La robotique humanoïde a quitté le terrain de la promesse pour celui de la mesure. En 2026, la question n'est plus de savoir si des machines bipèdes peuvent marcher, voir et saisir, mais à quelle cadence elles franchissent le seuil qui sépare la démonstration de laboratoire de la production quotidienne. Une bascule s'est opérée en quelques trimestres : des robots travaillent désormais des mois d'affilée sur des lignes d'assemblage automobiles, déplacent des dizaines de milliers de bacs dans des entrepôts, et se vendent au prix d'une berline compacte. Cet article dresse l'état des lieux d'une course technologique qui mobilise plus d'une vingtaine d'acteurs sur trois continents, autant de capital-risque que de recherche fondamentale, et une nouvelle génération de modèles d'intelligence artificielle conçus pour piloter des corps physiques.
Pour lire cette course avec justesse, il faut résister à deux tentations symétriques : celle du grand récit spectaculaire qui annonce le robot universel pour demain, et celle du scepticisme systématique qui balaie chaque avancée comme un effet d'annonce. La réalité de 2026 se situe dans un entre-deux fertile. Des chiffres vérifiables existent maintenant — heures de fonctionnement, taux de précision, volumes produits, prix catalogue — et ce sont eux, plus que les vidéos virales, qui racontent où en est vraiment la filière. Nous les avons rassemblés et recoupés avec les rapports sectoriels et la littérature de recherche récente.
Où en est réellement la course en 2026
Le premier constat est celui d'un changement d'échelle. Le marché de la robotique humanoïde, longtemps cantonné à quelques prototypes hors de prix, prend une dimension industrielle. Goldman Sachs a revu à la hausse ses projections : la banque table désormais sur un marché adressable de 38 milliards de dollars à l'horizon 2035, soit six fois plus que son estimation précédente de 6 milliards, avec des livraisons portées à environ 1,4 million d'unités sur la période. Ce relèvement s'explique par une baisse anticipée de 40 % du coût de fabrication (de 50 000-250 000 dollars à 30 000-150 000 dollars par unité, selon Goldman Sachs) et par un chemin plus rapide vers la rentabilité, la banque situant désormais le retour sur investissement en usine autour de deux ans dès 2026-2027.
Les autres maisons d'analyse convergent sur la trajectoire, tout en divergeant sur l'ampleur. Morgan Stanley avance un marché potentiel de 5 000 milliards de dollars à l'horizon 2050 en intégrant les chaînes d'approvisionnement, la maintenance et le support. Pour l'année en cours, plusieurs cabinets situent la taille du marché autour de 6 milliards de dollars, en progression rapide depuis un peu moins de 5 milliards en 2025. Ces écarts d'estimation ne doivent pas surprendre : ils reflètent l'incertitude propre à toute technologie en phase de décollage, où une petite variation d'hypothèse sur la vitesse d'adoption produit de larges divergences à dix ou vingt ans.
Le marché mondial des robots humanoïdes pourrait atteindre 38 milliards de dollars d'ici 2035, contre une estimation précédente de 6 milliards — un relèvement porté par la baisse des coûts de production et une rentabilité industrielle plus rapide qu'anticipé.
À retenir. Le marché adressable a été revu de 6 à 38 milliards de dollars pour 2035 (×6), avec un retour sur investissement industriel attendu en environ deux ans dès 2026-2027. Ce relèvement s'explique par une baisse anticipée de 40 % du coût de fabrication.
Le second constat porte sur la répartition des usages. En 2025-2026, les humanoïdes se déploient d'abord dans la fabrication et l'assemblage automobile (près de 35 % des installations), la logistique et l'entreposage (environ 25 %) et la recherche (environ 15 %). Cette concentration n'est pas un hasard : ce sont les environnements où la forme humanoïde apporte un avantage concret — évoluer dans des espaces conçus pour des personnes, manipuler des outils pensés pour des mains humaines — et où la pénurie de main-d'œuvre crée une demande soutenue.
Les grandes familles d'acteurs et leurs paris stratégiques
La filière ne se résume pas à une liste de constructeurs. Elle se comprend mieux comme une confrontation de paris stratégiques, chacun misant sur un levier différent pour prendre l'avantage. On peut distinguer quatre familles d'approches, qui se recoupent parfois mais dessinent des trajectoires distinctes.
Carte stratégique : les quatre familles se distinguent par la nature de l'avantage (matériel ou logiciel) et la stratégie de marché (différenciation ou volume).
Le pari de la donnée terrain
Une première famille mise sur l'accumulation d'heures de fonctionnement réelles comme avantage décisif. La logique est simple : un robot qui opère des mois durant dans un environnement industriel génère des données que nul simulateur ne peut fabriquer — pannes imprévues, sols irréguliers, opérateurs humains qui ne suivent pas toujours les protocoles, variations de luminosité. Cette boucle de retour terrain permet des itérations rapides et un durcissement progressif de la fiabilité.
Les acteurs historiques de la locomotion dynamique s'appuient sur des flottes de quadrupèdes et de bras mobiles déjà déployés commercialement sur des centaines de sites, cumulant des centaines de milliers d'heures d'exploitation. Cette antériorité leur confère une compréhension fine de ce que signifie maintenir un robot en production sur la durée. Le transfert de ce savoir-faire vers un humanoïde bipède, désormais tout électrique après l'abandon des architectures hydrauliques plus bruyantes et plus lourdes, constitue le socle de leur stratégie industrielle, appuyée sur des partenariats de déploiement dans les chaînes automobiles. Nous détaillons cette trajectoire dans notre analyse consacrée à l'anatomie d'un robot humanoïde de référence.
Le pari de la production de masse
Une deuxième famille transpose à la robotique les méthodes d'industrialisation qui ont fait leurs preuves dans l'automobile électrique : conception verticale des actionneurs, des cellules de batterie, des circuits et des boîtiers structurels, puis montée en cadence sur des lignes dédiées. L'objectif affiché est un coût unitaire tirant vers le bas, autour de 20 000 dollars à terme, un seuil qui ouvrirait le marché des petites et moyennes entreprises industrielles.
Cette approche s'accompagne d'une stratégie de terrain d'essai interne : le constructeur déploie ses propres robots dans ses usines avant toute commercialisation externe, accumulant des données opérationnelles et itérant à un rythme quotidien. Un acteur emblématique de cette famille a lancé début 2026 la fabrication de sa troisième génération sur une ligne dédiée reconvertie, avec une montée en volume substantielle annoncée pour 2027 — son dirigeant tempérant lui-même les attentes en prévenant que la production serait « très lente au début ». Ce réalisme sur les cadences tranche avec l'optimisme habituel des calendriers et mérite d'être noté.
Le pari de l'intelligence conversationnelle
Une troisième famille parie que l'avantage se jouera moins sur la mécanique que sur le cerveau logiciel. L'idée : doter le robot d'un modèle multimodal capable de comprendre des instructions en langage naturel, de raisonner sur son environnement et d'expliquer ses actions à un opérateur humain. Cette intégration transforme radicalement l'interface : un employé de terrain, sans compétence en programmation, donne une consigne verbale et voit le robot l'exécuter.
Un acteur représentatif de cette famille a franchi en 2025-2026 un jalon commercial significatif : le déploiement d'une flotte de deuxième génération dans une grande usine automobile américaine — la taille exacte de cette flotte pilote n'a pas été communiquée par les deux entreprises, des analystes du secteur l'estimant entre 10 et 30 unités. Sur onze mois, ces robots ont accompagné la production de plus de 30 000 véhicules en atteignant un taux de précision de placement supérieur à 99 %, tout en tenant conversation pendant l'exécution de tâches d'assemblage à plusieurs étapes. Sa plateforme d'intelligence assure un apprentissage continu à l'échelle de la flotte : chaque robot bénéficie de l'expérience accumulée par les autres.
Le pari du prix et du volume asiatique
Une quatrième famille, portée par l'écosystème industriel asiatique, joue la carte du rapport performance-prix. En s'appuyant sur la chaîne d'approvisionnement électronique la plus compétitive au monde et sur un marché intérieur vaste, ces acteurs proposent des humanoïdes à des tarifs sans commune mesure avec ceux de l'Occident. Un modèle phare se vend à partir de 13 500 dollars, une fraction du coût de ses homologues, ce qui met la robotique bipède à la portée d'universités, de laboratoires et d'usines qui n'auraient jamais pu s'offrir une machine à 200 000 dollars.
Cette pression tarifaire n'est pas un simple argument commercial. Elle rappelle l'analogie du smartphone dans les années 2010, quand les fabricants asiatiques ont forcé une baisse générale des prix qui a démocratisé l'objet à l'échelle planétaire. La même logique se dessine pour les humanoïdes : la concurrence sur les coûts comme accélérateur de diffusion mondiale plutôt que comme simple guerre de parts de marché.
Les approches transversales : modularité et bio-inspiration
Au-delà de ces quatre grands paris, deux orientations de conception traversent la filière et méritent d'être isolées, car elles influencent directement la trajectoire des coûts et de la sécurité. La première est l'approche modulaire, poussée à l'extrême par certains challengers : chaque articulation utilise le même module d'actionnement standardisé, décliné par des paramètres logiciels différents selon qu'il équipe une épaule, un coude, une hanche ou un genou. Ce choix réduit drastiquement le nombre de références à fabriquer et à stocker, simplifie la maintenance sur le terrain et raccourcit les délais de réparation. Il constitue un facteur de compétitivité industrielle souvent sous-estimé, car il conditionne la capacité à passer de l'unité au millier.
La seconde orientation est la bio-inspiration, particulièrement présente chez les acteurs visant l'interaction domestique. Plutôt que des moteurs rigides susceptibles d'exercer une force excessive lors d'un contact imprévu, ces constructeurs privilégient des actionneurs souples qui absorbent naturellement les chocs. La logique est celle de la sécurité par conception : réduire l'énergie cinétique transmise en cas de contact avec une personne diminue le risque de blessure sans dépendre uniquement de capteurs et de logiciels de sécurité. Les modèles les plus légers du marché, autour de 30 kilogrammes, s'inscrivent dans cette philosophie, cohérente avec une vocation d'assistance de proximité.
Le basculement du centre de gravité vers l'Asie
Aucun état des lieux honnête ne peut passer sous silence un fait devenu structurant : la géographie de la production humanoïde s'est déplacée. Les entreprises chinoises contrôlent désormais environ 90 % des installations mondiales d'humanoïdes selon les estimations 2025 de Morgan Stanley et d'Omdia — un ordre de grandeur indicatif, les cabinets d'analyse retenant des totaux mondiaux (13 000 à 16 000 unités) et des périmètres sensiblement différents. Un acteur de Shanghai arrive en tête du classement du cabinet Omdia avec plus de 5 100 unités livrées et environ 39 % de part mondiale. Un constructeur de Hangzhou le talonne, revendiquant à son tour plus de 5 500 unités sur la même période ; les écarts de méthodes de comptage entre sources — livraisons effectives contre commandes enregistrées — expliquent qu'il figure néanmoins au deuxième rang.
Ces volumes s'inscrivent dans un contexte industriel plus large. La Chine a installé environ 295 000 robots industriels rien qu'en 2024 selon le rapport World Robotics de la Fédération internationale de robotique (IFR), loin devant le Japon (environ 44 500 unités la même année) et les États-Unis (où les installations ont atteint environ 38 000 unités en 2025, en hausse de 11 % selon l'IFR). Ce socle manufacturier, combiné à une volonté politique explicite, alimente la dynamique humanoïde. Le plan d'action national, porté par le ministère de l'Industrie et cinq autres administrations, vise 100 000 humanoïdes déployés d'ici 2027.
Les objectifs de cadence traduisent cette ambition. Le constructeur de Hangzhou vise 20 000 unités en 2026, contre 5 500 en 2025 — un quadruplement de capacité. Morgan Stanley a d'ailleurs révisé à la hausse, à trois reprises depuis janvier 2026, sa prévision de ventes humanoïdes chinoises pour l'année : de 14 000 unités en janvier à 28 000 quelques mois plus tard, puis à 50 000 unités en juin 2026 — la banque évoquant un basculement de la démonstration vers le déploiement commercial plus rapide qu'anticipé. Face à cette poussée, les acteurs occidentaux misent sur la sophistication logicielle, l'intégration de modèles de fondation et la sécurité de la chaîne d'approvisionnement comme facteurs de différenciation. La course prend ainsi la forme d'une complémentarité concurrentielle : le volume et le prix d'un côté, la profondeur logicielle et les partenariats industriels de l'autre.
| Indicateur (2025-2026) | Valeur vérifiée | Source |
|---|---|---|
| Marché adressable projeté (2035) | 38 Md$ · ~1,4 M unités | Goldman Sachs |
| Marché potentiel à long terme (2050) | ~5 000 Md$ | Morgan Stanley |
| Part chinoise des installations humanoïdes | ~90 % | Omdia |
| Leader mondial 2025 (livraisons) | ~5 168 unités · 39 % part | Omdia |
| Robots industriels installés en Chine (2024) | ~295 000 | IFR — World Robotics 2025 |
| Objectif de cadence d'un acteur de Hangzhou (2026) | 20 000 unités | Interesting Engineering |
| Bacs déplacés par un humanoïde logistique (nov. 2025) | 100 000+ | Presse sectorielle |
Le cerveau logiciel : les modèles de fondation pour la robotique
Si les corps mécaniques concentrent l'attention, c'est en réalité dans les modèles d'intelligence artificielle que se joue une part décisive de la course. Le grand changement de 2025-2026 tient à l'émergence des modèles « vision-langage-action » (VLA), qui combinent perception visuelle, compréhension du langage et génération de commandes motrices dans un seul réseau de neurones. Cette architecture unifiée remplace l'ancien empilement de modules séparés — un pour voir, un pour planifier, un pour agir — par un raisonnement de bout en bout.
Vision-langage-action : la nouvelle grammaire
Le principe d'un modèle VLA est de partir d'un socle vision-langage pré-entraîné, puis de l'adapter pour qu'il produise directement des actions à partir d'observations visuelles et d'instructions textuelles. Concrètement, le robot reçoit une image de son environnement et une consigne en langage courant — « prends la pièce sur l'établi et insère-la dans le châssis » — et génère les commandes de ses articulations sans passer par une chaîne de modules distincts. En 2025, plusieurs de ces modèles sont passés du statut de recherche à celui de systèmes en production animant des corps humanoïdes réels.
Les plateformes de simulation et d'entraînement jouent un rôle d'infrastructure comparable à celui des systèmes d'exploitation dans l'informatique. Un modèle de fondation ouvert pour humanoïdes, dans sa version la plus récente, combine un socle vision-langage et une tête de diffusion qui débruite des actions continues ; sa dernière itération intègre 20 000 heures de vidéo humaine égocentrique dans son pré-entraînement, améliorant sa capacité à suivre des instructions en langage naturel. D'autres modèles introduisent une phase de « réflexion avant l'action », où le robot raisonne en langage naturel interne avant d'agir — une transposition directe des techniques de raisonnement par étapes qui ont fait progresser les grands modèles de langage. Pour comprendre les fondements de ces approches, voir notre introduction aux réseaux de neurones et à l'apprentissage automatique.
En 2026, la question n'est plus de savoir si un cerveau unique peut piloter de nombreux robots, mais lequel — sur quel corps, avec quelles données — définira l'ère des modèles de fondation pour l'intelligence physique.
La bascule vers l'apprentissage à grande échelle
Le tournant conceptuel est le suivant : pour la première fois dans l'histoire de la robotique, la recette gagnante ressemble à celle du langage — augmenter les données, augmenter la taille du modèle, et laisser la politique de contrôle généraliser. Cette convergence méthodologique explique pourquoi les acteurs de l'intelligence artificielle générative, longtemps concentrés sur le texte et l'image, investissent massivement le champ robotique : ils y voient le prolongement physique de leurs modèles.
L'apprentissage par renforcement en simulation reste le moteur de cette montée en compétence. Un robot peut effectuer des millions de tentatives dans un environnement virtuel en quelques heures, là où l'apprentissage physique prendrait des années et userait le matériel. La qualité du transfert du monde simulé vers le monde réel — le fameux « sim-to-real » — dépend de la fidélité du moteur physique : friction, inertie, déformation des matériaux, propriétés tactiles. Les moteurs de simulation les plus utilisés dans le développement humanoïde permettent de créer des jumeaux numériques d'usines entières et d'y entraîner des robots virtuels avant tout déploiement physique.
Locomotion, manipulation, dextérité : où se situe la frontière
Distinguer ce qui est acquis de ce qui reste à conquérir suppose d'examiner séparément les trois grandes compétences motrices d'un humanoïde. Elles ne progressent pas au même rythme, et cette asymétrie éclaire les priorités de la recherche.
La locomotion : un problème largement maîtrisé
Marcher, courir, monter des marches, se relever après une chute : ces capacités, longtemps considérées comme redoutables, sont aujourd'hui bien maîtrisées sur les plateformes avancées. Les actionneurs électriques ont considérablement gagné en densité de puissance au cours de la dernière décennie. Les moteurs sans balais à couple élevé, combinés à des réducteurs miniaturisés, permettent de créer des articulations compactes reproduisant la gamme de mouvements humains. Les actionneurs quasi-directs offrent un bon compromis entre réactivité et puissance, particulièrement utile pour la locomotion dynamique. La tendance est à l'intégration : plutôt que d'assembler moteur, réducteur et encodeur séparés, les fabricants développent des modules compacts réunissant les trois composants dans un seul boîtier, ce qui réduit le poids, simplifie le câblage et améliore la fiabilité.
La manipulation fine : le verrou principal
La manipulation fine d'objets variés dans des environnements non contrôlés demeure, elle, le principal verrou. La littérature de recherche récente est claire sur ce point : la dextérité manuelle et la perception tactile restent en deçà des capacités humaines, ce qui en fait le goulot d'étranglement dominant de la filière. Le défi fondamental consiste à répliquer simultanément la dextérité, la sensibilité à la force et la préhension adaptative de la main humaine.
Les progrès sont néanmoins tangibles. Les mains robotiques de dernière génération intègrent des capteurs tactiles distribués, des actionneurs à tendons reproduisant l'architecture musculaire de la main, et des algorithmes de planification de préhension calculant en temps réel la meilleure façon de saisir un objet selon sa forme, son poids et sa fragilité. Les travaux de recherche récents montrent des politiques de préhension transférées de la simulation au réel atteignant environ 90 % de réussite sur des objets connus et 60 à 80 % sur des objets inédits — des chiffres qui traduisent à la fois une maturité réelle et la marge qui reste à parcourir. Certaines équipes ont démontré un transfert « zéro coup » de la simulation au réel pour la manipulation dextre, sans réglage supplémentaire.
À retenir. La locomotion est maîtrisée, la manipulation fine reste le verrou. Les taux de réussite en préhension — 90 % sur objets connus, 60-80 % sur objets inédits — définissent la frontière exacte entre démonstration de laboratoire et fiabilité de production. Tant que ce seuil n'est pas franchi sur des objets imprévisibles, l'autonomie complète en environnement non structuré restera hors de portée.
- Capteurs tactiles distribués : plusieurs dizaines à quelques centaines de points de mesure par main, pour moduler la force appliquée à chaque contact.
- Actionnement à tendons : imitation de l'architecture musculaire humaine, privilégiant la souplesse et l'absorption des chocs.
- Vidéo humaine égocentrique : des dizaines de milliers d'heures de gestes humains filmés en vue subjective servent désormais à pré-entraîner les modèles de manipulation.
- Autonomie supervisée : plutôt qu'une autonomie totale, les robots opèrent seuls sur les tâches apprises et sollicitent une aide humaine face aux situations nouvelles — un juste milieu pragmatique.
La perception : voir et comprendre en trois dimensions
Entre locomotion et manipulation, la perception fait le lien. Les caméras de profondeur et les algorithmes de cartographie et localisation simultanées (SLAM) permettent au robot de construire une représentation tridimensionnelle de son environnement en temps réel, mise à jour plusieurs dizaines de fois par seconde. Les modèles de fondation visuels autorisent une reconnaissance d'objets dans des configurations jamais rencontrées à l'entraînement : un robot entraîné à identifier des tasses en laboratoire reconnaît une tasse dans une cuisine réelle, malgré des différences de forme, de couleur et d'orientation. C'est la généralisation « zéro coup » appliquée à la perception, brique essentielle pour opérer hors des environnements calibrés.
Cas d'usage réels contre promesses : la ligne de partage
La distinction la plus utile, pour évaluer la maturité de la filière, oppose ce qui fonctionne aujourd'hui en conditions réelles à ce qui relève encore de l'objectif. Cette ligne de partage se déplace, mais elle existe, et la confondre serait la source de bien des désillusions.
Ce qui fonctionne déjà
Deux terrains ont franchi le seuil de la validation opérationnelle. Le premier est l'entreposage logistique. Un humanoïde bipède spécialisé pour la logistique a franchi, en novembre 2025, le cap des 100 000 bacs déplacés dans un centre de distribution — première fois qu'un humanoïde atteignait un tel jalon commercial. Doté d'une autonomie de batterie allant jusqu'à huit heures selon l'usage, soit l'équivalent d'une journée de travail complète, et conçu spécifiquement pour ce contexte, il opère dans plusieurs réseaux d'entrepôts. Cette autonomie exceptionnelle constitue une avancée notable qui contredit le lieu commun d'une filière plafonnée à quelques heures.
Le second terrain est l'assemblage automobile. Comme évoqué plus haut, une flotte d'humanoïdes a soutenu la production de plus de 30 000 véhicules sur onze mois avec un taux de précision supérieur à 99 %. Les tâches concernées — transfert de pièces entre postes, insertion de composants, inspection visuelle — sont répétitives, physiquement exigeantes et souvent difficiles à pourvoir. Les constructeurs automobiles se positionnent ainsi en premiers adopteurs industriels, fournissant les sites d'essai, les cas d'usage concrets et un retour opérationnel précieux.
L'atout décisif de l'humanoïde en usine tient à sa flexibilité. Un robot industriel classique, monté sur rails et enfermé dans une cage de sécurité, exige un recâblage complet et plusieurs semaines de reconfiguration pour changer de mission. Un bipède, lui, peut apprendre une nouvelle tâche en quelques heures par démonstration — un opérateur montre le geste, le robot le reproduit — ou par simple instruction verbale, sans modifier l'infrastructure de l'usine. Cette agilité prend toute sa valeur dans un contexte où les constructeurs diversifient leurs gammes et raccourcissent les séries : là où un changement de modèle de véhicule immobilisait naguère les lignes robotisées pendant des semaines, un humanoïde s'adapte à la volée. Au-delà de l'automobile, l'électronique, l'agroalimentaire et la pharmacie explorent des tâches d'assemblage, de conditionnement et d'inspection, en tirant parti de la capacité d'un humanoïde à porter gants, combinaisons et protections conçus pour la morphologie humaine, sans investissement d'infrastructure supplémentaire.
À retenir. Deux terrains ont franchi le seuil de validation opérationnelle : la logistique (plus de 100 000 bacs déplacés par un humanoïde unique) et l'assemblage automobile (plus de 30 000 véhicules accompagnés à plus de 99 % de précision). Le domestique et l'assistance aux personnes, eux, restent l'horizon lointain — cycles de certification de deux à cinq ans et imprévisibilité du environnement.
Ce qui relève encore de l'objectif
À l'inverse, l'environnement domestique demeure la frontière la plus lointaine. Un logement est imprévisible par nature : objets au sol, animaux, enfants, meubles déplacés, variété quasi infinie d'objets à manipuler. Les premiers tests résidentiels, engagés courant 2025, portent sur des tâches simples — transport de linge, rangement d'objets prédéfinis — avec des résultats encourageants mais loin du robot polyvalent de la fiction. La santé et l'assistance aux personnes constituent un marché prometteur à moyen terme, mais les exigences de certification y sont plus élevées que dans l'industrie : les processus de validation médicale imposent des cycles longs, typiquement de deux à cinq ans pour un dispositif de classe intermédiaire. Notre dossier sur la robotique sociale et l'intelligence relationnelle explore ces dimensions.
La construction et le bâtiment, enfin, offrent un terrain intermédiaire : environnements non structurés où un robot adaptatif sur deux jambes peut opérer là où un robot à roues serait bloqué par des marches ou des débris. Les applications — transport de matériaux sur plusieurs niveaux, inspection de structures, rondes de surveillance avec capteurs — sont en cours d'exploration, portées par un déficit structurel de main-d'œuvre dans la plupart des pays développés.
Maturité industrielle : de la production sur mesure à la ligne d'assemblage
Un signal fort de la bascule en cours tient à la construction d'usines dédiées à la fabrication d'humanoïdes. La production quitte l'atelier artisanal pour la ligne d'assemblage. Un fabricant américain a ouvert l'une des premières installations de production de masse dédiées, avec une capacité de plusieurs milliers d'unités par an ; un acteur asiatique vise, lui, un quadruplement de sa capacité pour atteindre 20 000 unités en 2026 ; un constructeur automobile reconverti a lancé début 2026 une ligne dédiée à sa troisième génération de robots, avec une montée en volume programmée pour 2027.
Cette industrialisation repose sur la standardisation des composants. L'approche modulaire, où une même pièce d'actionnement sert pour l'épaule, le coude, la hanche et le genou avec des paramètres logiciels différents, simplifie la fabrication, la maintenance et les réparations : un technicien remplace un module défectueux en quelques minutes, sans outillage spécialisé. À mesure que les volumes croissent, un écosystème de fournisseurs se structure autour des actionneurs, des cellules de batterie, des capteurs et des modules de calcul, comparable à celui de l'automobile, avec des effets de volume qui tirent les coûts vers le bas.
La structure des partenariats industriels éclaire ce mouvement. Un modèle tripartite s'impose : l'industriel fournit le site d'essai et le cas d'usage, le géant de l'intelligence artificielle fournit la puissance de calcul et les modèles, la startup robotique fournit le corps mécanique et l'intégration. Aucun acteur ne maîtrise seul toute la chaîne de valeur, ce qui favorise un écosystème ouvert où chaque spécialiste contribue à sa zone d'excellence. Pour un panorama de l'automatisation dans l'entreprise, voir notre guide sur la stratégie d'intégration de l'IA en entreprise.
Les défis qui structurent la prochaine étape
La lucidité impose de nommer les obstacles restants. Ils ne sont pas des impasses, mais des chantiers ouverts dont la résolution conditionnera le rythme d'adoption. Trois ordres de difficultés se dégagent : technique, économique et réglementaire.
La fiabilité sur la durée
La fiabilité mécanique sur de longues durées reste un enjeu central. Un robot fonctionnant huit heures par jour, cinq jours par semaine, accumule plus de 2 000 heures de fonctionnement annuel. À cette échelle, les actionneurs s'usent, les câbles se fatiguent, les capteurs se dérèglent. La robotique industrielle classique, avec ses bras articulés fixes, a résolu ce problème en concevant des machines endurant 50 000 heures sans maintenance majeure. Les humanoïdes n'en sont pas encore là : les données de fiabilité à long terme manquent, la plupart des plateformes n'ayant été éprouvées que quelques centaines d'heures en conditions réelles — même si les records logistiques récents commencent à combler cette lacune.
L'autonomie énergétique
L'énergie constitue un second chantier. Avec deux à cinq heures d'autonomie pour la majorité des modèles, la plupart des robots imposent des recharges qui réduisent leur disponibilité effective. Trois voies sont poursuivies en parallèle : les stations de recharge automatique où le robot se branche seul pendant les pauses, le remplacement rapide des batteries en moins de trois minutes — à l'image du système de changement autonome du Walker S2 d'UBtech —, et l'amélioration de la densité énergétique des cellules. L'exemple d'un humanoïde logistique tenant jusqu'à huit heures montre que le plafond n'est pas immuable ; la recherche privilégie d'ailleurs des solutions d'infrastructure de recharge avant même que la chimie des batteries ne progresse spectaculairement.
Sécurité, normes et acceptabilité
Un robot de 60 à 90 kilogrammes se déplaçant dans un espace partagé avec des personnes soulève des questions de sécurité physique légitimes. Les normes internationales existantes pour les robots collaboratifs définissent des seuils de force et de pression lors des contacts, mais devront être adaptées aux spécificités des bipèdes : risque de chute sur une personne, collision lors de la marche, centre de gravité élevé. L'Europe travaille sur un cadre dédié ; le règlement européen sur l'intelligence artificielle classe certaines applications robotiques comme « à haut risque », imposant des obligations de transparence, de test et de documentation. Aux États-Unis, les agences de normalisation et de sécurité au travail élaborent des lignes directrices spécifiques. L'approche la plus prometteuse semble être celle des cadres d'expérimentation contrôlés, qui autorisent des tests en conditions réelles tout en collectant les données nécessaires à l'élaboration de normes définitives.
Emploi : une transformation, pas une substitution
La question de l'impact sur le travail mérite un traitement factuel. Les données historiques montrent que l'automatisation robotique modifie profondément la nature des emplois plutôt qu'elle n'en réduit massivement le nombre. Les pays les plus robotisés — Corée du Sud, Singapour, Allemagne et Japon, avec les densités de robots par salarié les plus élevées au monde selon l'IFR — affichent des taux de chômage parmi les plus bas.
Les humanoïdes se déploient d'abord là où la main-d'œuvre manque : logistique aux taux de rotation élevés, industrie manufacturière en tension, construction en déficit chronique. Ils comblent des postes que les entreprises peinent à pourvoir plutôt qu'ils n'écartent des personnes en poste. La robotisation permet aussi de réduire les troubles musculo-squelettiques liés aux tâches répétitives et au port de charges, améliorant les conditions des opérateurs. De nouveaux métiers émergent : superviseurs de flottes, techniciens de maintenance mécatronique, développeurs d'applications robotiques, formateurs en collaboration humain-machine. Les entreprises qui adoptent ces robots investissent en parallèle dans la montée en compétences de leurs équipes, avec des programmes de formation dédiés à la supervision et à la sécurité. La reconversion et l'accompagnement des transitions restent les clés d'une évolution profitable au plus grand nombre.
Perspectives : trois phases d'ici 2030
En se projetant au-delà de 2026, plusieurs trajectoires se dessinent avec une confiance raisonnable, appuyées sur les tendances techniques et les engagements d'investissement observés.
Industrialisation des pilotes (2026-2027)
Les déploiements en cours dans l'industrie automobile et la logistique doivent produire assez de données pour valider — ou invalider — le retour sur investissement des humanoïdes. Les métriques clés seront le coût par tâche accomplie, le taux de disponibilité et la fréquence d'intervention humaine. Les premiers retours publics, attendus tout au long de 2026, seront scrutés par l'ensemble de la filière : ils détermineront le rythme des années suivantes. Les jalons déjà atteints — 100 000 bacs déplacés, 30 000 véhicules assemblés à plus de 99 % de précision — constituent des preuves de concept encourageantes.
Production de masse et baisse des coûts (2027-2029)
La faisabilité d'un humanoïde à moins de 15 000 dollars est déjà démontrée. Si les acteurs occidentaux atteignent leurs objectifs de coût unitaire, le marché adressable s'élargira bien au-delà des grands groupes. À ces prix, le coût annuel d'un robot — amortissement, maintenance, énergie — pourrait descendre sous le seuil d'un salaire minimum annuel dans de nombreux pays développés, rendant le calcul économique attractif pour un large éventail d'usages. La standardisation des composants et la multiplication des usines dédiées amplifieront ces effets de volume.
Calculateur : que coûte une heure de robot humanoïde ?
Ajustez les curseurs pour estimer le coût horaire d'un humanoïde et le comparer au coût d'un opérateur industriel (≈ 22 €/h, salaire chargé, France). Ordres de grandeur, pas un devis.
Vers la polyvalence (2029-2030 et au-delà)
Les modèles de fondation robotiques devraient permettre d'acquérir de nouvelles compétences sans reprogrammation complète. Un robot formé pour l'entrepôt pourrait être adapté à un chantier en quelques heures de réglage fin sur les tâches du nouveau contexte. Cette polyvalence transformerait les humanoïdes en plateformes génériques, à la manière dont le smartphone est devenu un appareil universel. Un modèle économique de robotique en tant que service pourrait par ailleurs lever la barrière de l'investissement initial : une entreprise louerait des heures de travail robotique, maintenance et mises à jour incluses, sur le modèle éprouvé de l'informatique en nuage. Le marché résidentiel, lui, restera probablement en phase exploratoire jusqu'au début de la décennie 2030, le temps que les coûts baissent et que les normes de sécurité domestique s'établissent.
La robotique humanoïde de 2030 ressemblera aussi peu à celle de 2026 que les smartphones de 2016 ressemblaient à ceux de 2010 : perception, compréhension et action progresseront conjointement, rendant ces machines plus autonomes, plus polyvalentes et plus abordables.
L'écosystème logiciel comme champ de bataille
Un facteur souvent sous-estimé dans les projections tient à l'émergence d'un écosystème de développeurs autour des plateformes robotiques. À l'image des magasins d'applications qui ont fait la fortune des smartphones, des plateformes de compétences robotiques pourraient se structurer : un développeur crée une application de palettisation, un autre une routine d'inspection qualité, un troisième un module de service en restauration. Le robot humanoïde devient alors une plateforme sur laquelle s'empilent des applications spécialisées, multipliées par une communauté extérieure au constructeur. Les interfaces de programmation ouvertes et les outils de développement fournis par les acteurs de l'infrastructure logicielle posent les premiers jalons de cet écosystème, dont l'ambition affichée par l'un des grands fournisseurs de puces et de simulation est de devenir « le système d'exploitation généraliste » de la robotique.
Cette bataille logicielle recoupe une question stratégique : qui détiendra le modèle de fondation dominant ? Comme le résume la littérature spécialisée, la question n'est plus de savoir si un cerveau unique peut piloter de nombreux corps, mais lequel — sur quel matériel, entraîné sur quelles données — s'imposera comme référence. Cette dynamique reproduit celle qui a présidé à l'essor des grands modèles de langage, où l'accès aux données d'entraînement et la puissance de calcul ont creusé l'écart entre les acteurs. La robotique ajoute toutefois une difficulté propre : les données d'interaction physique sont coûteuses à produire, ce qui explique l'intérêt croissant pour les vidéos humaines et la simulation à grande échelle comme sources de données de substitution.
Les signaux à surveiller
Plusieurs signaux méritent une attention particulière au cours des prochains trimestres, car ils conditionneront la vitesse de la course. La convergence entre robotique et intelligence artificielle générative reste le premier d'entre eux : un robot qui comprend le langage naturel est un robot que n'importe quel opérateur peut instruire, sans écrire une ligne de code, ce qui abaisse radicalement le coût d'intégration. L'entrée des géants technologiques dans le secteur constitue un deuxième signal : leur maîtrise de la production de masse de matériel complexe et de la distribution mondiale représente deux compétences critiques pour démocratiser les humanoïdes. Les initiatives ouvertes forment un troisième signal, susceptibles de démocratiser le développement à la manière dont les systèmes ouverts l'ont fait pour les serveurs et les téléphones. La régulation proactive, enfin, si elle est bien calibrée, peut accélérer l'adoption en rassurant utilisateurs et assureurs plutôt que la freiner.
Un secteur qui se mesure désormais en résultats
L'état des lieux de 2026 se résume à une phrase : la robotique humanoïde a cessé d'être une promesse pour devenir une industrie que l'on mesure. Les preuves opérationnelles existent — heures de fonctionnement, volumes produits, taux de précision, prix catalogue — et remplacent progressivement les vidéos de démonstration comme unité de compte du progrès. Une vingtaine d'acteurs sur trois continents avancent en parallèle, chacun avec son pari : la donnée terrain, la production de masse, l'intelligence conversationnelle ou le prix. Le centre de gravité de la production s'est déplacé vers l'Asie, tandis que la profondeur logicielle et les partenariats industriels restent des atouts occidentaux.
Les prochaines années trancheront les questions ouvertes : le modèle économique tient-il à grande échelle, la manipulation fine franchira-t-elle le seuil de la fiabilité industrielle, l'autonomie énergétique atteindra-t-elle la journée de travail complète, la réglementation saura-t-elle accompagner sans freiner. La convergence entre robotique et intelligence artificielle générative ouvre un espace d'innovation d'une ampleur comparable à celle qu'avait ouverte, au début des années 2010, la rencontre de l'internet mobile et des écrans tactiles. Cette trajectoire est, fondamentalement, une bonne nouvelle pour la productivité industrielle, l'ergonomie au travail et l'accessibilité des services. Nous continuons de suivre cette filière de près, avec des analyses régulières et des comparatifs actualisés.
Sources
- Goldman Sachs — The global market for humanoid robots could reach $38 billion by 2035
- Morgan Stanley — Humanoid Robot Market Expected to Reach $5 Trillion by 2050
- Interesting Engineering — Unitree targets 20,000 humanoid robots with fourfold capacity increase
- eWeek — China's Unitree Aims to Ship 20,000 Humanoid Robots in 2026
- NVIDIA Developer — Isaac GR00T : Generalist Robot 00 Technology
- arXiv 2503.14734 — GR00T N1 : An Open Foundation Model for Generalist Humanoid Robots
- arXiv 2502.20396 — Sim-to-Real Reinforcement Learning for Vision-Based Dexterous Manipulation on Humanoids
- KraneShares — Humanoid Robotics in 2026 : The Race From Pilot To Platform
- Silicon Valley Robotics Center — China Robotics Market 2026
- South China Morning Post — Morgan Stanley raises China humanoid robot shipment forecast to 50,000 units (juin 2026)
- iFactory — Figure at BMW Spartanburg : 30 000+ Vehicle Humanoid Deployment Case Study
- UBtech — Walker S2 : Autonomous Battery Swapping for Mass Production Delivery
