La start-up canadienne smartARM travaille sur un prototype de prothèse bionique qui s’appuie sur la vision par ordinateur pour sélectionner automatiquement la manière appropriée de saisir les objets du quotidien. L’entreprise affirme que cette approche vise à réduire la nécessité de basculer manuellement entre les modes de préhension, une étape généralement requise lorsqu’on passe, par exemple, de la saisie d’une tasse à l’utilisation d’une cuillère.
Le projet, présenté par Meta le 16 septembre 2026, combine du matériel informatique dédié à l’intelligence artificielle et des logiciels open source. La prothèse utilise une caméra intégrée dans la paume pour observer l’environnement, tandis que smartARM fait appel au modèle de vision open source DINOv2 de Meta pour reconnaître les objets à partir d’un nombre limité d’images de référence.
Comment fonctionne le mécanisme de sélection de la prise ?
Plutôt que de s’appuyer sur une connaissance préalable de chaque objet ou sur une programmation distincte pour chaque élément, le système tente d’analyser les caractéristiques visuelles de l’objet, puis de les associer au mode de préhension approprié. Selon l’article, la prothèse peut s’adapter à des objets sur lesquels elle a été entraînée à l’aide de seulement quelques images, un processus qui, selon smartARM, pourrait réduire une durée qui aurait pu atteindre plusieurs semaines.
Le résultat recherché n’est pas seulement d’augmenter le nombre de modes de préhension, mais aussi de rendre l’utilisation du membre prothétique plus proche d’une interaction naturelle. L’utilisateur n’est pas censé se concentrer sur la sélection du mode logiciel avant chaque mouvement, mais sur la tâche qu’il souhaite accomplir. L’article décrit le prototype comme capable de fonctionner dès la première tentative et sans entraînement, un résultat attribué à l’expérience du projet et non à des données indépendantes issues d’une évaluation clinique à grande échelle.
Le rôle des lunettes Meta AI
Les lunettes Meta AI fonctionnent comme un complément optionnel à la caméra intégrée dans la prothèse. Grâce au Meta Wearables Device Access Toolkit, les lunettes fournissent au système une perspective depuis l’angle de vue de l’utilisateur, ce qui peut apporter un contexte supplémentaire sur l’objet avec lequel il tente d’interagir. L’application mobile permet également d’ajouter de nouveaux objets au système, afin que les utilisateurs puissent personnaliser la liste des éléments en fonction de leurs besoins quotidiens.
Cette intégration montre que smartARM ne considère pas la prothèse comme un appareil autonome uniquement, mais comme un système réunissant la détection locale et les données provenant d’un dispositif portable. Toutefois, l’article ne précise pas les caractéristiques de la caméra ni le temps de réponse en chiffres, et ne présente ni résultats d’essais cliniques, ni informations sur l’homologation réglementaire, ni date de disponibilité commerciale.
Pourquoi cette évolution est-elle importante ?
L’importance du projet réside dans la prise en compte de l’utilisation quotidienne de la prothèse, et non dans l’ajout d’un composant d’intelligence artificielle isolé de l’expérience utilisateur. Si le mécanisme de reconnaissance et de préhension fonctionne dans différentes conditions, il pourrait réduire la charge opérationnelle de certains utilisateurs et leur offrir une manière plus directe d’interagir avec les objets. Cependant, les informations disponibles restent une présentation par Meta et smartARM d’un prototype et ne suffisent donc pas, à elles seules, pour évaluer la robustesse, la sécurité ou la précision en dehors des objets et des environnements ayant fait l’objet de tests.
Hamayal Choudhry, fondateur et directeur général de smartARM, a déclaré que la conception d’une main capable ne représentait qu’une partie du défi, et que sa facilité d’utilisation était tout aussi importante. Shaquem Griffin, utilisateur de longue date du produit et ancien joueur de la NFL, a également décrit l’évolutivité et l’accessibilité comme les aspects les plus importants de cette technologie à ses yeux. Des questions restent ouvertes concernant le degré de préparation du modèle à une utilisation à grande échelle et la manière dont il gérera les erreurs de reconnaissance ou les objets inhabituels.