DeepMind a publié un modèle robotique plus habile et, dans le même lot, un banc d'essai qui tente de le faire fauter. Les deux moitiés de l'annonce méritent d'être lues séparément.
Gemini Robotics 2.5 est un vision-language-action model
Un modèle de robot ne manipule pas du texte. Il regarde une caméra, écoute une consigne, et sort un mouvement.
Gemini Robotics 2.5, publié le 10 novembre, appartient à cette famille que DeepMind appelle vision-language-action model : les images et l'instruction entrent d'un côté, les commandes moteur sortent de l'autre. DeepMind le présente comme son modèle le plus capable à ce jour dans cette catégorie.
L'enjeu n'est pas la conversation. Une phrase comme « sers le plat avec les pinces » demande de repérer l'objet, de choisir une prise, d'ajuster la force et de corriger en cours de route. C'est là que se joue la différence entre une démonstration et un poste de travail.
Ce que DeepMind mesure sur plus de 200 tâches
DeepMind a évalué le modèle sur plus de 200 tâches distinctes. Le service d'un plat avec des pinces, le nœud sur une boîte cadeau, le prélèvement de liquide à la pipette.
Les chiffres avancés sont des écarts par rapport aux modèles précédents. Selon DeepMind, le taux de réussite dépasse celui des modèles précédents de 30 % à 100 % selon le type de tâche, et l'exécution est plus rapide de 20 % à 30 %.
Ces mesures viennent du laboratoire qui vend le modèle. Aucun tiers ne les a reproduites à ce jour, et c'est une réserve à garder en tête avant de comparer deux annonces.
Mercedes-Benz : la preuve de concept avec Apptronik
Le cas le plus concret se passe en usine. Avec Apptronik et Mercedes-Benz, des humanoïdes Apollo 2 ont préparé des pièces automobiles sur des lignes de production à Kecskemét, en Hongrie, et à Sindelfingen, en Allemagne.
Le taux de réussite annoncé atteint 96 %. Aucun organisme indépendant ne l'a reproduit à ce jour. Ce chiffre reste une annonce. Apollo 2 utilise une main à cinq doigts, la SharpaWave, avec 22 degrés de liberté. Le modèle tourne aussi sur la plateforme Franka Duo et sur des pinces à deux doigts.
Un mot de vocabulaire, parce qu'il change tout : DeepMind parle d'une preuve de concept, pas d'une flotte déployée. Un pilote sur une ligne ne dit rien du comportement d'un atelier entier, avec ses imprévus, ses pièces mal alignées et ses équipes en horaires décalés.
Les sites français de Stellantis ou de Renault posent exactement la même question. Combien de temps un opérateur perd-il à corriger un geste raté ? Avant d'installer un humanoïde, il faut répondre à ça, pas à une moyenne de laboratoire.
Le guidage de sûreté, mesuré en laboratoire
La sûreté ne se joue pas seulement dans les poids du modèle. Elle se joue au moment où il décide quoi faire.
DeepMind décrit un mécanisme de raisonnement appliqué à l'inférence, qui contraint le plan avant l'action. Dans ses évaluations, ce guidage améliore l'achèvement des tâches en sécurité de 33 % autour d'obstacles, et de 43 % à proximité de personnes.
Deux gains, deux contextes différents. Le second compte davantage : un bras qui travaille à un mètre d'un opérateur n'a pas le même droit à l'erreur qu'un bras derrière une grille. Le test reste jeune, et les chiffres bougeront.
ASIMOV-Jailbreak, un robot safety benchmark ouvert
La partie la plus intéressante de l'annonce n'est pas le modèle. C'est le test.
DeepMind publie ASIMOV-Jailbreak, un robot safety benchmark en open source. Il contient des centaines de prompts qui déguisent une demande dangereuse, répartis sur des dizaines de scènes. L'idée : vérifier si un modèle de robot accepte une consigne qu'il devrait refuser.
Un benchmark de ce type a une vertu simple. Il rend les échecs comparables. Sans lui, chaque constructeur annonce que son robot est prudent, et personne ne peut vérifier.
Il a aussi une limite, que DeepMind ne cache pas vraiment : des centaines de prompts ne couvrent pas toutes les façons de tromper un système, et le catalogue devra vivre.
Une nuance de plus, et elle n'est pas mince. Un benchmark mesure un refus, pas un comportement. Un robot peut décliner une consigne interdite puis, deux secondes plus tard, pousser une caisse au mauvais endroit. La sûreté physique se mesure en newtons et en centimètres, pas en pourcentage de réponses conformes.
Gemini 4 Argon, et le 99,5 % qui ne le concerne pas
C'est le chiffre qui circule le plus, et celui qu'on cite le plus mal.
Sur ASIMOV-Jailbreak, Gemini 4 Argon atteint 99,5 % de résistance aux tentatives de jailbreak. Le modèle de comparaison, Gemini Robotics ER 2, plafonne à 82 %. Ce 99,5 % appartient donc à Gemini 4 Argon, un modèle généraliste, et pas à Gemini Robotics 2.5.
Le même Gemini 4 Argon a servi de moteur de simulation pendant le développement. Il générait des essais, construisait des jumeaux numériques et analysait les échecs de tâche. Un modèle qui juge le travail d'un autre modèle, dans la même maison : utile, mais pas indépendant. Ce n'est pas un audit.
Ce que Gemini Robotics 2.5 laisse en suspens
Aucun prix, aucune date de disponibilité publique, aucun lien de téléchargement. Gemini Robotics 2.5 se déploie auprès des partenaires robotiques de DeepMind, et s'arrête là pour le grand public.
La question technique reste ouverte elle aussi. Refuser une instruction dangereuse n'est pas la même chose qu'être physiquement sûr à côté d'une personne. Un modèle peut réciter la bonne réponse et mal poser un pied.
Le cadre européen des machines, avec ses normes de sécurité pour les robots industriels, impose des distances, des capteurs et des arrêts d'urgence. Aucun benchmark de prompts ne remplace cette couche matérielle, et c'est probablement la conclusion la plus utile de la semaine.
Pour un industriel, la bonne lecture est celle-ci : la dextérité progresse vite, la certification beaucoup moins. Le jour où un intégrateur proposera un poste complet, la question du prix et celle de la responsabilité arriveront ensemble.
