Deux bras robotiques, un feutre, un capuchon à retirer. Sur ce geste qu’un enfant réussit sans y penser, un modèle de la famille GPT-6 vient de faire mieux qu’un modèle construit pour l’action robotique.
Le score reste modeste. L’ordre d’arrivée, lui, pose une question gênante aux fabricants de robots : faut-il encore entraîner son propre cerveau quand un modèle généraliste manipule mieux les objets ?
Un bureau, cinq gestes et deux cents essais
Le banc d’essai s’appelle StationeryBench. Il oppose GPT-6 Astra, d’OpenAI, à MolmoAct2, le modèle d’action robotique de l’Allen Institute for AI (Ai2), sur cinq tâches d’objets de bureau : déboucher un marqueur, verser des trombones dans un bol, faire passer une règle d’un bras à l’autre. Les deux modèles commandent le même matériel, des robots YAM à double bras, sur 200 essais au total.
Astra mène 7 essais sur 100 jusqu’au bout. MolmoAct2 n’en termine aucun. Sur le score de progression, qui mesure jusqu’où le robot avance dans la tâche même quand il échoue, la médiane d’Astra atteint 46 sur 100, contre 12 pour son concurrent. Résultats, vidéos et code sont publiés sur le dépôt GitHub du benchmark, ce qui permet à n’importe quelle équipe de rejouer les essais.
Yoav Artzi, chercheur à Cornell et chez Google DeepMind, parle d’un « step change », un changement de palier, en raisonnement spatial. Sur REMAP, un autre benchmark encore non publié, il indique qu’Astra approche la précision humaine, tout en précisant que le modèle reste en deçà de l’humain dans d’autres scénarios.
Échouer à mi-parcours plutôt qu’au premier geste
Un robot qui échoue 93 fois sur 100 ne remplacera personne dans un atelier cette année. StationeryBench ne démontre aucune maturité industrielle.
L’intérêt se loge dans l’écart de progression. Passer d’une médiane de 12 à 46, sur le même bras et les mêmes objets, signifie que le modèle généraliste comprend mieux où se trouvent les choses, comment elles s’orientent et dans quel ordre les manipuler. Les échecs d’Astra arrivent tard dans la tâche ; ceux de MolmoAct2 arrivent tôt. Or un modèle qui bute au dernier tiers du geste est bien plus près de la réussite qu’un modèle qui rate la prise initiale.
Les limites sont nettes. Cinq tâches, un seul modèle de robot, un environnement de bureau très contrôlé : la généralisation à un entrepôt ou une cuisine n’est pas démontrée. REMAP, lui, ne peut pas encore être vérifié de l’extérieur. Nous tenons un signal, que d’autres bancs d’essai devront confirmer.
Des scènes Blender plutôt que des heures de robot ?
Yoav Artzi avance une hypothèse sur l’origine du gain : OpenAI aurait entraîné Astra sur de grandes quantités de données 3D, du type scènes Blender (le logiciel libre de modélisation 3D). La nette avance d’Astra sur les tâches qui demandent de se repérer en trois dimensions va dans ce sens. OpenAI n’a rien confirmé à ce stade.
Si l’hypothèse se vérifie, elle change l’économie du secteur. Les modèles robotiques spécialisés dépendent de démonstrations collectées sur de vrais robots, lentes et coûteuses à produire. Un laboratoire généraliste qui apprend la géométrie du monde à partir de scènes synthétiques, générables à l’infini, contourne ce goulot. Le raisonnement spatial devient alors une capacité du modèle de fondation (le grand modèle généraliste sur lequel on bâtit ensuite des usages), au même titre que le code ou la traduction. Google DeepMind avance dans la même direction : fin juillet, son modèle Gemini Robotics ER 2, qui prend en charge le raisonnement spatial et la planification des tâches d’un robot, a été ouvert aux développeurs via l’API Gemini.
Les ambitions d’OpenAI éclairent aussi la démarche : l’entreprise affiche des projets à long terme de robots grand public. Un modèle qui manipule déjà des objets sur le bras d’un autre constructeur en fournit la première brique logicielle.
Les stacks robotiques dédiées ont deux ans devant elles
Une stack robotique classique empile perception, planification et contrôle moteur, chaque couche souvent entraînée ou programmée à part. StationeryBench suggère que la couche du milieu, celle qui décide quoi faire de l’objet vu, bascule vers les grands modèles généralistes. Notre lecture, datée : d’ici fin 2028, la plupart des nouveaux produits robotiques confieront cette planification à un modèle de fondation disponible sur le marché, et les acteurs spécialisés se replieront sur le contrôle bas niveau, la sécurité et l’intégration matérielle.
Trois conditions devront être réunies pour que ce scénario tienne :
- un taux de réussite complète qui franchit la barre des 50 % sur des benchmarks ouverts comparables, et pas seulement sur le score de progression ;
- une latence d’inférence (le délai entre l’observation et l’ordre envoyé au bras) compatible avec une boucle de commande, ce que StationeryBench ne documente pas ;
- un coût par tâche inférieur à celui d’un modèle embarqué spécialisé, faute de quoi l’industrie gardera ses modèles maison.
Le scénario inverse existe. Si les gains d’Astra viennent surtout de données 3D que d’autres peuvent produire, Ai2 et les laboratoires robotiques intégreront les mêmes corpus synthétiques dans la prochaine génération de MolmoAct, et l’écart se refermera en quelques mois.
Pour une équipe qui développe aujourd’hui un produit robotique, deux précautions s’imposent déjà : isoler la brique de planification derrière une interface qui permet de changer de modèle sans refaire le reste, et mesurer la progression partielle, pas seulement la réussite binaire. Le code de StationeryBench étant public, rejouer ses cinq tâches sur vos propres candidats coûte peu et vous donne une base de comparaison chiffrée.
Un marqueur débouché à chaque essai
Le prochain cap se jouera sur le même bureau : un modèle généraliste qui enchaîne les cinq tâches de StationeryBench avec une majorité de réussites complètes, sur un matériel qu’il n’a jamais vu. Au rythme où progresse la famille GPT-6, ce seuil pourrait tomber avant fin 2027. Si c’est OpenAI qui l’atteint plutôt qu’un laboratoire robotique, les robots grand public qu’annonce l’entreprise auront déjà leur cerveau, et les spécialistes devront apprendre à vendre autre chose.
