Les robots ne sont plus une idée future. OpenAI s’organise déjà pour les rendre fonctionnels.
OpenAI a discrètement réactivé sa division robotique à San Francisco avec une centaine d’opérateurs. Ces équipes collectent des données 24h/24 afin d’entraîner des bras robotisés à effectuer des tâches domestiques. L’objectif est clair : créer des robots humanoïdes simples, efficaces, basés sur l’apprentissage par imitation. Cette stratégie contraste fortement avec celle d’autres géants de l’IA comme Tesla ou Figure.
Un laboratoire en pleine croissance
Depuis février 2025, OpenAI exploite un laboratoire discret dédié à la robotique dans ses bureaux de San Francisco. En quelques mois, l’équipe a quadruplé et travaille à former des robots à des gestes ménagers. Les bras Franka de l’entreprise ont appris à placer un canard dans une tasse. Désormais, ces systèmes manipulent des objets complexes comme plier le linge ou griller une tranche de pain.
OpenAI utilise deux bras robotisés Franka contrôlés par des manettes imprimées en 3D, appelées GELLO. Ces dispositifs low-cost pilotent les bras en temps réel, avec une logique d’imitation directe. D’ailleurs, la configuration actuelle s’appuie largement sur l’expertise humaine pour créer des données d’entraînement fiables et réutilisables. Chaque opérateur est filmé en même temps que le robot pour évaluer les performances d’apprentissage.
Une approche modeste mais structurée
Une collecte de données massive et continue
Trois équipes tournent jour et nuit pour alimenter les bases de données robotiques d’OpenAI. Les postes de travail sont équipés de caméras filmant simultanément l’opérateur et le robot. Le volume de données est un enjeu majeur, car l’IA repose sur une répétition massive de gestes humains. Les opérateurs sont évalués en fonction du nombre d’heures de données utiles générées.
OpenAI a doublé ses objectifs de productivité ces derniers mois, selon des sources internes. En parallèle, un second laboratoire est en construction à Richmond, en Californie. Ce nouveau site servira à étendre la capacité de collecte et permettra l’expérimentation de modèles robotiques plus diversifiés. L’enjeu est d’explorer des scénarios plus complexes tout en gardant un coût d’échelle maîtrisé.
Une méthode à contre-courant
OpenAI versus Tesla : deux visions robotiques
Contrairement à Tesla ou Figure, OpenAI n’utilise pas de combinaisons de capture de mouvement ou de casques VR. Ces concurrents misent sur des démonstrations spectaculaires avec des humanoïdes grandeur nature en cours de test. OpenAI privilégie un modèle simple, modulaire, axé sur l’imitation directe et la flexibilité des mouvements.
Cette stratégie s’inspire d’un projet mené par l’Université de Californie à Berkeley en 2023. Ce programme utilisait des bras robotisés téléopérés dans une configuration économique, mais efficace. D’ailleurs, l’un des chercheurs de Berkeley a rejoint OpenAI pour piloter le projet « Construire le cerveau du robot ». Ce lien universitaire souligne la volonté d’OpenAI de créer une IA robotique stable et reproductible.
Objectif : construire une base IA physique
Le robot humanoïde complet d’OpenAI n’existe pas encore, malgré les prototypes visibles dans le laboratoire. Pour l’instant, ces machines restent inactives, les efforts se concentrant sur des bras fonctionnels simples. Selon plusieurs experts, cette approche modulaire offre un meilleur rendement dans l’apprentissage de gestes utiles au quotidien.
Alan Fern, professeur en IA à l’Université d’Oregon, affirme que GELLO permet une meilleure association mouvement-réaction. Chaque bras robotisé apprend ainsi à traduire un geste humain en action mécanique, sans intermédiaire. Cela pourrait rendre les robots plus adaptables, même dans des situations domestiques complexes et variées.
Une course mondiale à la donnée robotique
OpenAI, comme d’autres acteurs, sait que tout repose sur le volume et la qualité des données collectées. Jonathan Aitken, expert en robotique à l’Université de Sheffield, résume le défi : “L’algorithme est prêt, il manque les données.” Ainsi, l’efficacité des futurs robots dépendra directement de cette phase actuelle d’apprentissage.
Le recours massif à des travailleurs contractuels montre qu’OpenAI applique une logique déjà utilisée pour l’entraînement de ChatGPT. Les données sont ensuite intégrées à des simulateurs robotiques avant d’être testées sur des modèles réels. Cette méthode permet d’optimiser le transfert de connaissances et d’évaluer rapidement les gestes qui peuvent être standardisés.
- Partager l'article :
Restez à la pointe de l'information avec
INTELLIGENCE-ARTIFICIELLE.COM !
