Oubliez le battage médiatique — le secret des robots plus intelligents réside dans un humain portant un casque

Alors que les récits populaires suggèrent que les robots humanoïdes arriveront bientôt à nos portes grâce à des superordinateurs massifs, la réalité est bien plus terre à terre. Dans un entrepôt calme de San Leandro, en Californie, l'avenir de l'IA physique ressemble moins à un laboratoire rutilant qu'à une partie de Jenga. Andrew Ceja, formateur spécialisé au sein de la société technologique Encord, passe ses journées à retirer soigneusement des blocs de bois d'une tour tout en portant un casque équipé de caméras et d'électrodes de détection cérébrale. Cette configuration inhabituelle révèle une vérité fondamentale sur la technologie moderne : nous sommes à court du carburant numérique nécessaire pour rendre les robots intelligents.

La Silicon Valley a passé la dernière décennie à ratisser chaque recoin d'Internet pour entraîner des chatbots. Si vous tapez une question dans une IA, le système répond en se basant sur des milliards de pages de texte écrites par des humains. Cependant, il n'existe pas d'équivalent « Internet du mouvement » pour les tâches physiques. Un robot ne peut pas apprendre à plier une chemise ou à empiler une palette en lisant une entrée Wikipédia. Il a besoin de données montrant comment les forces, les angles et les intentions interagissent dans le monde en trois dimensions. Cette rareté de l'information physique est la raison principale pour laquelle votre foyer manque toujours d'un majordome automatisé fiable.

La grande sécheresse des données physiques

La logique derrière l'IA générative est simple : plus de données mènent à de meilleurs résultats. Cela a fonctionné pour les grands modèles de langage car le Web est une bibliothèque infinie de la pensée humaine. Les robots n'ont pas ce luxe. Des entreprises comme Encord pivotent désormais de la gestion des données existantes vers la fabrication de nouvelles données à partir de zéro. Elles construisent essentiellement une usine numérique pour l'expérience humaine.

Vineeth Velmurugan, qui dirige l'apprentissage robotique chez Encord, est un vétéran de laboratoires majeurs comme OpenAI. Il explique que même une bibliothèque vidéo massive comme YouTube est insuffisante pour qu'un robot apprenne des manipulations complexes. Regarder une vidéo d'une personne versant du café n'est pas la même chose que de ressentir le poids de la cafetière ou le clapotis du liquide. Velmurugan estime que l'industrie a besoin d'un ensemble de données environ cinq fois plus important que YouTube pour réaliser une percée dans l'intelligence physique. Cela crée un goulot d'étranglement massif car la collecte de ces informations nécessite que de vraies personnes effectuent de vraies tâches en temps réel. C'est un processus manuel lent dans une industrie qui évolue habituellement à la vitesse de la lumière.

Lire les esprits pour enseigner aux machines

La partie la plus expérimentale de cette fabrication de données implique la neurotechnologie. Encord teste actuellement des casques de Zander Labs, une startup allemande, pour enregistrer ce qui se passe à l'intérieur d'un cerveau humain pendant un travail manuel. Lorsqu'un formateur comme Ceja joue au Jenga, le casque suit ses ondes cérébrales pour détecter ses états mentaux. Les capteurs recherchent des signaux de surprise, d'erreur ou de concentration intense.

Lucas Gehrke, neuroscientifique chez Zander Labs, note que ces signaux offrent des indices que les caméras vidéo manquent. Si un formateur humain ressent un moment de panique parce qu'une tour est sur le point de s'effondrer, cette réaction interne est un point de données précieux. Elle indique au modèle d'IA que ce moment spécifique est critique. En marquant les données vidéo avec l'activité cérébrale, les développeurs peuvent apprendre aux robots non seulement quoi faire, mais aussi quels moments exigent le plus de prudence. C'est comme donner à un stagiaire un mentor qui peut partager ses instincts plutôt que son seul manuel d'instructions.

Cette approche transforme chaque mouvement humain en un fichier riche et multicouche. Les données incluent la vidéo de la tâche, la position des bras du formateur et l'activité électrique de son cerveau. Cette combinaison crée une carte de haute fidélité des compétences humaines qu'une machine pourra éventuellement imiter.

Pourquoi votre temps d'écran ne peut pas entraîner un robot

Pour le consommateur moyen, il est facile de se demander pourquoi nous ne pouvons pas simplement utiliser les milliards d'heures d'images provenant des sonnettes et des caméras de sécurité pour entraîner ces machines. Le problème réside dans la perspective. La plupart des vidéos existantes sont à la « troisième personne » et manquent des données spatiales précises dont un robot a besoin pour bouger ses propres membres. Pour résoudre ce problème, Encord utilise la vidéo « égocentrée », filmée du point de vue de la personne effectuant le travail.

À San Leandro, les pilotes utilisent des dispositifs de type maître-esclave. Il s'agit de paires de bras robotisés où un humain déplace un ensemble, et le robot imite exactement le mouvement. Tandis que l'humain branche un câble Ethernet dans un serveur ou empile des jetons de poker, chaque micro-ajustement est enregistré. C'est bien plus précis qu'une simple vidéo. Cela capture la difficulté de la tâche. Sofia Infante, une autre pilote de l'installation, démontre la difficulté de brancher des câbles. Même avec des capteurs avancés, les pinces robotiques manquent de la dextérité des doigts humains. Les données collectées ici enregistrent ces échecs et ces succès pour aider les futurs modèles à combler cet écart.

Le coût élevé de l'intuition manufacturée

Il existe un obstacle économique important dans cette nouvelle approche de l'IA. Extraire du texte du Web est pratiquement gratuit, mais fabriquer des données physiques coûte cher. Encord ajoute des annotations denses à ses données, comme l'étiquetage d'un mouvement spécifique tel que « la main droite serre le boulon ». Velmurugan note que ces données annotées de haute qualité sont 100 fois plus précieuses que la vidéo brute pour l'apprentissage de compétences spécifiques. Cependant, elles coûtent 20 fois plus cher à produire.

Ce changement économique modifie la trajectoire de l'industrie. L'IA n'est plus seulement un problème logiciel que l'on peut résoudre avec plus d'électricité et des puces plus rapides. C'est désormais un problème de logistique et de main-d'œuvre. Les briques de construction des futurs robots humanoïdes sont fabriquées à la main par des travailleurs spécialisés dans des entrepôts. Cela signifie que la transition vers l'IA physique sera probablement plus coûteuse et plus lente que la transition vers l'IA numérique. L'épine dorsale invisible de l'industrie n'est plus seulement le silicium, mais l'effort physique des formateurs humains.

Ce que cela signifie pour votre futur foyer

D'un point de vue pratique, la poussée vers les données d'ondes cérébrales et les bancs d'entraînement manuels suggère que les robots spécialisés arriveront bien avant les robots polyvalents. Nous verrons probablement des machines excellentes dans des tâches spécifiques à haute valeur ajoutée — comme la gestion de centres de données ou le tri des stocks d'entrepôt — avant de voir un robot capable de nettoyer une cuisine en désordre. Les données pour les centres de données sont plus faciles à fabriquer et plus rentables à collecter.

En regardant la situation globale, cette recherche souligne un retour à la valeur du contact humain. Même les entreprises d'IA les plus avancées réalisent qu'elles ne peuvent ignorer la complexité du corps et de l'esprit humains. La « recette secrète » de la prochaine génération de gadgets n'est pas un nouvel algorithme, mais une compréhension plus profonde de la façon dont les humains interagissent avec le monde.

En fin de compte, les progrès de l'IA physique dépendent de notre capacité à traduire nos propres habitudes subconscientes en code. Lorsque vous verrez un robot accomplir avec succès une tâche à l'avenir, ce sera le résultat de milliers d'heures de pilotes humains portant des casques et jouant à des jeux. Le chemin vers l'automatisation est, ironiquement, pavé par un travail humain intense. Pour les consommateurs, cela signifie que bien que la technologie émerge, elle reste un produit haut de gamme défini par le coût élevé de son éducation.

Sources: TechCrunch industrial reporting, Encord corporate briefings, Zander Labs technical documentation, OpenAI robotics research archives.