Physical AI. Tel est le nom de la nouvelle division d'Arm axée sur la robotique et les systèmes automobiles autonomes. Un signe qui ne trompe pas et montre que l'IA d'entreprise s'éloigne de plus en plus des centres de données pour s'intégrer dans des machines et des systèmes opérant dans le monde réel. Dans le cadre de cette réorganisation, le designer de puces a divisé ses activités en trois entités principales : les technologies cloud et IA, les smartphones et les PC, et cette entité dédiée à l'IA physique qui regroupe l'automobile et les robots autonomes. Les annonces d'investissements dans la robotique par les fournisseurs IT se sont multipliées ces derniers temps. Nvidia a lancé des modèles IA open source pour robots et véhicules autonomes, Mobileye a racheté Mentee Robotics 900 M$, et Qualcomm a annoncé au CES 2026 une architecture robotique intégrant matériels, logiciels et IA dédiée ainsi que sa dernière puce Dragonwing IQ10 Series.

La décision d'Arm intervient alors que les entreprises expérimentent la robotique au-delà des projets pilotes, en déployant des systèmes autonomes dans les usines, les entrepôts et les opérations logistiques, où la prise de décision en temps réel est plus importante que la puissance de calcul brute. Cela déplace les charges de travail IA vers l'edge, obligeant les DSI à privilégier la fiabilité des équipement plutôt qu'étendre les capacités cloud. En annonçant cette création, Arm marque un changement structurel dans la manière dont l'informatique est alignée sur la robotique et les systèmes automobiles. « L'industrie a traversé trois phases distinctes au cours des trois années qui ont suivi le moment ChatGPT, passant de l'IA générative à l'IA agentique, puis à l'IA physique », a déclaré Neil Shah, vice-président de la recherche chez Counterpoint Research. « Pour relier les agents numériques aux robots physiques, il faut investir massivement dans les données synthétiques. Contrairement à l'IA agentique, qui peut être entraînée à partir de textes ou de codes, l'IA physique nécessite des modèles de monde entraînés à partir de vidéos et de simulations. »

Quelles implications pour les entreprises

Pour les entreprises, cela signifie de prévoir une infrastructure capable de prendre en charge les charges de travail lourdes, basées sur la simulation, nécessaires pour former les robots à un large éventail de scénarios réels, a ajouté M. Shah. L'IA physique modifie également le lieu d'exécution des charges de travail IA. L'approche d'Arm consiste à transférer davantage de fonctions d'inférence et de contrôle vers des environnements edge et embarqués, en particulier pour la robotique et d'autres systèmes en temps réel. « Ces workload exigent une latence ultra faible, une efficacité énergétique et une résilience que le cloud centralisé ne peut pas toujours offrir », a déclaré Biswajeet Mahapatra, analyste principal chez Forrester. « Les DSI devraient adopter des architectures hybrides : les tâches d'inférence et de contrôle à l'edge ou sur les systèmes à l'aide d'accélérateurs basés sur Arm, tandis que la formation et l'analyse à grande échelle restent dans le cloud. » 

Le réseau devient également un facteur essentiel. Les systèmes IA physiques dépendent d'une connectivité prévisible et à faible latence pour coordonner les capteurs et les contrôleurs en temps réel, en particulier dans les usines et les entrepôts. Cela peut pousser les entreprises à revoir la conception de leurs réseaux industriels, en mettant davantage l'accent sur les performances déterministes à l'aide de technologies telles que la 5G privée, le WiFi 7 et les réseaux sensibles au temps. « Il n'en résulte pas un déplacement du cloud, mais un rééquilibrage : le cloud sert de système d'apprentissage et de coordination, tandis que les environnements périphériques et les appareils basés sur Arm gèrent la perception, les décisions et les actions physiques en temps réel », explique Manish Rawat, analyste en semi-conducteurs chez TechInsights.

Les DSI doivent se préparer

L'arrivée de l'IA physique nécessite des changements à tous les niveaux de la pile technologique. « Les responsables IT doivent optimiser les systèmes d'exploitation, les frameworks IA et les plateformes de conteneurs pour les architectures Arm », a déclaré M. Mahapatra. « La sécurité et la gestion du cycle de vie des systèmes robotiques distribués doivent être renforcées. La mise en œuvre de projets pilotes avec des applications robotiques basées sur Arm permettra de valider les performances et l'intégration avant de passer à l'échelle supérieure. » M. Rawat a souligné que les entreprises devraient commencer par considérer la robotique et l'IA physique comme une extension de leur pile informatique principale, et non comme une expérience OT de niche.

« Cela implique de concevoir des applications avec une séparation claire entre l'entraînement, l'orchestration et l'exécution en temps réel, afin que les composants puissent passer facilement du cloud aux plateformes edge ou aux systèmes basés sur Arm », a déclaré M. Rawat. Ces recommandations reflètent une évolution vers une approche de la robotique et de l'IA physique comme des investissements d'infrastructure à long terme, plutôt que comme des projets d'automatisation autonome. 

Un développement stratégique pour Arm

En mettant davantage l'accent sur l'IA physique, « Arm conçoit une architecture de bout en bout pour soutenir la prise de décision à l'edge », a déclaré M. Shah. « En standardisant Arm à la fois sur les serveurs et les robots, les entreprises peuvent créer une « structure informatique transparente » qui permet à ces modèles IA de passer du cloud à l'edge sans avoir à reconstruire la pile logicielle sous-jacente. » La standardisation sur Arm peut réduire la fragmentation entre les classes de terminaux, rationaliser les compétences des développeurs et améliorer la portabilité des charges de travail du datacenter à la l'edge et à la machine. « Cependant, le risque réside moins dans la dépendance vis-à-vis d'un fournisseur que dans la dépendance vis-à-vis des décisions d'Arm en matière de licences et de feuille de route, à mesure que l'entreprise se rapproche de la conception complète de puces », a déclaré M. Rawat. Pour la plupart des entreprises, l'adoption devrait être progressive. Les DSI sont susceptibles de commencer par des déploiements ciblés dans des environnements contrôlés, tels que des usines ou des entrepôts, avant d'étendre plus largement la robotique et les systèmes autonomes à l'ensemble de leurs opérations.