Approche qui intègre l’intelligence artificielle à des systèmes capables de percevoir le monde physique, de prendre des décisions et d’agir dans le respect de contraintes opérationnelles et environnementales.
AWS a présenté Physical AI Toolchain on AWS, un ensemble open source qui réunit des recommandations d’architecture logicielle, l’automatisation du déploiement et du code prêt à l’emploi pour développer des robots et des machines intelligentes. La suite s’intègre à l’écosystème NVIDIA de l’intelligence artificielle physique et couvre la génération de données, l’entraînement, la simulation, le déploiement en périphérie et l’optimisation continue.
Les organisateurs de CEATEC 2026 ont annoncé la participation de 821 exposants, avec un accent marqué sur l’intelligence artificielle générative et l’intelligence artificielle physique. Parmi les technologies présentées figure notamment le système TUSS du groupe Mitsubishi Electric, qui vise à permettre aux modèles d’exécuter plusieurs tâches dans des environnements industriels.
Un entretien de MONOist avec des responsables d’AWS et de STRADVISION examine le rôle des programmes AWS destinés aux start-up et de l’infrastructure cloud dans le développement de solutions de vision par ordinateur et d’intelligence artificielle physique. L’entreprise explique comment elle exploite les services AWS, notamment l’infrastructure dédiée à l’entraînement et à l’exécution des modèles, pour étendre ses applications aux secteurs de l’automobile et de la robotique.
Cadence explique que l’intelligence artificielle physique ne repose pas uniquement sur la précision de l’inférence, mais aussi sur sa capacité à détecter, prendre des décisions et exécuter des actions dans le respect de contraintes strictes liées au temps de réponse, à l’énergie, à la chaleur, à la fiabilité et aux mouvements de données. L’article souligne le rôle de l’informatique en périphérie, de la mémoire, de l’interconnexion et des interfaces d’entrée et de sortie pour garantir un comportement prévisible du système.
Crunchbase News passe en revue cinq opérations de financement concernant des entreprises qui développent des réacteurs nucléaires flottants, des robots pour l’entretien des propriétés et des outils d’évaluation des modèles d’intelligence artificielle physique, ainsi que des solutions pour la construction et l’agriculture. Ces opérations révèlent une orientation des investissements vers des applications spécialisées intervenant dans l’énergie, le travail sur le terrain et les opérations industrielles.
Une installation de la ville japonaise de Narashino a commencé à collecter des données d’entraînement pour l’intelligence artificielle physique à l’aide de 35 robots humanoïdes, au sein d’un consortium réunissant cinq entreprises. L’installation repose sur le contrôle à distance, l’enregistrement des mouvements et l’annotation des réussites et des échecs, afin de construire des modèles utilisables dans les usines et divers secteurs.
Un article d’opinion publié avec le soutien d’un sponsor estime que la sécurisation des systèmes d’intelligence artificielle qui interagissent avec le monde physique ne peut pas se limiter à la protection des réseaux ou aux tests des modèles, mais doit couvrir les données, les capteurs, le matériel, les logiciels et le comportement du système pendant son fonctionnement. Cette approche gagne en importance avec les systèmes agentiques, qui prennent des décisions et s’adaptent en temps réel à des environnements changeants.
Crunchbase News passe en revue cinq tours de financement de startups qui utilisent l’intelligence artificielle dans le tri des déchets, la navigation robotique, les dispositifs médicaux, la transformation des déchets en carburant et la détection d’opportunités de construction avant leur annonce. Ces opérations interviennent dans un contexte d’intérêt croissant pour l’application de l’intelligence artificielle aux environnements physiques et aux secteurs spécialisés.
Advantech Japan entend renforcer son soutien aux fabricants d’équipements japonais dans les applications d’intelligence artificielle physique à travers trois axes comprenant les produits standard, la personnalisation quasi complète et les services de conception sur mesure. L’entreprise cible plusieurs secteurs industriels et prévoit de porter sa capacité de production au Japon à 2,5 fois son niveau actuel d’ici 2028.
Le financement des entreprises d’intelligence artificielle physique dans le monde a atteint 47,4 milliards de dollars à travers 521 opérations au premier semestre 2026, porté par d’importantes levées de fonds dans les véhicules autonomes, la défense, l’aéronautique et la robotique. Des investisseurs indiquent que la baisse des coûts du matériel et de l’informatique, ainsi que la disponibilité de modèles multimodaux, font passer le secteur de la phase d’expérimentation à la construction de systèmes capables d’être exploités commercialement.
Encord, en collaboration avec Zander Labs, teste l’utilisation des données des ondes cérébrales, en plus des vidéos et des capteurs, afin de créer des données d’entraînement plus riches pour les robots. Cette expérience reflète un problème plus large : la rareté des données du monde réel et le coût élevé de leur production par rapport à l’entraînement des modèles d’IA traditionnels.
Lors de la conférence SIGGRAPH 2025, NVIDIA a dévoilé des bibliothèques logicielles, des mises à jour et des modèles dédiés à l’intelligence artificielle physique, tout en présentant plus de 12 articles de recherche sur la reconstruction 3D, la simulation et les données synthétiques. Ces avancées visent à entraîner des robots et des véhicules autonomes, ainsi qu’à construire des mondes virtuels plus réalistes.