Tout le monde parle d’IA physique. OpenAI rêve d’un modèle qui commanderait tes robots, Google imagine Gemini pilotant des usines, et Nvidia vend les puces pour faire tourner tout ce cirque. Mais dans l’ombre, un mastodonte industriel japonais, Hitachi, se gratte la tête en disant : « Attendez, vous savez comment une turbine vraiment fonctionne ? ».
La réponse est non. Et c’est là que Hitachi pense avoir son ticket pour la course.
Tandis que les boîtes tech américaines s’extasient sur leurs modèles multimodaux qui comprennent des images et du texte, Hitachi, lui, a un siècle d’expérience dans le contrôle de trucs qui tournent, chauffent, vibrent et, parfois, cassent. Leur argument ? Tu peux avoir le meilleur algorithme du monde, si tu ne sais pas comment une pompe à chaleur réagit à une surcharge en milieu humide, tu vas droit dans le mur. Ou pire, tu fais sauter un circuit.
C’est le grand paradoxe de l’IA physique. Les pure players de l’IA sont hyper forts en logiciel, mais découvrent la physique des matériaux comme un gamin. Les industriels comme Hitachi, Siemens ou GE maîtrisent le hardware depuis des décennies, mais galèrent à intégrer la dernière hype algorithmique sans tout casser.
Hitachi essaie de jouer sur les deux tableaux. Plutôt que de partir de zéro avec un modèle générique bourré de données internet, ils entraînent leurs IA sur des décennies de données opérationnelles issues de leurs propres machines : vibrations de trains, températures de centrales, usure d’ascenseurs. Leur promesse ? Une IA qui ne fait pas que « comprendre » une instruction, mais qui anticipe la panne avant qu’elle n’arrive, parce qu’elle a vu le même schéma de défaillance 10 000 fois depuis 1978.
Est-ce que ça suffira ? La bataille est loin d’être gagnée. OpenAI et Google ont des budgets de R&D qui feraient pâlir le PIB de certains pays, et une agilité que les conglomérats japonais peuvent à peine imaginer. Nvidia, avec sa plateforme Omniverse, veut être le système d’exploitation de tout ce bazar, réduisant potentiellement l’expertise spécifique de Hitachi à un simple plugin.
Mais il y a un vrai risque que les géants de la tech sous-estiment la complexité du monde physique. Coder un chatbot qui parle comme un humain, c’est une chose. Faire en sorte qu’un bras robotisé ne broie pas un opérateur parce qu’un capteur a bugué à cause de l’humidité, c’est une autre paire de manches. Et dans ce domaine, l’expérience se compte en décennies, pas en trimestres.
Hitachi parie que son savoir-faire industriel, lent, lourd, mais terriblement concret, sera son bouclier contre la disruption logicielle. C’est un pari risqué, mais au moins, il est basé sur quelque chose de solide : la réalité. Pas sur un benchmark marketing ou une promesse de levée de fonds.
La vraie question, c’est de savoir qui, des deux camps, apprendra le plus vite. Les codeurs de Silicon Valley vont-ils se mettre à la mécanique des fluides ? Ou les ingénieurs de Hitachi vont-ils maîtriser le finetuning de transformers sans tout faire péter ?
Dans la course à l’IA physique, celui qui gagnera ne sera pas celui qui a le plus gros modèle, mais celui qui évitera le plus gros crash.
Sources :
Comments are closed