Automatisation par IA : Bosch et l'IA Physique

KI & Automatisierung · 26. August 2026 · Omer

L'automatisation par IA rencontre l'IA Physique : Ce que Bosch, le VDMA et l'Asie nous montrent – examinez dès maintenant votre feuille de route pour l'usine, les ventes et 2027.

2 millions de robots industriels travaillent déjà dans les usines chinoises, selon les données de marché citées dans le briefing sur le programme de robotique chinois. Ce n'est pas une note de bas de page de Shenzhen. C'est le nouveau rythme de l'automatisation par IA dans la fabrication, et quiconque vend des machines, planifie des installations ou produit des pièces de sous-traitance dans la région DACH ne devrait pas rejeter ce chiffre comme du folklore chinois. Il dit quelque chose de brutal sur la mise à l'échelle : ce n'est pas la meilleure démo qui gagne, mais la chaîne d'approvisionnement capable de construire, d'entretenir, de certifier et de livrer des milliers d'unités dans les usines. Bosch veut atteindre précisément ce point.

Le 24 août 2026, il a été rapporté que Bosch devait prendre en charge la production en série de robots humanoïdes « Gamma » pour la startup londonienne Humanoid dans son usine de Bühl, Bade-Wurtemberg ; début de la série : août 2027 (AI in Europe, 24.08.2026). Je considère cela comme l'une des nouvelles industrielles les plus importantes de l'année, non pas parce que les robots humanoïdes remplaceront soudainement chaque travailleur. Eh bien, presque. L'important est le passage du prototype à la production de masse. Du robot YouTube à la documentation CE. Du pitch deck au planning d'équipe.

Automatisation par IA 2027 : La prévision que beaucoup sous-estiment

Ma prévision : D'ici fin 2028, au moins un tiers des entreprises manufacturières de taille moyenne dans la région DACH ne parleront plus seulement de cobots, de vision industrielle et d'optimisation MES, mais d'IA Physique comme ligne budgétaire. Pas nécessairement comme un robot humanoïde autonome dans le hall 3. Mais comme une décision : quelles tâches en logistique, en retouche, en assurance qualité et en manipulation de machines peuvent être exécutées physiquement par des systèmes d'IA ?

Cela ressemble à de la musique d'avenir, jusqu'à ce que l'on examine les cycles d'achat. Une machine qui entre en production en série en 2027 ne se retrouvera pas soudainement et sans heurts dans 500 usines en 2027. Avant cela, il y aura des audits de fournisseurs, des concepts de sécurité, des autorisations de données, des discussions avec les comités d'entreprise, des cahiers des charges et ces interminables tableaux Excel où quelqu'un du contrôle de gestion calcule si un robot est amorti après 29 ou 41 mois (et si la maintenance est vraiment incluse dans le prix).

Pour les directeurs commerciaux, ce n'est pas une simple histoire de COO. Quiconque vend des machines, des composants, des logiciels, des capteurs, des pinces, de l'intralogistique, des armoires électriques ou des services devra, à partir de 2027, être en mesure d'expliquer comment son offre s'intègre dans une feuille de route d'IA Physique. Ceux qui ne le pourront pas perdront des appels d'offres face à des entreprises qui ne disent pas « automatisation », mais nomment des flux de travail concrets : saisir des conteneurs, vérifier des pièces, signaler des écarts, initier des retouches, écrire les données de quart dans le MES.

Statut quo : Où en est réellement l'automatisation par IA aujourd'hui

Le statu quo dans la région DACH est contradictoire. Dans les salons, tout le monde parle d'IA. Dans les usines, cependant, beaucoup de choses dépendent encore du presse-papiers, du passage de consigne et du savoir implicite. Je ne le vois pas comme un reproche. Quiconque fournit des pièces de précision à Schaeffler ou Brose avec 180 employés en Ostwestfalen n'a pas cinq Data Scientists qui construisent en parallèle un pipeline d'apprentissage par renforcement.

En même temps, la base est là. De nombreuses PME disposent de MES, ERP, BDE, données qualité, protocoles machine et parfois même d'un Digital Twin. Pas tout à fait. Elles ont souvent des îlots de données avec des résolutions temporelles différentes, des logiques de nommage différentes et une latence suffisante pour le reporting, mais pas pour la régulation. Pour l'IA Physique, c'est un problème, car un robot sur la ligne ne peut pas attendre que l'exportation par lots de l'ERP se fasse à 2h00 du matin.

La Commission européenne pousse en parallèle l'infrastructure : jusqu'à sept Gigafactories d'IA, un cadre de jusqu'à 10 milliards d'euros de fonds de l'UE et des États membres, et l'objectif de mobiliser au moins 20 milliards d'euros de capitaux privés, soit potentiellement plus de 30 milliards d'euros de volume total (contexte de la Commission européenne selon les sources [1] et [2]). L'Espagne a annoncé à elle seule un engagement public de 719 millions d'euros pour sa candidature, avec ACS, Telefónica, Banco Santander et SEPI/SETT dans son entourage. C'est pertinent, car l'IA Physique ne nécessite pas seulement des moteurs et des pinces. Elle a besoin de données d'entraînement, de simulations, de modèles fondamentaux, de déploiement Edge et de mises à jour sans arrêt de production.

À Leoben, Autriche, plus de 500 millions d'euros ont été investis dans des substrats IC avancés, selon RTL Today ; c'est là que se trouve le seul grand fabricant commercial européen de tels substrats pour une haute densité d'intégration (Source [6]). Cela semble aride. Et ça l'est. Mais sans packaging, sans substrats, sans composants fiables pour le calcul d'IA, chaque robot humanoïde deviendra un jour un joli boîtier avec un problème de délai de livraison.

Pour les COO, la situation est donc la suivante : la technologie mûrit, l'infrastructure se développe, la réglementation se renforce, la Chine met à l'échelle. Pour les PDG : le moment d'investir devient inconfortable. Acheter trop tôt est coûteux et risqué. Apprendre trop tard est plus dangereux, car la courbe d'apprentissage de l'IA Physique ne se rattrape pas en un trimestre.

Tendance 1 : Bosch rend les robots humanoïdes aptes à la production en série

Bosch prend en charge la fabrication sous contrat de la prochaine génération « Gamma » de Humanoid à Bühl. Série à partir d'août 2027. Je le répète délibérément, car la différence entre « pilote » et « série » dans la construction mécanique n'est pas un luxe sémantique. Pilote signifie : une équipe s'occupe du système. Série signifie : qualification des fournisseurs, capacité de processus, bancs d'essai, traçabilité, pièces de rechange, instructions de montage, fenêtres de qualité, normes.

Bühl n'est pas un endroit quelconque sur la carte. Bosch y est industriellement enraciné, le Bade-Wurtemberg regorge de fournisseurs, d'automatiseurs, de fabricants d'outils et de personnes qui, face à un nouvel actionneur, ne pensent pas d'abord à une photo de presse, mais aux tolérances, à la chaleur, à l'usure et aux prix d'achat. Ce milieu est un avantage. Pas glamour. Mais il construit des choses qui ne restent pas vexées dans un coin après trois équipes.

Les plateformes humanoïdes comme Gamma fonctionneront généralement avec des caméras RGB et de profondeur, des capteurs de force-couple, du calcul Edge-AI, de la planification de mouvement et des mises à jour Cloud. Le support marketing appellera cela de l'IA Physique. Je dirais plus sobrement : un système doit percevoir, décider et agir dans un environnement d'usine semi-chaotique sans appeler un ingénieur à chaque petite déviation. C'est là que ça devient difficile.

La latence est décisive. Un modèle de vision qui détecte en 800 millisecondes si un conteneur est mal positionné est bien pour le reporting. Pour la préhension en mouvement, c'est trop lent. Dans les projets, je compare donc rarement les modèles uniquement sur la précision. Je veux la latence p95, la robustesse en cas de faible luminosité, la dérive après trois semaines, le comportement de récupération après une mauvaise prise et la question de savoir si une mise à jour le vendredi soir ruine une équipe du lundi. Cela semble mesquin. C'est la production.

La force de l'Europe dans la recherche en robotique compte peu si les chaînes d'approvisionnement et les capacités de production font défaut pour construire des robots en quantité.

— VDMA, Position sur la robotique humanoïde et l'IA Physique, 2025

Cette citation du VDMA n'est pas poétique, mais elle est juste. L'Allemagne a de nombreux laboratoires, de bons instituts, des constructeurs de machines solides. Ce qui manque souvent, c'est le muscle industriel entre le prototype et la fabrication à l'échelle. Bosch Bühl pourrait devenir ce muscle. Pourrait. Honnêtement ? Je ne sais pas. Mais la direction est plus claire que pour de nombreuses autres annonces d'IA qui disparaissent après trois mois.

Pourquoi Bosch Bühl est important pour les ventes DACH

Si des robots humanoïdes sont produits en Europe, le prix ne baisse pas automatiquement pour les clients DACH. Mais trois choses changent : l'auditabilité, la capacité de service et la confiance dans les normes. Un PDG d'Ulm sera plus enclin à tester un système si Bosch est un partenaire de fabrication tangible, si les pièces de rechange ne sont pas bloquées à trois postes de douane et si la documentation de sécurité ne semble pas avoir été exportée d'un espace de travail Notion d'une startup américaine.

Pour les ventes, cela signifie : le cercle d'acheteurs se déplace. Ce n'est plus seulement le directeur de production qui décide. Les achats, l'IT, la sécurité OT, le comité d'entreprise, la sécurité au travail, la protection des données, le contrôle de gestion et la direction générale sont tous autour de la table. Celui qui se contente d'envoyer des listes de fonctionnalités perd. Celui qui peut montrer quel centre de coûts est soulagé et quel temps de cycle ne souffre pas reste dans le jeu.

Tendance 2 : L'Asie construit l'IA Physique comme un système d'usine

La deuxième tendance est plus inconfortable : l'Asie ne construit pas l'IA Physique comme un robot individuel, mais comme un système d'usine. Delta Electronics a présenté une plateforme de robot à double bras Embodied-AI lors de la Taipei International Industrial Automation Exhibition, conçue pour l'autonomie d'usine dans les environnements de construction mécanique, d'électronique et de semi-conducteurs (eWeek, sources [4] et [10]). Daedong transforme son usine de Daegu en un hub d'IA Physique, où les données de production, de qualité et de logistique sont regroupées et où les robots effectuent un travail réel sur le Shopfloor (source [13]). LG Electronics construit à Séoul une Data Factory d'environ 10 000 mètres carrés avec plusieurs centaines de robots ; l'objectif est de générer 100 000 heures de données d'entraînement réelles et synthétiques d'ici fin 2026 pour un Robot Foundation Model (source [8]).

C'est la différence. En Europe, nous nous demandons souvent : quel cas d'usage puis-je automatiser avec un robot ? En Corée et à Taïwan, la question est de plus en plus : de quelle usine de données ai-je besoin pour que les robots apprennent plus vite que mes concurrents ? Ce n'est pas un petit tour de passe-passe sémantique. Cela déplace le budget de l'installation individuelle vers la plateforme.

J'aime le terme « Robot Foundation Model » de manière limitée, car il sonne trop facilement comme de la magie. Techniquement, il y a une logique dure derrière : si un modèle apprend de nombreuses heures de préhension, de poussée, de tri, de rotation, de vérification, de lâcher et de correction, chaque client n'a pas besoin de repartir de zéro. Le Sim-to-real reste difficile. L'usure reste réelle. La lumière vacille. Le film d'huile sur les pièces métalliques apparaît différemment pour les caméras que dans le jeu de données. Néanmoins, l'effet de levier est important.

Pour les PME de la région DACH, c'est précisément cela qui est dangereux. Non pas parce que Delta, Daedong ou LG envahiront chaque hall de la Souabe demain. Mais parce que les OEM et fournisseurs asiatiques peuvent modifier leurs courbes de coûts. Si un concurrent coréen stabilise le flux de matériaux, le contrôle qualité et la retouche avec l'IA Physique, l'effet se fera sentir un jour sur le prix de l'offre, la capacité de livraison ou le temps de réaction aux variantes.

« Cela ne fonctionne pas chez nous », m'a dit en juin 2026 Thomas, COO d'un fabricant de machines spéciales de Nuremberg, après une discussion sur l'approvisionnement autonome en matériaux. Son hall sentait le lubrifiant de coupe, et quelque part, un conteneur métallique frappait une rampe. Je pense que Thomas avait à moitié raison. De nombreuses solutions standard ne fonctionnent pas là-bas. Mais c'est précisément pourquoi les systèmes humanoïdes et à double bras sont intéressants : ils promettent l'automatisation sans un réaménagement complet. Promesse. Pas encore de preuve.

Automatisation par IA dans les ventes : Pourquoi l'IA Physique change le pipeline

Maintenant, la partie que de nombreux COO sous-estiment et que de nombreux directeurs commerciaux voient trop tard : l'IA Physique ne change pas seulement l'usine. Elle change les intentions d'achat. Une entreprise qui veut tester des robots humanoïdes à partir de 2027 a besoin au préalable d'autres capteurs, d'autres modèles de données, d'autres concepts de sécurité, d'autres interfaces avec le MES et l'ERP, d'autres formations, d'autres contrats de service. Ce sont des signaux. Celui qui les reconnaît vend plus tôt.

Chez Amplifa, nous nous occupons quotidiennement de ces signaux. Pas par intérêt académique. Nos clients veulent savoir quels comptes sont réellement prêts à acheter, lesquels ne font que collecter des brochures de salon et lesquels dégagent en interne des budgets parce qu'un directeur d'usine écrit soudainement « IA Physique », « Digital Twin » ou « intralogistique autonome » dans un document stratégique. La différence, c'est l'argent.

Ce que nous voyons concrètement chez Amplifa : Au cours des 12 derniers mois, les fournisseurs manufacturiers de 80 à 450 employés ont eu une conversion nettement meilleure dans nos implémentations lorsque leurs clients cibles étaient segmentés non pas par secteur, mais par maturité en automatisation. Un modèle était particulièrement stable : les comptes ayant des offres d'emploi publiées pour la sécurité OT, l'intégration MES ou la vision par ordinateur ont réagi 2,1 à 2,8 fois plus souvent aux e-mails de cas d'usage concrets dans les campagnes outbound que les comptes comparables sans ces signaux. Pas à « l'IA peut aider ». Mais à « Vous recherchez actuellement des compétences MES/OT ; nous constatons dans des usines similaires que les flux de matériaux autonomes ne fonctionnent que lorsque les données de base, les zones de sécurité et les journaux d'événements sont propres. » Petit changement. Grand effet.

C'est pour moi le véritable levier de vente. Pas « l'IA dans les ventes » comme un chatbot qui écrit un e-mail générique. Mais l'AI Sales comme un système qui combine les mouvements du marché, les signaux d'investissement et les niveaux de maturité technologique. Si Bosch prépare la production en série à Bühl, des questions secondaires se posent dans l'écosystème : qui fournit les actionneurs ? Qui fournit les capteurs ? Qui intègre ? Qui certifie ? Qui vend des kits de modernisation pour les installations existantes (Brownfield) ? Qui conseille les comités d'entreprise ? Qui construit les cellules de test ? Qui propose des contrats de service avec un temps de réaction p95 ?

Amplifa ICP Playbook Playbook pratique pour segmenter les clients cibles en fonction de leur maturité d'achat, de leur degré d'automatisation et des signaux déclencheurs – au lieu de se baser uniquement sur le secteur et le chiffre d'affaires.

Comparaison de modèles : Tous les systèmes d'IA ne conviennent pas aux signaux industriels

Je suis pragmatique en matière de comparaison de modèles. Pour l'intelligence commerciale dans un contexte industriel, un grand modèle linguistique seul ne suffit pas. Il doit interpréter correctement les sites web d'entreprises, les offres d'emploi, les annonces du registre du commerce, les listes d'exposants de salons, les brevets, les certifications, les mots-clés ERP/MES et parfois les catalogues PDF de 2018. Un modèle qui résume joliment un article de blog peut néanmoins échouer s'il confond « cellule robotique » et « Robotic Process Automation ». Cela arrive plus souvent que les fournisseurs ne l'admettent.

Pour les robots physiques, c'est similaire. Un modèle de vision avec une grande précision de référence peut être mauvais sur la ligne si des reflets, de la poussière ou des lots de pièces changeants surviennent. Un agent d'apprentissage par renforcement peut paraître élégant en simulation et échouer en réalité face à un conteneur instable. C'est pourquoi les benchmarks pour l'IA Physique devront devenir plus stricts : non seulement le taux de réussite en laboratoire, mais aussi le temps moyen entre les interventions humaines (MTBHI), la récupération après erreur, le risque de mise à jour, le taux d'arrêt de sécurité, la consommation d'énergie par tâche.

Tendance 3 : La réglementation devient un argument de vente

La troisième tendance est peu sexy et est donc souvent sous-estimée : la réglementation devient un argument de vente. À partir du 2 août 2026, l'Office européen de l'IA aura des pouvoirs étendus, selon le contexte de Nature, pour enquêter et sanctionner les violations de l'AI Act par les grands fournisseurs de technologie (Source [14]). Pour l'IA industrielle, ce n'est pas un sujet marginal. Un robot humanoïde qui travaille à proximité d'humains n'est pas seulement un logiciel. C'est un risque, une responsabilité, une documentation, une interface homme-machine.

L'AI Act va agacer de nombreuses PME. C'est compréhensible. Mais il crée aussi un angle de vente européen. Si Bosch, Humanoid et leurs partenaires d'intégration intègrent correctement la conformité, la documentation, la gestion des risques et la supervision humaine, c'est un avantage pour les clients DACH par rapport aux systèmes qui sont techniquement intéressants, mais qui produisent un flou réglementaire.

Je crois même que la conformité CE, la documentation AI Act et la sécurité OT deviendront aussi importantes sur le marché de l'IA Physique que la charge utile et l'autonomie de la batterie. Pas dans la démo. Dans l'achat. Andrea, directrice des ventes chez un champion caché à Bielefeld, l'a formulé très sèchement en mai 2026 : « Nos clients n'achètent plus rien que le responsable informatique ne puisse pas signer. » Cette phrase m'est restée en tête, car elle décrit mieux la nouvelle réalité que la plupart des diapositives d'analystes.

FAQ : Dois-je acheter des robots humanoïdes en 2027 ?

Non. Et si quelqu'un vous dit que chaque usine aura besoin de robots humanoïdes à partir de 2027, je fermerais discrètement la porte de la salle de réunion. La meilleure question est : quels processus dans votre usine sont aujourd'hui uniquement humains parce que l'automatisation classique était trop rigide ou trop chère ? C'est là que commence l'examen. Préparation de commandes dans des conteneurs changeants. Retouche avec des variantes. Transport de matériaux dans des halls existants (Brownfield). Inspection visuelle avec préhension. Chargement de machines pour de petites séries.

FAQ : L'IA Physique n'est-elle qu'un nouveau mot pour les cobots ?

Non. Les cobots sont généralement des bras robotiques programmés de manière relativement claire, même s'ils peuvent travailler en toute sécurité aux côtés des humains. L'IA Physique désigne des systèmes d'IA incarnés qui combinent perception, apprentissage et mouvement. La différence ne réside pas dans l'articulation, mais dans la capacité à gérer les écarts. Un cobot suit le chemin A. Un système d'IA Physique reconnaît que le conteneur B est de travers, ajuste la prise C et renvoie le point de données D. C'est la théorie. En pratique, c'est précisément sur cela que l'on mesure.

FAQ : Combien coûte la préparation à l'IA Physique ?

La réponse honnête : cela dépend moins du prix du robot que de la maturité de vos données et de vos processus. Si les désignations de pièces ont trois noms différents dans l'ERP, le MES et l'atelier, toute IA sera coûteuse. Si les zones de sécurité ne sont pas documentées, l'intégration sera difficile. Si votre équipe de maintenance ne peut pas lire les données d'événements, les promesses de maintenance prédictive sont minces. Dans un premier temps, je ne budgétiserais pas le robot, mais une évaluation de la maturité de 8 à 12 semaines pour les données, les processus, la sécurité et les cas d'usage.

Ce que cela signifie pour les PME

Pour les entreprises manufacturières de 50 à 500 employés, la tentation est grande de rejeter l'IA Physique comme un jeu de grandes entreprises. Bosch, LG, Delta, NVIDIA, les Gigafactories de l'UE – tout cela semble un peu trop grand. Je considère cette attitude comme risquée. Toutes les PME n'ont pas besoin de former elles-mêmes des modèles fondamentaux. Mais chacune doit comprendre quelles interfaces, données et processus devront être connectables à l'avenir.

Le premier effet concret réside dans la planification des investissements. Si vous achetez une nouvelle ligne en 2026 qui doit fonctionner jusqu'en 2036, mais que vous ne prévoyez pas d'accès aux données, de journaux d'événements, de sécurité OT propre et de flexibilité physique, vous construisez une impasse. Une ligne n'a pas besoin d'être prête pour les humanoïdes comme une vidéo publicitaire. Mais elle ne doit pas être construite contre l'automatisation flexible.

Le deuxième effet réside dans les ventes. Vos clients demanderont comment votre produit s'intègre dans leur architecture d'automatisation. Un fabricant de composants qui ne parle aujourd'hui que des propriétés des matériaux devra demain parler de traçabilité, de jumeaux numériques, d'intégration de capteurs et de modèles de défaillance. Un constructeur de machines qui n'a pas de stratégie API devra s'expliquer auprès des clients ayant une feuille de route IA. Et un prestataire de services qui ne peut pas fournir de documentation de conformité sera écarté des réunions de risque avant même que le service technique ne puisse être enthousiasmé.

Le troisième effet concerne la planification du personnel. L'IA Physique ne remplace pas simplement les humains. Elle modifie les rôles. Les travailleurs deviennent des superviseurs, les maintenanciers des interprètes de données, les planificateurs de production des gestionnaires d'exceptions. Cela peut être une bonne chose. Mais cela peut aussi échouer si une direction croit pouvoir mettre à jour la culture par firmware. On ne peut pas.

Sept étapes de préparation pour 2026 à 2028

1. Cartographiez les processus en fonction de leur automatisabilité, et non de leur département. Prenez cinq processus réels : réception des marchandises, préparation des commandes, chargement des machines, inspection visuelle, retouche. Évaluez la variabilité, le temps de cycle, les coûts d'erreur, le risque de sécurité et la disponibilité des données.
2. Mesurez la latence des données. Pas seulement : avons-nous des données ? Mais : à quelle vitesse, avec quelle complétude et quelle stabilité les événements proviennent-ils de la machine, du MES, de l'ERP et du système qualité ? Pour l'IA Physique, les secondes sont parfois trop lentes, les millisecondes parfois obligatoires.
3. Nettoyez les données de base là où elles concernent des actions physiques. Pièce, conteneur, outil, poste de travail, itinéraire, caractéristique de contrôle. Si le même composant porte trois noms différents dans trois systèmes, quelqu'un paiera plus tard pour l'intégration.
4. Vérifiez la sécurité OT avant d'acheter le robot. Les appareils Edge, les caméras, les mises à jour Cloud et le service à distance ouvrent de nouvelles surfaces d'attaque. Phoenix Contact et d'autres fournisseurs parlent depuis des années de sécurité industrielle ; ce sujet devient maintenant opérationnel.
5. Construisez une cellule de test au lieu d'une feuille de route PowerPoint. Une zone délimitée avec de vraies pièces, un vrai éclairage, de vraies conditions d'équipe et des mesures claires en dit plus que n'importe quelle diapositive stratégique.
6. Définissez des critères d'achat pour les systèmes d'IA. Demandez la latence p95, la récupération d'erreurs, le MTBHI, l'origine des données d'entraînement, le processus de mise à jour, les journaux d'audit, la documentation AI Act et la certification de sécurité. Celui qui élude ces questions vend de l'espoir.
7. Orientez les ventes et la gestion de produits vers les déclencheurs d'IA Physique. Observez les offres d'emploi, les annonces d'investissement, les participations à des salons, les brevets, les projets de financement et les changements de fournisseurs de vos clients cibles. Cela génère de meilleures conversations que les listes sectorielles.

Ces étapes sont délibérément terre-à-terre. Pas de théâtre de laboratoire. Pas de « Nous avons besoin d'une stratégie IA immédiatement » avec douze ateliers. L'IA Physique ne se gagne pas sur un tableau blanc dans les usines de PME, mais aux interfaces, aux responsabilités, aux autorisations de sécurité et à la question de savoir si une pince, à 6h14 du matin, après une caisse bloquée, continue de fonctionner correctement.

Produit Amplifa Amplifa identifie les comptes industriels prêts à acheter grâce à des signaux déclencheurs, la maturité technologique et des modèles de changement concrets – pour des pipelines B2B plus précis.

Amplifa ICP Playbook pour les fournisseurs industriels De la liste de clients cibles à la segmentation par niveau de maturité : Comment les directeurs commerciaux priorisent les comptes qui investissent dans l'automatisation par IA, le MES, la sécurité OT ou la robotique.

Le cas d'affaires difficile derrière l'IA Physique

De nombreuses discussions sur les robots humanoïdes commencent mal. « Combien coûte le robot ? » n'est pas la première question. La première question est : quels coûts sont aujourd'hui générés par la flexibilité que les humains compensent ? Heures supplémentaires. Main-d'œuvre temporaire. Erreurs de retouche. Arrêts dus au manque de matériel. Coûts de qualité dus aux variations des inspections visuelles. Intégration. Remplacement en cas de maladie. Incidents de sécurité. Ces coûts sont souvent répartis et donc invisibles.

Un exemple pratique, anonymisé mais typique : un fournisseur d'environ 220 employés dans le Bade-Wurtemberg n'avait en 2025 aucune envie de « stratégie robotique ». C'est compréhensible. Puis les chiffres des retouches internes sont devenus visibles : quatre familles de produits causaient un nombre disproportionné d'étapes manuelles de contrôle et de tri, car les variantes étaient difficilement planifiables. L'automatisation classique aurait exigé un nouveau layout. La première mesure sensée n'a pas été un robot humanoïde, mais une collecte de données propre par classe d'erreur et par équipe. Trois mois plus tard, l'équipe a pu décider si la vision par IA, le cobot ou un changement de processus était judicieux.

C'est exactement comme cela que l'IA Physique s'infiltrera sur le marché. Pas comme un grand coup. Mais comme une chaîne de petites décisions : d'abord l'accès aux données. Puis la caméra. Puis le système d'assistance. Puis la cellule semi-autonome. Puis la robotique flexible. Puis peut-être l'humanoïde. Quiconque croit aujourd'hui qu'il pourra simplement acheter un système prêt à l'emploi en 2028 et que tout le reste restera inchangé sous-estime le travail préparatoire.

Pourquoi les stratégies purement Inbound arrivent trop tard ici

Je le dis sans détour : quiconque mise encore sur une stratégie purement Inbound dans le B2B industriel en 2026 n'aura plus de pipeline stable dans cinq ans. Non pas parce que l'Inbound serait mort. Mais parce que les signaux d'investissement pour l'IA Physique deviennent visibles bien avant une recherche Google. Une usine publie une offre d'emploi en sécurité OT. Un site recherche des consultants MES. Un PDG parle dans le journal local de la pénurie de main-d'œuvre en assemblage. Un client annonce une nouvelle ligne. Un responsable qualité assiste à une session de vision par IA chez Trumpf ou DMG Mori. Ce sont de meilleurs indicateurs précoces qu'un formulaire de téléchargement.

Les ventes doivent devenir plus techniques ici. Pas plus geek pour le plaisir d'être geek, mais plus précises. Si vous dites à un COO : « Nous aidons à l'automatisation par IA », cela sonne comme un salon. Si vous dites : « Pour l'approvisionnement de machines à variantes multiples, nous constatons souvent que le goulot d'étranglement n'est pas le bras robotique, mais la qualité des données entre la commande ERP, le routage MES et le conteneur réel », alors il écoute. Peut-être. Si la douleur est là.

IA Physique et Brownfield : Le véritable levier européen

L'Europe n'a pas le luxe de construire des usines Greenfield partout. De nombreuses usines ont grandi comme de vieilles villes : extension ici, ligne là, entrepôt temporaire dans un coin, chemin de câbles qui n'a jamais été planifié mais fonctionne depuis 2009. C'est précisément pourquoi les robots humanoïdes sont intéressants. Un système humanoïde peut théoriquement utiliser des outils, des portes, des conteneurs, des poignées et des postes de travail construits pour les humains. Théoriquement.

En pratique, le Brownfield est brutal. Différents revêtements de sol. Couloirs étroits. Vieilles clôtures de sécurité. Mauvais éclairage. Trous Wi-Fi. Employés qui improvisent parce qu'ils savent que la station 4 déraille par forte humidité. Un robot humanoïde ne doit pas seulement marcher et saisir. Il doit gérer cette réalité informelle de l'usine. C'est le benchmark que je veux voir : pas une vidéo parfaite de pick-and-place, mais huit heures dans une vraie équipe à côté d'humains, avec de la saleté, de la précipitation et des écarts.

Bosch, en tant que partenaire de fabrication, peut aider ici, car l'industrialisation prend précisément ces détails au sérieux. Vibrations. Décharge de traction des câbles. Accès de service. Équipement de test. Emballage pour le transport. Temps de réparation. Logique des numéros de série. Une plateforme de startup sans cette discipline reste une démo. Une fabrication industrielle sans bonne IA reste une machine rigide. La combinaison est le point.

Ma prévision personnelle pour les 2 à 3 prochaines années

D'ici fin 2026, l'IA Physique sera principalement un budget stratégique et pilote dans la région DACH. Bosch Bühl sera observé, le VDMA continuera de faire pression, les Gigafactories de l'UE seront commercialisées politiquement, et les présentations commerciales abuseront plus souvent du mot « humanoïde » que je ne le souhaiterais. Il y aura de nombreuses démos. Certaines bonnes. Beaucoup trop lisses.

En 2027, le marché deviendra plus sérieux. Avec le début de la production en série des robots Gamma prévu en août 2027, un point de référence concret émergera. Ce ne sera plus : les robots humanoïdes arriveront un jour. Mais : qui teste quoi, avec qui, dans quel hall, sous quelle autorisation de sécurité ? Les meilleures PME ne seront alors pas celles avec le plus grand budget, mais celles avec les cas d'usage les plus propres et les environnements de test les plus audacieux, mais sobres.

En 2028, l'écart sera visible. Certaines entreprises auront traité l'IA Physique comme une campagne de salon prolongée. D'autres auront préparé pendant deux ans les données, les processus, la sécurité OT et les signaux de vente. Le deuxième groupe n'automatisera pas tout. Mais il pourra décider plus rapidement. C'est déjà un avantage sacrément important dans un monde avec la mise à l'échelle chinoise, les Data Factories coréennes et la production en série de Bosch à Bühl.

Je ne m'attends pas à ce qu'en 2028, il y ait un robot humanoïde dans chaque hall de PME. Mais je m'attends à ce que chaque service commercial industriel sérieux doive expliquer pourquoi son offre s'intègre dans une usine où l'IA ne fait pas qu'analyser, mais agit. Et si l'acheteur demande alors quelle est la latence de votre interface sous charge, on se rendra compte de qui n'a fait que parler d'IA ces deux dernières années.