Un robot humanoïde de 1,60 mètre pour 50 kilos se tient debout dans un laboratoire parisien. Quelqu’un le pousse. Il vacille, corrige sa posture, retrouve son aplomb. C’est tout ce qu’il fait. Et c’est déjà considérable.

La start-up qui l’a construit s’appelle UMA, pour Universal Mechanical Assistant. Elle est sortie de l’ombre le 1er décembre 2025, et revendique neuf mois entre sa création et un prototype fonctionnel, conçu et assemblé à Paris. Ses équipes viennent tout juste de le baptiser Astro, en hommage au manga d’Osamu Tezuka — le petit robot à propulsion nucléaire qui, en 1952 déjà, posait la question de savoir ce qu’on doit à une machine qui nous ressemble.

Il y a un détail que les images montrent sans jamais le commenter : pendant les démonstrations, un câble de sécurité reste accroché au robot. Une chute pourrait l’endommager, ralentir son développement, et faire perdre à l’équipe un temps qu’elle n’a pas.

Ce câble n’est pas un aveu de faiblesse. C’est le résumé le plus honnête de l’état réel de la robotique humanoïde française en 2026 : une vraie prouesse technique, tenue au bout d’une corde, dans une course où le concurrent européen le mieux financé a levé trente-cinq fois plus, et où le chinois Unitree a raflé vingt-deux fois cette somme en une seule journée de Bourse, le 19 août 2026.

Ce qui s’est passé exactement, et les deux noms du même robot

Le 7 juillet 2026, au Machina Summit organisé à Station F à Paris, UMA a levé le voile sur son premier prototype et sur la méthode d’apprentissage qui va avec. La presse spécialisée a alors retenu un nom : Northstar. Les visuels officiels montrent une silhouette à l’échelle humaine, une visière neutre sans yeux ni bouche — un choix assumé pour qu’on ne confonde jamais la machine avec une personne — et un revêtement en textile technique interchangeable, plus proche du vêtement que de la carrosserie.

La mention qui accompagnait la présentation était sobre : « Prototype Version 0 — IA, logiciel, matériel. Une petite équipe, 9 mois. Conçu et assemblé à Paris. »

Un reportage télévisé diffusé en août 2026 apporte une précision qui n’apparaît, à ce jour, dans aucune fiche technique publiée par l’entreprise : ce premier prototype vient d’être baptisé Astro, et il mesure 1,60 m pour 50 kg. Nous signalons cette réserve parce qu’elle compte : ces cotes proviennent d’un commentaire journalistique, pas d’un document constructeur. Aucune spécification officielle d’UMA ne mentionne à ce jour de degrés de liberté, d’autonomie de batterie ou de charge utile.

C’est déjà, en soi, une information sur le secteur. Une start-up qui communique sur une vision plutôt que sur des chiffres est une start-up qui n’a pas encore de chiffres à défendre.

Pourquoi « tenir debout » est un exploit et une banalité à la fois

L’équilibre bipède est l’un des problèmes les plus anciens de la robotique. Honda y travaillait déjà dans les années 1980. Ce qui change ici, c’est la méthode.

« C’est grâce à l’intelligence artificielle que nous pouvons garder l’équilibre de ce robot », explique l’entreprise. « C’est un réseau de neurones artificiels qui est connecté aux capteurs du robot, notamment aux moteurs. Et on l’a entraîné à tenir le robot debout. »

La nuance est technique mais décisive. Dans l’approche classique, un ingénieur écrit les équations de la marche et du maintien postural : le robot suit un modèle physique programmé à la main. Dans l’approche apprise, personne n’écrit ces équations. Le contrôleur est un réseau de neurones qui a découvert par lui-même, à force d’essais, quelles commandes envoyer aux moteurs en fonction de ce que disent les capteurs. C’est plus robuste face à l’imprévu — un sol irrégulier, une poussée latérale — et beaucoup plus rapide à mettre au point.

C’est aussi devenu, en 2026, un point de passage obligé plutôt qu’un avantage concurrentiel. Les équipes chinoises, américaines et européennes savent toutes faire tenir un humanoïde debout et le faire marcher. Certaines lui font faire des saltos.

UMA a d’ailleurs la lucidité de ne pas jouer sur ce terrain. Personne, chez eux, ne cherche à faire du kung-fu ou un marathon. L’ambition affichée est plus terre à terre : construire un robot vraiment utile. Ce qui, dans un secteur où la vidéo virale tient lieu de preuve, est déjà un positionnement.

Nous avons documenté ailleurs à quel point cet écart entre la démonstration et l’usage réel structure tout le marché : dans notre grand angle sur ce que les robots humanoïdes font vraiment quand personne ne les pilote, un robot domestique vendu 20 000 dollars n’avait réalisé aucune tâche en autonomie lors d’un essai encadré par un journaliste.

Le vrai pari d’UMA n’est pas mécanique, il est pédagogique

« 70 % de ce qu’on fait, c’est l’IA », affirme l’entreprise. « C’est là où le progrès en ce moment est le plus important. Il va permettre de débloquer de nouvelles capacités chez ces robots. »

Le reste — 30 % — c’est le matériel. Cette répartition, qu’UMA revendique publiquement depuis juillet, dit tout de sa stratégie : l’entreprise se pense d’abord comme un laboratoire d’intelligence artificielle qui construit accessoirement des robots, et non comme un constructeur qui ajoute de l’IA.

Conséquence directe : « On développe une IA qui est généraliste, donc elle peut être appliquée à tout un tas de robots, pas juste des robots humanoïdes. Mais on co-designe aussi les robots pour les rendre encore plus adaptés. »

Traduction : le produit final n’est peut-être pas Astro. Le produit final, c’est le cerveau — et il est prévu pour tourner sur d’autres corps. C’est cohérent avec le premier jalon commercial annoncé, qui n’est pas un humanoïde du tout : un robot sur roues, doté de dextérité et de capacités d’apprentissage, visé pour la fin 2026.

Un robot sur roues n’a pas besoin de résoudre l’équilibre bipède. Il a besoin de manipuler des objets sans les casser. C’est un aveu utile sur ce qui est prêt et ce qui ne l’est pas.

« Real-Time Learning » : ce que ça veut dire, et ce que ça ne prouve pas encore

Voici le cœur du pari, dans les mots de l’entreprise :

« Avant même de monter en échelle en termes de données et de puissance de calcul, on a développé une méthode qui est radicalement efficace, une méthode d’apprentissage qu’on appelle real-time learning, qui est une spécificité des humains, qui permet aux robots d’apprendre très rapidement, en regardant tout un tas de gestes que l’humain peut faire. »

Il faut comprendre contre quoi cette phrase est dirigée. Depuis 2023, la robotique a importé la recette des grands modèles de langage : entasser des données, augmenter la puissance de calcul, laisser émerger la compétence. C’est la logique des modèles dits vision-langage-action — π0 de Physical Intelligence, Gemini Robotics chez Google, GR00T chez Nvidia.

Sauf qu’il y a un problème structurel, et il est bien identifié dans la littérature : il n’existe pas d’internet du geste. Le texte du web a permis d’entraîner les modèles de langage ; aucun équivalent n’existe pour les mouvements d’un bras qui saisit un carton mou. Chaque heure de données de manipulation doit être produite à la main, robot par robot, par téléopération. Le goulot d’étranglement de la robotique n’est pas le calcul, c’est la donnée.

Deux stratégies s’affrontent alors. Nvidia génère des trajectoires synthétiques avec un modèle du monde pour fabriquer artificiellement les données manquantes. UMA prend l’autre chemin : ne pas avoir besoin d’autant de données.

L’entreprise n’a publié aucun article scientifique décrivant sa méthode, et nous ne pouvons donc pas la vérifier. Mais elle n’arrive pas de nulle part. Rémi Cadène et Simon Alibert, deux des quatre cofondateurs, ont lancé et dirigé LeRobot, la bibliothèque open source de robotique de Hugging Face — passée de zéro à plus de 12 000 étoiles sur GitHub dès sa première année, et devenue la plateforme de référence de la robotique ouverte.

Or LeRobot intègre un algorithme précis : HIL-SERL, publié le 20 août 2025 par Jianlan Luo, Charles Xu, Jeffrey Wu et Sergey Levine (université de Californie à Berkeley) dans Science Robotics. Son principe : partir d’une poignée de démonstrations humaines, en tirer un classifieur de récompense, puis laisser le robot s’entraîner pour de vrai pendant qu’un opérateur intervient pour corriger les trajectoires dangereuses ou improductives.

Ses résultats mesurés, eux, sont publics : des politiques quasi optimales en 1 à 2,5 heures d’entraînement dans le monde réel, avec en moyenne un taux de succès multiplié par deux et une exécution 1,8 fois plus rapide que l’apprentissage par imitation classique — sur de la manipulation dynamique, de l’assemblage de précision et de la coordination à deux bras.

Nous n’affirmons pas qu’UMA utilise HIL-SERL. Nous constatons que la méthode décrite par l’entreprise — démonstration, pratique, correction sous supervision d’un opérateur, récompense — appartient exactement à cette famille, et que deux de ses fondateurs l’ont portée dans l’écosystème open source. C’est la meilleure indication publiquement disponible de ce que « Real-Time Learning » recouvre.

À cela s’ajoute une seconde brique revendiquée : un modèle du monde prédictif, chargé d’anticiper l’état futur de l’environnement et le comportement des personnes autour du robot. C’est présenté comme une fonction de sécurité — et c’est aussi, en l’état, la partie la moins démontrée.

40 millions contre 1,4 milliard : le rapport de force réel

C’est ici que le récit héroïque se heurte à l’arithmétique.

UMA a levé environ 40 millions de dollars en amorçage, sous la conduite du fonds Greycroft, avec Relentless, Unity Growth Fund, Red River West, Factorial, Drysdale, ALM Ventures et Kima Ventures — le fonds de Xavier Niel. Autour, un aréopage qui ressemble à un annuaire de l’IA européenne, en investisseurs individuels ou en conseillers : Yann LeCun, Thomas Wolf (Hugging Face), Matthieu Cord, Olivier Pomel (Datadog). Une trentaine de personnes, réparties entre le laboratoire IA parisien, une équipe « mains robotiques » à Genève et une équipe commerciale à Londres.

Maintenant, le paysage autour :

Acteur Pays Argent levé / valorisation Statut industriel
Figure AI États-Unis 39 milliards $ post-money (septembre 2025), série C de plus de 1 milliard $ Figure 03 déployé à l'usine BMW de Spartanburg ; le Figure 02 avait accompagné la production de plus de 30 000 BMW X3 en dix mois
1X Technologies Norvège / États-Unis 820 millions $ confirmés (série B) ; tour visant au moins 10 milliards $ non bouclé NEO annoncé à 20 000 $, aucune livraison client vérifiée à la mi-juillet 2026
Unitree Chine introduite en Bourse le 19 août 2026 : 904 millions $ levés, environ 50 milliards $ de capitalisation en clôture du premier jour 5 632 humanoïdes et 33 294 quadrupèdes livrés en 2025 ; 217,6 M€ de chiffre d'affaires, 35,6 M€ de bénéfice net
Apptronik États-Unis 935 millions $ en série A (extension de 520 M$ en février 2026), valorisée environ 5,3 milliards $ Apollo, logistique et industrie
Agility Robotics États-Unis introduction en Bourse par SPAC (Churchill Capital XI, accord du 24 juin 2026), 2,5 milliards $ Digit : plus de 65 000 heures d'exploitation sur neuf sites clients (GXO, Schaeffler, Toyota Canada, Mercado Libre)
Neura Robotics Allemagne jusqu'à 1,4 milliard $ levés le 10 juin 2026 4NE-1, objectif « plusieurs millions de robots d'ici 2030 »
UMA France environ 40 millions $ prototype sous harnais, programmes pilotes visés

Une note s’impose sur la nature de ces montants : les valorisations privées sont des chiffres annoncés lors de levées de fonds, pas des prix de marché. Une seule ligne de ce tableau a été validée par des investisseurs réels et publics — et elle est chinoise.

Le 19 août, la Bourse a donné son premier prix à un humanoïde

Le 19 août 2026, Unitree est devenue la première entreprise de robotique humanoïde purement cotée au monde. Le titre a été introduit sur le STAR Market de Shanghai à 150,80 yuans. Il a ouvert en hausse de 629 %, puis a clôturé à 845 yuans, soit +460 % dès la première séance. Capitalisation en fin de journée : environ 43,8 milliards d’euros, près de 50 milliards de dollars. L’opération a levé 904 millions de dollars pour environ 10 % du capital.

Deux chiffres méritent d’être posés côte à côte. Unitree a réalisé l’an dernier 217,6 millions d’euros de chiffre d’affaires — en quadruplant — pour 35,6 millions d’euros de bénéfice net, en livrant 5 632 humanoïdes et 33 294 robots quadrupèdes. Le marché l’a donc valorisée, en une séance, à environ deux cents fois son chiffre d’affaires annuel.

C’est le premier prix public jamais donné à la robotique humanoïde, et c’est aussi un avertissement. Les analystes cités au lendemain de l’introduction estimaient que la flambée du cours manquait de fondement rationnel et relevait de l’enthousiasme des investisseurs particuliers — l’opération avait été sursouscrite environ 8 000 fois. Les prévisions de marché, elles, restent largement dispersées : Barclays situe le marché entre 10 et 25 milliards de dollars en 2030, JPMorgan attend 1,75 million d’unités à la même échéance, et Morgan Stanley projette 5 000 milliards de dollars de revenus annuels en 2050. Quand l’écart entre les prévisions se compte en ordres de grandeur, c’est que personne ne sait.

C’est le décor dans lequel UMA lève 40 millions de dollars.

Neura, le vrai point de comparaison européen

Le cas Neura est le plus instructif, parce qu’il est européen. Le 10 juin 2026, l’allemand a bouclé la plus grosse levée jamais réalisée dans la robotique en Europe : jusqu’à 1,4 milliard de dollars, soit environ 1,2 milliard d’euros, avec Nvidia, Amazon, Qualcomm, Bosch, Schaeffler, Tether et la Banque européenne d’investissement au tour de table.

Autrement dit : la BEI a mis de l’argent dans un humanoïde allemand pendant que le champion français en levait trente-cinq fois moins.

Cela ne condamne pas UMA. Rémi Cadène affirme d’ailleurs ne pas être limité par son financement et ne pas être pressé. Et une petite équipe très bien placée sur la couche logicielle peut prendre de vitesse un industriel lourd — c’est même l’histoire de Mistral AI face aux géants américains, que nous avions examinée dans notre enquête sur qui traite réellement vos données quand une IA arrive dans votre banque ou chez votre médecin.

Mais cela fixe la nature du pari. UMA ne peut pas gagner en fabriquant plus de robots. Elle ne peut gagner qu’en ayant un cerveau meilleur — et vendable à d’autres corps.

Le robot humanoïde français qui travaille déjà n’est pas celui-là

C’est le point que la couverture médiatique d’UMA laisse systématiquement dans l’ombre.

Pendant qu’Astro tient debout au bout d’un câble dans un laboratoire, un autre humanoïde français est déjà sur une ligne de production. Il s’appelle Calvin-40, il est fabriqué par Wandercraft — l’entreprise française connue pour ses exosquelettes de rééducation — et il est testé depuis février 2026 à l’usine Renault de Douai, dans le Nord.

Ses caractéristiques, elles, sont publiques : environ 1,70 mètre, une charge utile de 40 kilos, et pas de tête — toute l’ingénierie est concentrée sur les bras, les jambes et la perception. Sur le site de Douai, il s’incline, plonge ses deux bras, récupère des pneus et les dépose sur un tapis roulant. Une dizaine de tâches sont à l’essai. Wandercraft affirme que le robot a doublé sa vitesse d’exécution en six mois grâce à l’entraînement de son IA — une performance annoncée par le constructeur, non vérifiée de façon indépendante.

Renault a investi 75 millions de dollars dans Wandercraft en juin 2025. Les deux partenaires visent une dizaine de robots d’ici fin 2026, puis 350 exemplaires d’ici fin 2027 dans les usines françaises et espagnoles du groupe, autour d’une dizaine de cas d’usage. Ce sont, là aussi, des intentions annoncées : aucun décompte indépendant des unités effectivement installées n’est publié.

Ce contraste mérite d’être posé calmement, parce qu’il dit quelque chose de précis sur la filière française :

  • Ce que la France sait faire aujourd’hui : des humanoïdes spécialisés, sur des tâches cadrées, adossés à un grand donneur d’ordres industriel qui finance et absorbe le risque.
  • Ce qu’elle ne sait pas encore faire : le robot polyvalent qui change de tâche sans reprogrammation — précisément ce que vise UMA.

Ce sont deux paris différents, à des horizons différents. Confondre les deux, c’est se raconter que la France est plus avancée qu’elle ne l’est — ou moins.

L’argument des 85 millions de travailleurs manquants ne dit pas ce qu’on lui fait dire

Toute la filière humanoïde, UMA comprise, s’appuie sur le même socle de justification : l’Europe manquerait massivement de bras, et les robots viendraient combler un vide, pas prendre une place.

Le chiffre cité est presque toujours le même : 85 millions de postes non pourvus en 2030, pour 8 500 milliards de dollars de revenus non réalisés.

Ce chiffre existe. Il vient d’une étude Korn Ferry intitulée The Global Talent Crunch. Mais quand on ouvre sa méthodologie, trois éléments changent la lecture :

  1. Elle date de 2018. Elle est donc antérieure à la pandémie, à la vague inflationniste, et à l’arrivée de l’IA générative — les trois événements qui ont le plus bousculé le marché du travail depuis.
  2. Son périmètre est étroit. Elle porte sur 20 économies et trois secteurs : finance et services aux entreprises, technologies-médias-télécommunications, industrie manufacturière. Elle ne mesure pas la manutention en entrepôt, qui est pourtant le premier marché visé par les humanoïdes.
  3. Elle parle de travailleurs qualifiés. La pénurie qu’elle modélise est une pénurie de compétences — ingénieurs, techniciens, cadres — pas de manutentionnaires.

Enfin, la modélisation a été conçue par Korn Ferry, un cabinet de recrutement, avec Man Bites Dog, une agence de communication, et exécutée par Oxford Analytica. Cela ne rend pas l’étude fausse. Cela signifie qu’elle a été produite dans un cadre promotionnel, et qu’elle n’a pas le statut d’une statistique publique.

Utiliser ce chiffre pour justifier le déploiement de robots dans les entrepôts revient à mobiliser une pénurie d’ingénieurs pour expliquer qu’on va automatiser des postes de préparation de commandes. Ce n’est pas la même population, ni le même métier.

C’est le même mécanisme que celui que nous avions démonté à propos de l’emploi : entre ce que les études annoncent et ce que les chiffres montrent, l’écart est systématiquement à l’avantage du récit. Nous l’avons détaillé dans ce que les études disent vraiment des métiers menacés par l’IA et dans notre analyse du retournement des licenciements « à cause de l’IA ».

On ne vous vendra pas le robot, on vous le louera

Le modèle économique annoncé par UMA est explicite : « Vous payez un abonnement mensuel pour accéder à une flotte de robots qui automatise une tâche. Vous n’achetez pas le robot. »

Ce choix n’est pas anodin, et il a trois conséquences concrètes.

Pour le client, il supprime la barrière du prix d’achat et transforme un investissement en charge d’exploitation. Une entreprise peut louer des robots pour absorber un pic de commandes, puis les rendre.

Pour UMA, il garantit un revenu récurrent — mais il transfère aussi tout le risque de fiabilité sur l’entreprise. Si le robot tombe en panne, ce n’est plus le problème du client : c’est une ligne de revenu qui s’arrête. C’est un modèle qui ne pardonne pas l’à-peu-près technique.

Pour la question du travail, c’est le point le plus important et le moins discuté. Un robot loué au mois se compare directement à un coût salarial mensuel. Il ne s’agit plus d’un investissement industriel amorti sur dix ans, mais d’un arbitrage budgétaire trimestriel. Cela rend la substitution beaucoup plus facile à décider — et beaucoup plus facile à annuler.

Là encore, le sujet juridique est déjà ouvert, et il ne se pose pas de la même façon partout : nous avons montré pourquoi les tribunaux chinois refusent qu’une entreprise licencie au motif qu’elle a adopté l’IA, alors que le droit français range les mutations technologiques parmi les motifs valables.

Combien coûte un robot humanoïde en 2026

Puisque la question revient sans cesse, voici les ordres de grandeur vérifiables, catégorie par catégorie :

Catégorie Modèle Prix indicatif
Plateforme chinoise d'entrée de gamme Unitree environ 16 000 $
Robot domestique annoncé 1X NEO environ 20 000 $, ou 499 $/mois
Robot de recherche Reachy 2 (Pollen Robotics / Hugging Face) environ 70 000 $
Humanoïde open source à bas coût Hope JR moins de 3 000 €
Kit de bureau open source Reachy Mini de 299 à 449 $
Humanoïde industriel loué modèle UMA annoncé non communiqué, abonnement mensuel

Un avertissement s’impose : ces prix sont des prix d’annonce ou des prix de plateforme de recherche. Ils n’incluent ni l’intégration sur site, ni la maintenance, ni la formation des équipes, ni la mise en conformité — qui, pour un usage industriel, pèsent souvent plus lourd que la machine elle-même.

Ce que la France a, et ce qui lui manque

Le décor chiffré est peu flatteur, et il est nécessaire pour juger le pari d’UMA.

Selon les données de la Fédération internationale de robotique, la France affiche une densité d’environ 195 robots industriels pour 10 000 salariés, ce qui la place autour du 18e rang mondial. L’Allemagne dépasse les 400. En 2024, la France est retombée au quatrième rang européen pour les installations annuelles, derrière l’Allemagne (près de 27 000 robots installés), l’Italie (environ 8 800) et l’Espagne (environ 5 100).

Côté financement public, le volet robotique de France 2030 a mobilisé environ 800 millions d’euros : la moitié pour des projets de sites industriels, l’autre moitié pour des laboratoires, des plateformes technologiques et des entreprises innovantes.

Le déséquilibre est donc double. La France a une recherche reconnue et des équipes capables de produire un prototype fonctionnel en neuf mois. Elle n’a ni la base installée qui permettrait d’absorber ces robots à grande échelle, ni le capital privé qui permet à un Neura de viser des millions d’unités.

C’est aussi pour cela que le positionnement « logiciel d’abord » d’UMA est rationnel plutôt que modeste : c’est la seule couche où un acteur français peut rivaliser sans usine géante. Un raisonnement voisin de celui que nous avions examiné à propos de la stratégie chinoise consistant à distribuer gratuitement ses meilleurs modèles pour occuper le terrain plutôt que le marché.

Les cinq questions auxquelles Astro ne répond pas encore

À ce stade, voici ce qui reste ouvert — et ce qu’il faudra surveiller pour savoir si la promesse tient.

1. L’autonomie réelle. Aucune démonstration publique ne montre le robot exécutant une tâche complète, sans opérateur, pendant une durée mesurée. L’entreprise évoque des vidéos d’IA effectuant des tâches industrielles « pendant des heures d’affilée », mais sans protocole de mesure publié. C’est exactement le point sur lequel les acteurs américains se sont fait rattraper par la réalité, la téléopération se cachant souvent derrière l’autonomie affichée — un mécanisme dont nous avions montré la version la plus littérale avec ces plateformes où l’IA, incapable d’agir physiquement, loue tout simplement des humains.

2. La sécurité normative. Le règlement machines (UE) 2023/1230 devient obligatoire le 20 janvier 2027. Tout humanoïde vendu ou loué pour travailler à proximité de salariés européens devra s’y conformer. C’est une contrainte lourde, et paradoxalement un avantage possible pour un acteur européen qui la conçoit dès le départ plutôt qu’après coup.

3. Le passage à l’échelle industrielle. Concevoir un prototype à Paris et produire des centaines d’unités fiables sont deux métiers différents. Aucun partenaire industriel de production n’a été annoncé.

4. La preuve du transfert. L’argument central d’UMA est qu’une IA généraliste s’appliquera à plusieurs types de robots. Cela reste à démontrer publiquement sur au moins deux plateformes différentes.

5. Les clients. Une cinquantaine de clients potentiels sont « en discussion ». Aucune commande ferme n’a été annoncée. Or une discussion commerciale n’est pas un bon de commande, et un prototype qui retrouve son équilibre sous les projecteurs n’est pas une flotte qui tourne en équipes successives.

Ce qu’il faut retenir

UMA est une vraie bonne nouvelle industrielle pour la France, et il faut le dire sans réserve : quatre fondateurs de très haut niveau, une méthode d’apprentissage cohérente avec l’état de l’art, un prototype fonctionnel en neuf mois, et un positionnement logiciel qui est le seul rationnel pour un acteur européen.

C’est aussi une entreprise de trente personnes, financée trente-cinq fois moins que son concurrent allemand, dont le premier produit commercial ne sera pas un humanoïde mais un robot sur roues, et dont le prototype vedette reste accroché à un câble.

Les deux phrases sont vraies en même temps. Le problème, dans ce secteur, n’est jamais que les prototypes soient décevants : c’est que le récit court systématiquement plus vite que les machines. Rémi Cadène le dit lui-même : le déploiement à grande échelle des humanoïdes prendra des années, comme en ont pris internet et le smartphone.

Pour situer ce calendrier dans l’ensemble du paysage, notre analyse de ce qui attend vraiment l’IA dans 1, 2 et 5 ans applique la même méthode : séparer ce qui est déjà mesuré de ce qui n’est encore que projeté. Et pour la robotique de service dans l’espace public, le cadre réglementaire français est déjà, lui, en train de se fixer : nous l’avons détaillé à propos des robots livreurs autonomes et de ce que la France a réellement autorisé.

Astro tient debout. C’est la partie facile. La partie difficile commence quand on enlève le câble, qu’on met le robot dans un entrepôt, et qu’on compte combien de bacs il déplace en huit heures sans que personne n’intervienne.

Le chiffre à retenir

40 millions de dollars contre 1,4 milliard. C’est l’écart entre l’amorçage d’UMA et la levée bouclée en juin 2026 par l’allemand Neura Robotics, avec Nvidia, Amazon, Qualcomm, Bosch et la Banque européenne d’investissement à son tour de table. La question posée à la France n’est pas de savoir si elle a les ingénieurs. Elle les a, et Astro le prouve. Elle est de savoir si elle accepte de les financer à la hauteur de la course dans laquelle ils sont engagés.