible en préversion publique dans Google AI Studio et l’API Gemini. Le modèle qui produit directement les actions motrices, Gemini Robotics 2 VLA, reste en préversion privée.

Cette distinction évite deux contresens. Google n’a pas mis en vente un humanoïde domestique et n’a pas ouvert toute sa pile de contrôle à n’importe quel robot. L’annonce du 30 juillet 2026 apporte néanmoins une pièce importante : un même « cerveau » de haut niveau peut suivre une tâche en vidéo, appeler des outils, coordonner plusieurs machines et déléguer l’exécution à un contrôleur adapté.

À retenir

• La famille comprend Gemini Robotics 2, Gemini Robotics ER 2 et Gemini Robotics On-Device 2.
• ER 2 est testable via API ; le VLA principal reste réservé à une préversion privée et à plus de 100 testeurs de confiance annoncés par Google.
• Google présente un contrôle allant des robots à deux bras aux humanoïdes complets, mais chaque plateforme doit encore être intégrée et validée.
• Les résultats de dextérité et de suivi de tâche sont des évaluations publiées par Google, pas des essais indépendants.
• Aucun prix de robot, calendrier grand public ou disponibilité domestique n’a été annoncé.

Trois modèles, trois rôles

Un modèle VLA — vision-language-action — relie ce que la machine voit et ce qu’on lui demande aux actions du corps. ER 2 travaille un étage plus haut : il découpe la mission, choisit un outil, observe la progression et décide quand passer à l’étape suivante. Cette séparation ressemble à celle d’un chef d’orchestre et de musiciens spécialisés. Elle permet de remplacer le bras, le quadrupède ou l’humanoïde sans réécrire nécessairement toute la logique de la mission.

Pour comprendre le passage de la perception au mouvement, notre dossier sur le fonctionnement d’un robot humanoïde détaille capteurs, contrôle et apprentissage.

Ce que Gemini Robotics 2 ajoute vraiment

Google met d’abord en avant le contrôle du corps entier. Le VLA est présenté comme capable de commander un humanoïde des pieds aux doigts, en tenant compte de l’équilibre lorsqu’il se baisse, atteint un objet ou se déplace. La même famille doit aussi piloter des mains complexes, des pinces parallèles et des systèmes à deux bras.

Le second apport est la continuité du raisonnement pendant l’action. ER 2 accepte texte, image, vidéo et audio, puis produit du texte ou des appels d’outils. Avec la Live API, il peut analyser un flux pendant qu’un contrôleur exécute déjà l’étape précédente. L’objectif est d’éviter le cycle rigide « arrêter, réfléchir, repartir » et de corriger une tâche au fil de son déroulement.

Le troisième apport est la collaboration multi-robot. Google montre des machines de formes différentes qui se répartissent un travail selon leurs capacités. C’est plus crédible industriellement qu’un robot universel : un quadrupède peut inspecter un passage, un bras manipuler une pièce et un humanoïde intervenir dans un poste prévu pour un humain.

Des chiffres précis, mais encore internes

Google publie des résultats détaillés, utiles à condition de ne pas les transformer en vérité générale. Sur Apollo équipé de mains Sharpa, la page VLA indique notamment 92 % de réussite pour dévisser une ampoule, mais 36 % pour la visser, 44 % pour nouer un sac-poubelle et 32 % pour utiliser une pelle. Cette dispersion montre mieux la maturité réelle qu’une vidéo spectaculaire : la dextérité varie fortement selon le geste.

Pour ER 2, Google annonce 57,4 % de précision sur une classification de progression en cinq étapes. Le repérage du moment critique dans une vidéo atteindrait 91,3 % de précision avec une distance absolue moyenne de 0,96 seconde. L’entreprise revendique aussi une exécution quatre fois plus rapide pour cette évaluation. Le protocole et les graphiques sont publics sur la fiche modèle, mais ils restent produits par le fournisseur.

Ces scores ne disent pas combien d’heures un robot fonctionne sans intervention, combien coûte une tâche acceptée ou comment la performance évolue avec reflets, objets déformables, poussière, personnes et réseau instable. Notre check-list des preuves pour un robot humanoïde donne les métriques à demander avant de confondre démonstration et exploitation.

Ce qu’un développeur peut essayer maintenant

ER 2 peut être appelé dans Google AI Studio et l’API Gemini. Le dépôt officiel propose des notebooks de démarrage et un exemple avec Spot de Boston Dynamics. Dans cette démonstration, le modèle orchestre des interfaces existantes de navigation et de manipulation pour aller chercher un objet à partir d’une consigne naturelle.

Cela ne signifie pas qu’une clé API suffit à rendre autonome n’importe quelle machine. L’intégrateur doit exposer des fonctions de bas niveau, définir leurs paramètres, borner les zones, gérer les arrêts, vérifier les permissions et prévoir une reprise sûre. Le modèle de raisonnement choisit parmi les outils disponibles ; il ne remplace ni le contrôleur temps réel, ni la certification du système, ni l’analyse de risques.

Google cite Agile Robots, Apptronik et Boston Dynamics parmi ses partenaires de recherche. La société indique travailler avec plus de 100 testeurs de confiance et propose une liste d’attente pour le VLA. C’est un accès de recherche et d’entreprise, pas un catalogue grand public. Les robots concernés restent eux-mêmes soumis à leurs propres contrats et calendriers. Notre panorama Atlas, Apollo 2 et AgiBot A3 replace ces plateformes dans leur niveau de commercialisation réel.

Les limites qui comptent avant le spectacle

Le premier risque est l’écart entre planification sémantique et sûreté physique. Une phrase plausible peut devenir un mouvement dangereux si l’objet est mal localisé, si une personne entre dans la zone ou si l’outil appelé accepte une commande trop large. Les limites mécaniques, vitesses, forces, zones interdites et arrêts d’urgence doivent rester imposés sous le modèle génératif.

Le deuxième risque est la dépendance à la vidéo et aux services externes. ER 2 peut appeler Search ou des fonctions définies par l’utilisateur. Chaque accès ajoute des données, des permissions, un délai et une surface d’erreur. Le modèle On-Device 2 répond en partie au besoin de traitement local, mais Google ne documente pas encore un accès général permettant d’évaluer son coût matériel ou ses limites.

Enfin, « adaptable à tout type de robot » est une ambition d’architecture, pas une certification universelle. Google affirme pouvoir adapter le VLA à un robot à deux bras en quelques heures. Cela ne prouve ni une sécurité opérationnelle immédiate ni une performance identique sur un nouveau matériel.

Verdict

Gemini Robotics 2 compte parce qu’il réunit planification, suivi temporel, outils et commande de plusieurs morphologies dans une même famille. La partie ouverte aujourd’hui est surtout le cerveau de haut niveau ER 2. Le contrôle moteur généraliste reste privé, et les preuves publiques sont encore dominées par les évaluations de Google.

Le prochain signal décisif ne sera pas une nouvelle vidéo. Ce seront des intégrations reproduites par des tiers, avec taux de réussite, interventions, incidents, latence et coût par tâche sur plusieurs semaines. D’ici là, Gemini Robotics 2 est une plateforme de développement prometteuse — pas encore le logiciel universel qui transforme n’importe quel robot en assistant autonome.