Les robots ont besoin d’une puissance de calcul importante pour apprendre dans des environnements virtuels, et ils nécessitent également des puces rapides et fiables à l’intérieur de la machine afin de pouvoir voir, décider et se déplacer en temps réel, sans dépendre du cloud.
À l’approche de 2026, les marchés déplacent leur attention des architectes de l’IA (c’est-à-dire les laboratoires de modèles et les hyperscalers) vers les facilitateurs (infrastructure) et les adopteurs (applications). Le leadership boursier observé depuis le début de l’année illustre cette tendance, avec une rotation continue des « Mag 7 » vers d’autres segments du marché, alors que les investisseurs recherchent la prochaine source d’opportunités.
La robotique pourrait bien représenter la prochaine frontière pour l’IA, où l’intelligence quitte la page web pour entrer dans le monde physique, ouvrant la voie à de nouveaux cas d’usage transformateurs. Mais la véritable question pour les investisseurs est de savoir si, et quand, cette technologie deviendra réellement viable sur le plan commercial.
Le déclencheur technologique
Historiquement, la contrainte principale en robotique n’était pas le matériel, mais la donnée.
Contrairement aux modèles de langage qui consomment d’immenses volumes de données issues d’internet, les robots ne pouvaient pas apprendre à plier du linge ou à tourner une poignée de porte à partir d’une vaste base de données. Ils devaient être formés à chaque tâche individuellement, par le biais de démonstrations humaines laborieuses1, mais ce goulot d’étranglement est en train de disparaître :
- Grâce à l’entraînement en simulation assisté par l’IA, les robots peuvent désormais « s’exercer » des millions de fois dans des environnements virtuels avant de manipuler un objet physique.
- On est passé de la programmation d’actions spécifiques à l’apprentissage de mouvements polyvalents. Un modèle qui apprend à nettoyer un comptoir peut désormais généraliser cette compétence au nettoyage d’une fenêtre.
- L’IA agentique permet aux robots de naviguer et de s’adapter à de nouveaux environnements, comme un entrepôt encombré ou une cuisine désordonnée, avec une autonomie accrue.
L’économie s’améliore également. Le coût des robots humanoïdes aurait diminué d’environ 40 % entre 2023 et 20242. Dans un contexte marqué par la pénurie de main-d’œuvre et la pression pour relocaliser la production industrielle aux États-Unis, la robotique peut contribuer à améliorer l’efficacité et à préserver les marges—d’autant plus que les salaires manufacturiers américains sont environ quatre fois plus élevés qu’en Chine.3
Le défi de la commercialisation
Même avec les avancées techniques, il est probable que des revenus significatifs issus des robots alimentés par l’IA n’arrivent que dans plusieurs années. L’industrialisation dépendra en grande partie de chaînes d’approvisionnement fragiles, de la capacité de production, des exigences de sécurité et de la rentabilité liée au déploiement et à la maintenance.
Tesla, par exemple, n’a pas atteint ses propres objectifs ambitieux de production pour Optimus4, et les progrès dans les véhicules autonomes, malgré quelques succès commerciaux récents, restent limités par des obstacles pratiques tels que l’approvisionnement en véhicules et la logistique d’intégration.
Ce qui est investissable aujourd’hui
Pour l’instant, la partie investissable de « l’IA physique » se situe encore principalement au niveau de l’infrastructure. Les robots ont besoin d’une puissance de calcul importante pour apprendre dans des environnements virtuels, et ils nécessitent également des puces rapides et fiables à l’intérieur de la machine afin de pouvoir voir, décider et se déplacer en temps réel, sans dépendre du cloud. Les logiciels dédiés à l’entraînement de l’IA physique se multiplient également, tandis que les secteurs manufacturier et de la santé sont les premiers à adopter ces technologies.
Par ailleurs, un nombre croissant d’entreprises technologiques américaines et de startups se lancent dans la robotique basée sur l’IA, mais l’incertitude concernant les délais, l’économie unitaire et la viabilité commerciale rend prématuré d’en faire une thématique d’investissement autonome dans les portefeuilles. Cela offre toutefois aux investisseurs une raison supplémentaire de se tourner vers l’international, l’Asie restant un leader clé grâce à sa puissance industrielle et son avance dans le domaine.5
Le potentiel de la robotique souligne également à quel point le déploiement de l’IA en est encore à ses débuts. Les modèles économiques les plus transformateurs dans ce domaine n’existent peut-être pas encore. Les investisseurs auraient donc intérêt à conserver une exposition large aux facilitateurs et aux adopteurs cette année, plutôt que de chercher à identifier trop tôt les futurs gagnants, alors que le secteur évolue.