Les 10 tendances IT 2026

Pour les directions informatiques, la liberté de choix n’a jamais été aussi stratégique. Face à la multiplication des hausses tarifaires, à la complexité croissante des modèles de licences, à la dépendance vis-à-vis d’éditeurs dominants et aux règles d'extraterritorialité imposées par les Etats-Unis ou la Chine, la réversibilité informatique s’impose comme un enjeu central. Autrement dit, la capacité à reprendre la main sur ses logiciels, ses données et ses contrats devient un levier essentiel pour éviter le verrouillage technologique. Depuis deux ans, et le rachat  de VMware par Broadcom, nombre d’éditeurs proposant des solutions propriétaires ont revu à la hausse leurs tarifs de support ou leurs grilles de licences. Certains lient désormais la souscription de maintenance à des packages intégrant plusieurs logiciels, à une extension à cinq ans du support, à l’utilisation de services cloud maison, ou à une indexation automatique sur l’inflation. Résultat : les DSI se sentent piégés par des contrats dont la sortie se révèle techniquement difficile et économiquement complexe. Cette dépendance, souvent tacite, nourrit un profond malaise au sein des grandes entreprises et du secteur public, où les budgets IT sont loin d’être à la hausse.

Longtemps perçue comme un simple volet contractuel, la réversibilité devient aujourd’hui un choix d’architecture. Elle consiste à concevoir ses systèmes de manière à pouvoir migrer, remplacer ou faire évoluer un logiciel sans blocage majeur. Cela suppose d’évaluer, dès le lancement d’un projet, la portabilité des données, la compatibilité des interfaces, mais aussi la transférabilité du support. Autrement dit, un logiciel réversible n’est plus celui qu’un seul fournisseur peut maintenir, mais celui qu’un écosystème élargi peut comprendre et reprendre. Pour sortir de cette dépendance, de plus en plus de DSI privilégient désormais des solutions ouvertes : logiciels sous licences libres, frameworks standardisés, ou distributions supportées par plusieurs prestataires. L’objectif n’est plus uniquement technique mais stratégique : s’assurer la continuité de service, même si le partenaire initial venait à cesser son activité suite à un rachat ou une faillite ou à modifier unilatéralement ses conditions commerciales pour la politique de la terre brûlée. Dans le monde des bases de données, du middlewares ou des infrastructures cloud, le choix de briques open source — PostgreSQL, Kubernetes, ou OpenStack notamment — offre un précieux filet de sécurité. Cette ouverture n’exclut pas les solutions propriétaires. Au contraire, elle favorise un marché du support multi-sources où plusieurs intégrateurs ou SSII peuvent intervenir sur un même socle. Certains éditeurs open source proposent eux-mêmes des modèles duals : une version communautaire libre avec moins de fonctionnalités et une édition entreprise plus complète avec garanties contractuelles. Ce modèle limite la dépendance tout en sécurisant le niveau de service attendu. De plus, l’arrivée d’initiatives telles que l’Open Source Program Office (OSPO) au sein des grandes entreprises témoigne d’une professionnalisation de cette approche.

La réversibilité dépasse le champ purement technique. Elle touche la gouvernance du système d’information, la politique de continuité d’activité et la maîtrise du patrimoine numérique. Adopter des standards ouverts, documenter les interfaces, et négocier des clauses de sortie réalistes deviennent des réflexes indispensables. Car derrière le terme de “vendor lock-in” se cache un risque bien réel : perdre le contrôle d’un des actifs les plus critiques d’une entreprise, son système d’information.

Si l’informatique quantique est régulièrement citée comme une technologie en devenir, la menace qu’elle fait peser sur les méthodes de chiffrement est bien d’actualité. La crainte est notamment que les cybercriminels stockent des données dérobées en attendant l’arrivée des systèmes quantiques pour les déchiffrer. Depuis quelques années, les états et les agences de sécurité alertent sur ce risque et la nécessité pour les entreprises de mettre en place des solutions de chiffrement post-quantique (QPC). Dans ce cadre, des standards ont été publiés par le NIST (National Institute of Standards and Technology) avec différentes méthodes. Elles comprennent un mécanisme d’encapsulation à clé publique nommée Crystals-Kyber, ainsi que trois schémas de signature numérique : Crystal-Dilithium, Falcon et Spincs+.  

Fort de ces orientations, plusieurs fournisseurs et opérateurs ont annoncé l’intégration de solutions de chiffrement post-quantique dans leurs offres. C’est le cas par exemple d’Orange qui s’est associé à Toshiba pour créer un réseau fibre optique résistant aux menaces quantiques. Les éditeurs se sont également mis en ordre de bataille comme Microsoft qui a publié cet été une feuille de route pour migrer ses produits et services vers la cryptographie post-quantique d’ici 2033. De son côté, Google Cloud débute prudemment sur le sujet avec la prise en charge de deux algorithmes QPC dans son service de gestion de clés de chiffrement cloud KMS. Apple a ajouté cette protection via l’algorithme ML-KEM du NIST dans iOS 26. 

Même Kubernetes s’y met avec la prise en charge de QPC pour TLS. Elle se fait au travers d'un mécanisme d'échange de clés hybride intégré au système de plugins Kubernetes KMS. Plus récemment, Red Hat a annoncé l’adoption des algorithmes proposées par le NIST dans la version 10 de la distribution RHEL. En France, l’Anssi a livré ses premières certifications. Il s’agit de Thales pour sa carte à puce MultiApp 5.2 Premium PQC « destiné à héberger et exécuter une ou plusieurs applications, dites applets dans la terminologie Java Card ». De son côté, Samsung propose son microcontrôleur S3SSE2A pour les terminaux mobiles, l’IoT et les systèmes embarqués. Le catalogue d’offres s’étoffent progressivement et les entreprises sont invitées à s’emparer du sujet pour anticiper la menace. 

La virtualisation, qui a transformé les systèmes d’information dans les années 2000 en offrant flexibilité et optimisation des ressources serveurs, gagne désormais le secteur de l’automatisation industrielle (OT) avec le software defined automation. Selon les cabinets Gartner et Forrester, cette tendance s’accélère sous l’impulsion de l’industrie 4.0, du cloud et de l’IoT industriel. Les automates industriels physiques, robustes et dédiés, laissent progressivement place à des automates virtuels ou vPLC (Virtual PLC), déployés sur des serveurs, PC durcis ou en mode cloud. Cette mutation, comparable à l’essor des hyperviseurs et machines virtuelles, promet une nouvelle flexibilité pour les usines tout en générant des économies majeures. Pour Gartner, la virtualisation des automates industriels multiplie les avantages : réduction du matériel à installer, maintenance facilitée, déploiement rapide d’instances automatisées ou de clones pour tests et redondance, migration logicielle facilitée. Les solutions comme Siemens S7-1500V, Codesys Edge et Schneider EcoStruxure illustrent cette nouvelle approche où la couche logicielle prime sur le matériel dédié. De son côté, Forrester insiste sur le rôle clé du cloud privé et des alternatives aux solutions historiques comme VMware, avec une montée en puissance des plateformes Kubernetes, Nutanix ou du Edge Computing industriel permettant d’héberger et de superviser les automates virtuels à distance. La gestion des données et la sécurité deviennent centrales, tout comme l’intégration native de l’OT avec les environnements IT et les moteurs d’intelligence artificielle.

Cependant, cette virtualisation rencontre des limites. Les automates physiques gardent l’avantage en termes de robustesse, de traitement en temps réel et d’indépendance vis-à-vis du système d’exploitation, exigences critiques pour de nombreux secteurs industriels. Les risques sur le réseau ou l’infrastructure — interruptions, latence, cybersécurité — obligent à adopter une approche hybride, combinant automates physiques et virtuels selon les applications et niveaux de criticité. En pratique, les automates virtuels sont déjà plébiscités pour la formation, le prototypage, la maintenance prédictive ou les environnements de tests, réduisant les coûts et facilitant l’innovation. Les start-ups industrielles peuvent ainsi éviter l’investissement immédiat dans du matériel coûteux, tout en profitant des capacités de simulation et de gestion centralisée offertes par le cloud.

En connectant et coordonnant les actions d’agents IA entre eux, les entreprises peuvent espérer accélérer et optimiser leurs différents processus métiers. Les avantages sont nombreux tout comme les risques associés. Si les systèmes multi-agents (SMA) existent dans la littérature scientifique depuis les années 80, 35 ans plus tard ils décollent au-delà du concept dans le domaine de l’informatique et de l’IA. Un SMA en contexte IA s’articule autour d’agents situés dans un environnement partagé. Ces derniers collaborent, se coordonnent ou parfois même se font concurrence pour atteindre des objectifs individuels ou collectifs. Contrairement aux applications traditionnelles à contrôle centralisé, les systèmes multi-agents se caractérisent souvent par un contrôle et une prise de décision distribués.  

Ces ensembles d'agents autonomes sont spécialisés dans des tâches spécifiques coordonnées via un orchestrateur. Dans un SMA, chaque agent s’appuie sur un LLM ou un SLM, un ensemble d'outils spécifiques (API, graphes de connaissances, données propriétaires), ainsi que des capacités mémoire à court et à long terme pour affiner leurs actions au fil du temps. Les charge de travail sont alors réparties entre plusieurs agents spécialisés, chacun se concentrant sur un domaine ou une fonction spécifique, tandis que l’agent orchestrateur assure la coordination du système et la prise en compte du contexte.  

Des débouchés variés 

Les systèmes multi-agents peuvent trouver des débouchés variés : industrie (analyse des processus existants, évolution de la demande pour commander/recommander du matériel, acheter des composants au meilleur coût...), service client (identifier et régler un problème, éditer une facture, réaliser un remboursement...), supply chain  (gérer les stocks, affecter les ressources..), détection de fraude (détection d’activités frauduleuses, évaluation des risques pour réduire les menaces...). 

Parmi les avantages des SMA : le fait de s’adapter à différents environnements en ajoutant, en supprimant ou en adaptant des agents, de résoudre des problèmes et des tâches plus complexes que les systèmes mono-agents, de répartir l’expertise spécifique de chaque agent à un domaine métier et de connaissances. Mais il existe aussi plusieurs risques à considérer : exposition à l’exploitation de failles de sécurité, comportements contradictoires ou imprévisibles dans des réseaux décentralisés, finesse, précision et justesse de la coordination et de la capacité de négociation des des agents entre eux. 

Le Gartner est formel : d’ici 3 ans plus de la moitié des modèles de GenAI utilisés par les entreprises ne seront pas génériques mais ciblés. Cette dernière génération porte un nom : DSLM pour Domain-Specific Language Models. Par rapport aux modèles généralistes, ces derniers ont plusieurs caractéristiques à même d’intéresser les entreprises : à savoir être formés ou affinés à partir de données spécifiques à un domaine, secteur, fonction ou processus. En étant spécialisé dans un domaine, un tel modèle est donc à même d’effectuer des tâches spécifiques avec un niveau plus élevé de précision et d’efficacité qu’un LLM généraliste. 

Les DSLM peuvent être développés selon deux approches : ils peuvent être formés à partir de zéro sur des données spécifiques à un domaine ou bien être constitués à partir d’un ou plusieurs modèles existants. Un DSLM est doté de connaissances spécifiques à un domaine pour lequel un travail de formation et d’affinage ont été effectués en utilisant différentes techniques (ingénierie de prompts, génération augmentée de récupération (RAG), fine tuning...). Ces modèles peuvent être entraînés à partir d'ensembles de données spécifiques à un domaine particulier, tels que des documents juridiques, des dossiers médicaux, des rapports financiers ou de la documentation technique. Cette formation spécialisée leur permet de développer une compréhension approfondie du langage, de la terminologie et du contexte propres à ce domaine. Ils fournissent ainsi des informations et des résultats plus précis. Ces modèles apparaissent donc plus pertinents pour générer des contenus et des réponses davantage contextualisées mais aussi fournir des résultats plus rapidement. 

Des DSLM multi-sectoriels 

Il existe de nombeux exemples de DSLM. Parmi eux on trouvera par exemple BloombergGPT, FinGPT et FinBERT (finance), ChatLAW (juridique), ClimateBERT (risques climatiques), KAI-GPT (banque), PubMedGPT et Med-PaLM 2 (médical)... Les DSLM sont-ils plus pertinents que les LLM et peuvent-ils s’y substituer ? Pas si sûr. S’ils savent apporter des réponses plus pertinentes en répondant avec davantage de nuances et en comprenant mieux les enjeux d’un domaine, ces derniers restent tout aussi dépendants de la qualité et de la quantité des données utilisées pour l'entraînement. De même, le développement et le réglage de ce type de modèles nécessite aussi des ressources importantes (temps, expertise, puissance de calcul...) pour donner des résultats satisfaisants. En s’adaptant de manière excessive aux données d'entraînement, un risque non négligeable de baisse de performance sur des données inconnues ou liées à des changements d’environnement, doivent également être considérées. 

En quelques mois, la question de la souveraineté numérique a pris une dimension importante pour les organisations européennes et françaises. Sous la pression des aléas de la politique américaine et des pratiques commerciales de certains éditeurs, elles envisagent d’adopter des solutions alternatives.  Le plus emblématique est celui des outils de bureautique et collaboratifs tant la domination de Microsoft et Google est forte. Cependant, l’offre souveraine s’étoffe avec plusieurs initiatives comme Jamespot, Wimi, Mailo, Leviia, Mail in France de Cheops technology, Tixeo, Linagora ou Private Discuss du lyonnais Piment qui vient de signer un contrat avec EDF. Par ailleurs, l’Etat se mobilise via la Dinum en développant une suite numérique pour les agents ou en poussant la messagerie Tchap auprès des ministères. Dans le domaine des applications métiers, il existe plusieurs options aux éditeurs américains. Parmi eux et premier au Top 250 des éditeurs français, Dassault Systèmes rivalise dans le PLM avec Autodesk ou PTC. On peut citer aussi Cegedim dans le secteur de la santé ou Orisha éditant des logiciels pour plusieurs activités (retail, BTP,…). Pour la gestion de paie et les RH, Cegid constitue un autre direction que Workday ou Oracle. 

Même dans l’infrastructure IT, des options nationales ou européennes existent. Ainsi sur la virtualisation, l’entreprise française Vates promeut son hyperviseur XCP-ng, un fork open source de XenCenter en remplacement d’ESXi de VMware. Même ambition pour la société autrichienne Proxmox qui commence à séduire les clients déçus de Broadcom. Face à Snowflake ou Databricks, l’allemande Stackable a créé une plateforme de données qui s'appuie sur une architecture entièrement native Kubernetes et déployable uniformément dans tous les environnements. Dans le domaine de la cybersécurité, l’EDR des acteurs américains peut être échangé  par les offres de Harfang Lab ou iTrust. Quel que soit les secteurs, il existe donc des solutions et des services souverains, mais comme l’indique Jean-Noël de Galzain, président de Hexatrust, « il faut maintenant passer à l’acte et que les commandes se signent ».  

En allongeant la durée de vie de leurs équipements informatiques, les entreprises peuvent réaliser des économies et réduire la facture environnementale. La phase de fabrication et de production d’un équipement informatique (PC, serveur, imprimantes, smartphone...) est la plus polluante. D’après une étude de l’Ademe et de l’Arcep, ils représentent aujourd’hui la majeure partie de l’empreinte carbone du numérique (79 %, contre 16 % pour les datacenters et 5 % pour les réseaux). En allongant le cycle de vie de leurs matériels, les entreprises peuvent agir de façon très concrète sur l’environnement, mais aussi en profiter pour réduire leurs coûts. De nombreux fournisseurs proposent ainsi des extensions de garanties incitant à allonger le cycle de vie des équipements qui peut être désormais porté facilement à 5 ans. Pour redonner un coup de fouet à des configurations vieillissantes, l’ajout de RAM peut s’avérer une solution utile, abordable et simple à mettre en œuvre. Si le besoin de changer de poste est inévitable, se tourner vers du matériel reconditionné peut aider à baisser les coûts et contribuer à réduire la pollution liée à la fabrication des équipements. 

Des économies générées en augmentant la durée de vie des serveurs 

Chez les hyperscalers, la tendance à l’allongement de la durée de vie des équipements s’observe : en 2024 Amazon a prolongé d'un an la durée de vie de ses serveurs en la passant donc de 5 à 6 ans ce qui lui a permis d’économiser 900 M$ en un trimestre. Et il n’est pas le seul : c’est aussi le cas de Microsoft qui a allongé de 4 à 6 ans la durée de vie de ses serveurs et équipements réseaux de son infrastructure cloud. Au-delà de l’aspect développement durable, la firme de Redmond y a vu aussi un intérêt financier avec 1,1 Md$ d’économies, également sur un trimestre. L'impact des réseaux de communication, des équipements numériques et de leurs usages sur l’environnement autant que sur le portefeuille des entreprises est conséquent. Si des solutions existent (allongement de la durée d’utilisation, ajout de composants...), la montée en puissance de l’IA ne va cependant pas faciliter leur tâche. Car l’émergence des différentes fonctions et autres NPU sur les équipements informatiques incite à se rééquiper en matériels beaucoup plus récents. Avec d’ores et déjà des effets très concrets selon le Gartner : le cabinet estime que la réduction de la durée de vie moyenne des smartphones, remplacés plus rapidement par les consommateurs et les entreprises a fait progresser les dépenses sur ce segment à 688 Md$ en 2024, contre 664 Md$ en 2023, en hausse de 3,6 %. 

Après les bases de connaissances (texte, images, vidéos), l’IA essaye de modéliser le monde réel. Dénommée IA physique, cette tendance pousse les fournisseurs à développer des modèles et des plateformes de simulation dédiés. Pour le Gartner, « L'IA physique apporte l'intelligence dans le monde réel en alimentant des machines et des appareils qui détectent, décident et agissent, comme les robots, les drones et les équipements intelligents. Elle apporte des gains mesurables dans les secteurs où l'automatisation, l'adaptabilité et la sécurité sont des priorités ». Elle s’appuie sur données du monde réel via des composants IoT tels que des caméras, des microphones, des capteurs de température, des unités de mesure inertielles, des radars ou des lidars. Cette branche de l’IA vise à accélérer l’automatisation dans plusieurs secteurs comme la santé, l’automobile (via les véhicules autonomes), la logistique,…

Pour mettre en place cette IA physique, les fournisseurs IT ont élaboré des offres spécifiques. C’est le cas de Nvidia avec Cosmos, une plateforme visant à aider les robots à recevoir des commandes, à percevoir, à raisonner, à planifier, puis à exécuter des tâches dans le monde physique. Il a également lancé Omniverse NuRec qui transforme les données des capteurs du monde réel en simulations entièrement interactives dans lesquelles les robots peuvent s'entraîner ou être testés. L’offre comprend différents outils et modèles d'IA pour la construction, la simulation, le rendu et l'amélioration d'environnements numériques en 3D. En Europe, l’éditeur français Dassault Systèmes a lancé en début d’année sa plateforme 3D Univ+rses, qui combine modélisation, simulation, données du monde réel et contenu généré par l’IA via un partenariat avec Mistral.

D’autres sociétés travaillent sur les fondations de l’IA physique qui se nomment « modèles de monde ». Deepmind, la filiale de Google a publié récemment la troisième version de Genie avec la capacité d’ inventer et de simuler de nouveaux scénarios qui n’ont jamais été rencontrés auparavant dans le matériel d’entraînement. Il faut compter aussi avec Word Labs et son modèle RTFM qui a la particularité de fonctionner sur un seul GPU H100 de Nvidia. Même Niantic, l’éditeur du jeu Pokemon Go a publié un modèle géospatial depuis ses données cartographiques. La Chine n’est pas en reste avec le constructeur automobile Xpeng qui vient de publier la deuxième version de son modèle VLA (vision-langage-action) entraîné sur plus de 100 millions de vidéos de conduites réelles.

Face aux risques géopolitiques, de plus en plus d’entreprises européennes cherchent à déplacer leurs données et les applications vers des fournisseurs de cloud locaux ou disposant de certification de cloud de confiance. Même les hyperscalers américains s’adaptent. En quelques semaines, Gartner montre que le phénomène de géopatriation, contraction des mots rapatriation et géographie est une tendance forte. Dans son classement des évolutions à venir, le cabinet d’analyses explique que d’ici 2030, plus de 75% des entreprises européennes et moyen-orientales déplaceront leurs charges de travail virtuelles dans des solutions capables de réduire les risques géopolitiques contre moins de 5% en 2025. Les sociétés veulent reprendre le contrôle et la maîtrise de leurs données, des métadonnées (notamment dans le cadre du traitement IA) et du control plane. Une récente étude menée par le même Gartner constate que les responsables IT européens sont 61% à prévoir d'accroître leur recours aux fournisseurs de cloud locaux et régionaux en raison du contexte international. Le principale crainte est que le gouvernement américain ne bloque l’accès aux services cloud comme l’a relevé l’affaire de la suspension du compte Microsoft du procureur de la Cour pénale internationale.

Dans ce cadre, les entreprises et administrations se tournent vers des fournisseurs locaux et en particulier vers ceux disposant des certifications garantissant une protection contre l’extra-territorialité des lois américaines (Cloud Act, section 702 du FISA,…). En France, plusieurs sociétés disposent ou sont en cours de qualification SecNumCloud version 3.2 (garantissant cette protection juridique) de l’Anssi pour tout ou partie de leurs offres. Cependant Gartner rappelle qu’ils vont devoir investir massivement pour apporter des services équivalents à ceux fournis par les hyperscalers américains, notamment sur le PaaS. En effet, difficile de se passer d’eux au sein des grandes entreprises. EDF vient par exemple de choisir Bleu (Orange, Capgemini et Microsoft) et S3NS (Thales et Google) et non des acteurs purement français comme OVH ou Outscale pour créer son cloud de confiance. Conscients de ce mouvement, les fournisseurs de cloud américains commencent à réagir en adaptant leurs offres. Ainsi Microsoft a lancé plusieurs initiatives comme M365 Local, un service garantissant d’exécuter en local des applications telles que SharePoint Server ou Exchange Server via Azure Local (anciennement Azure Stack HCI). On peut citer également citer Advanced Data Residency pour M365 qui assure la résidence locale du stockage des données, puis le traitement des données de Copilot pour M365 est également possible en local dans certains pays.

Pour terminer cette série de tendances technologiques, intéressons-nous à une promesse récurrente dans l’industrie IT : la commercialisation de robots humanoïdes multitâches capables d’accomplir des tâches aussi basiques que river des boulons dans une usine automobile, repasser ou plier du linge à la maison… mais toutes les démonstrations de ces derniers mois ne sont que des illusions, voir même des supercheries. La start-up californienne 1X Technologies a, par exemple, annoncé fin octobre la sortie du robot humanoïde Neo (20 000 $HT en accès anticipé l’année prochaine ou abonnement à 499 $HT par mois.) présenté dans une vidéo comme capable d'effectuer toutes sortes de tâches ménagères (plier le linge, ranger les étagères, sortir les poubelles et nettoyer les pièces). Neo est doté de mains avec 22 degrés de liberté, d'un corps souple en polymère treillis 3D et pèse 30 kg. Il peut soulever jusqu'à 70 kg et transporter jusqu'à 25 kg, tout en ne produisant que 22 décibels de bruit, soit moins que le bourdonnement d’un réfrigérateur. Neo est équipé du WiFi, du Bluetooth, d'une connectivité 5G et de haut-parleurs intégrés dans son bassin et sa poitrine, ce qui lui permet d'être utilisé comme système de divertissement mobile. Seul problème, ce robot est incapable d'effectuer de manière autonome pratiquement aucune des prouesses présentées dans la vidéo. (Pour être honnête, l'entreprise ne prétend pas le contraire, mais minimise considérablement les améliorations nécessaires à l'avenir pour permettre une action autonome.) La vidéo a été réalisée presque entièrement par téléopération. Cela signifie qu'une personne équipée d'un casque de réalité virtuelle et d'un équipement spécial pliait le linge, rangeait la vaisselle et transportait les poubelles, tandis que le robot agissait comme une marionnette, imitant les mouvements de la personne qui le contrôlait à distance. 

Une pratique généralisée dans l'industrie

Tesla a fait la même chose lors de la présentation We, Robot, organisée il y a un an, où les robots Optimus servaient des boissons, dansaient et conversaient avec les invités. En réalité, ces robots étaient tous contrôlés à distance par des employés de Tesla dissimulés hors de vue. D'autres fabricants de robots humanoïdes utilisent des techniques similaires : Figure AI avec Figure 03, Unitree G1, Reachy de Pollen Robotics, ou encore Reflex Robotics et Watney Robotics présentent tous des démonstrations impressionnantes qui reposent largement sur le contrôle humain à distance. L'autonomie complète dans la perception, la planification et la manipulation reste un défi technologique colossal. Les robots doivent être entraînés méticuleusement sur chaque mouvement, reconnaître chaque objet et comprendre comment les choses bougent et se cassent. La téléopération est justement une méthode majeure d'entraînement : une personne contrôle le robot pendant des heures pour lui apprendre, par exemple, à plier une chemise. De nombreuses heures supplémentaires sont nécessaires pour une chemise d'enfant plus petite. De son coté, Agility Robotics a franchi le cap des 100 000 bacs manipulés par ses robots humanoïdes Digit dans un entrepôt GXO à Flowery Branch (en Géorgie), validant le passage d’un pilote à un déploiement commercial. Ces bipèdes de 1,75 m, bardés de caméras, capteurs et lidar, chargent/déchargent des bacs, ce qui leur vaut aussi des déploiements chez Amazon et un partenariat industriel avec Schaeffler. Reste que les opérations réalisées sont vraiment basiques... La technologie permettant à un robot domestique ou industriel de fonctionner de manière autonome dans des conditions réelles se trouve probablement à plusieurs années, voire décennies dans le futur. Mais cela n'empêche pas certaines entreprises de vendre dès aujourd'hui des produits basés sur des capacités qui restent à inventer.