Gemini 4 Argon : DeepMind dévoile une IA robotique à 87 % sur ERQA

👁 119 lectures

Google DeepMind a dévoilé Gemini 4 Argon for Robotics, un modèle d’IA spécialisé dédié aux applications robotiques. Il atteint un score de 87 % sur le benchmark Embodied Reasoning (ERQA), devançant tous les autres modèles frontière testés dans le domaine du raisonnement spatial et physique. L’annonce, publiée le 13 octobre 2026, émane de Kanishka Rao, ingénieur logiciel principal chez DeepMind.

Qu’est-ce que l’ERQA et pourquoi 87 % est un score remarquable

Le benchmark ERQA (Embodied Reasoning and Question Answering) mesure l’aptitude d’un modèle à comprendre et résoudre des problèmes physiques et spatiaux dans des environnements en trois dimensions. Il ne s’agit pas de simples questions descriptives sur une image, mais d’un raisonnement complexe : comment un objet réagira-t-il après une chute, où se situe son centre de gravité, ou comment le robot doit-il positionner ses appuis pour ne pas basculer lors d’une manœuvre délicate. Argon parvient à 87 % en s’appuyant exclusivement sur le raisonnement pur (pure reasoning), sans modules d’appoint ni moteurs physiques dédiés.

À titre de comparaison, les modèles de langage antérieurs, y compris les plus puissants comme GPT-4o ou les versions précédentes de Gemini, obtenaient des résultats nettement inférieurs sur ce type de défis. Si DeepMind ne publie pas les chiffres bruts de ses concurrents sur ce banc d’essai précis, l’affirmation selon laquelle il devance tous les autres modèles frontière reste directe et vérifiable. Ce résultat a une portée pratique immédiate : un robot piloté par une telle architecture peut évaluer à la volée la sûreté d’une prise, vérifier si une trajectoire risque une collision et réajuster sa planification en cas d’imprévu.

Quatre domaines d’application : du robot Spot au simple croquis manuscrit

Argon ne se cantonne pas à une tâche étroite. DeepMind met en avant quatre domaines clés couvrant l’ensemble du cycle de vie d’un système robotique.

Le premier concerne le contrôle direct des robots. L’exemple le plus marquant montre Argon aux commandes du quadrupède Boston Dynamics Spot, pourvu de quatre pattes à 12 degrés de liberté et d’un bras manipulateur à 6 degrés de liberté. L’objectif consiste à apprendre un nouveau geste : appuyer sur la pédale d’une poubelle et y jeter une canette de soda light. Avant tout essai sur la machine réelle, le modèle génère un jumeau numérique de la poubelle dans le simulateur MuJoCo, où il répète notamment l’équilibre sur trois pattes lors de l’appui au pied. Une fois l’entraînement virtuel achevé, Spot passe au monde réel : sa caméra avant vérifie le centrage de la patte avant droite sur la pédale, puis un essaim de deux agents de validation (foot-verifier et hand-verifier) contrôle la position du bras au-dessus du bac ouvert. Il s’agit d’une boucle Real-to-Sim-to-Real complète gérée de bout en bout par Argon.

Le deuxième volet s’intitule Real2Sim, soit la reconstruction d’environnements virtuels calibrés physiquement. Argon sait générer une simulation à partir du flux vidéo embarqué d’un robot, d’un enregistrement égocentrique capté par un humain ou même d’un simple croquis tracé à la main sur une feuille. Cette fonction cible particulièrement les laboratoires qui manquent de ressources pour modéliser manuellement des scènes 3D complexes.

Le troisième axe couvre la compréhension physique. Argon y intervient comme un système d’annotation multimodale avec analyse rétrospective (agentic multimodal hindsight labeling). Il est capable de jauger la dextérité d’un mouvement exécuté, d’attribuer des fonctions de valeur denses aux différentes étapes d’une trajectoire et d’estimer la progression globale vers l’objectif. Cela permet d’engendrer automatiquement des jeux de données d’entraînement de haute qualité sans annotateur humain.

Le quatrième domaine, recherche et auto-amélioration, forme une boucle itérative : Argon formule des ajustements d’action d’après ses résultats en simulation, les teste, puis déploie la stratégie optimisée sur la machine physique. Le modèle n’est plus seulement un agent d’exécution, mais devient un chercheur autonome au sein de son environnement de test.

Contrôle zero-shot : ce qui change pour les développeurs en robotique

La démonstration de contrôle zero-shot mérite une attention particulière : sans aucun pré-entraînement sur le matériel concerné, Argon prend les commandes d’un bras robotique standard pour redresser une tasse renversée et y glisser une serviette en papier froissée. Le modèle s’appuie sur la caméra fixée au poignet du bras, sur laquelle est superposée une grille de coordonnées (2 cm par pixel dans l’espace physique), puis émet ses instructions sous forme de requêtes curl transmises directement à l’API du robot. Tous les quelques mouvements, il produit une observation textuelle synthétique, planifie l’étape suivante et la déclenche. Cette méthode transpose directement dans le monde réel le mode opératoire des architectures agentiques logicielles.

Pour les ingénieurs du secteur, cette approche change la donne : jusqu’ici, intégrer un modèle de fondation à la chaîne de contrôle d’un robot imposait de développer de nombreuses couches d’abstraction. Argon montre qu’un modèle peut désormais analyser la scène et formuler des commandes structurées et directement exécutables par la machine, sans intermédiaire de traduction.

L’AGI physique : une ambition étayée par des résultats concrets

DeepMind évoque ouvertement une « accélération vers l’AGI physique ». Si la formule relève souvent de la posture marketing dans le secteur, elle repose ici sur des éléments mesurables : un score de 87 % sur un banc de référence spatial, des tests réussis sur du matériel physique, l’apprentissage autonome d’actions par simulation et la fermeture complète de la boucle Sim-to-Real.

Argon n’est pas un outil commercial disponible en téléchargement aujourd’hui. Il s’agit d’une annonce axée sur la recherche et l’ingénierie, qui trace la feuille de route de la gamme Gemini dans les technologies matérielles. Pour les équipes et entreprises développant des robots mobiles, de la logistique d’entrepôt ou de la chirurgie assistée, le message est limpide : le raisonnement spatial des modèles atteint désormais le niveau requis pour des cas d’usage pratiques sans supervision humaine permanente.

Et ce n’est là que la première démonstration publique des capacités d’Argon.

// lire la suiteLe filigrane de texte IA SynthID-Text peut affaiblir les garde-fous de sécurité des modèlesActualitésDigit 5 : le robot humanoïde d’Agility qui s’accroupit pour ne pas blesser ses collègues humainsActualitésMicrosoft publie un code de conduite pour ses modèles d’IA, avec des interdictions absolues sur les cyberattaques et les deepfakesActualités

Kinetyra