Gemini Robotics 2 et l’extension physique des modèles généraux

Le fait — Google DeepMind a annoncé le 30 juillet 2026 Gemini Robotics 2 sur son blog officiel. L’entreprise le décrit comme une couche d’intelligence pour robots adaptables. Le système comprend un modèle vision-langage-action pour produire des commandes motrices. DeepMind affirme qu’il peut contrôler des humanoïdes complets, des pieds aux doigts. Le billet mentionne aussi des progrès en dextérité à deux mains et avec pinces. Un second modèle, Gemini Robotics ER 2, est présenté comme agent de raisonnement incarné. Il doit permettre la communication avec les humains, la compréhension du monde physique et la planification de tâches de plusieurs minutes. DeepMind ajoute une capacité de collaboration entre plusieurs robots. Un troisième modèle, On-Device 2, serait optimisé pour fonctionner localement sur les robots. DeepMind affirme aussi une adaptation à de nouveaux corps robotiques avec quelques heures de données. Le billet introduit enfin ASIMOV-Agentic, un benchmark orienté sécurité agentique et gestion de l’incertitude. DeepMind écrit que cette étape s’inscrit sur la voie de l’AGI dans le monde physique.

Le contexte — Ce billet vient d’un laboratoire frontier qui lie explicitement robotique et trajectoire AGI. Ce lien compte car beaucoup de débats récents portaient surtout sur logiciels, agents et cybercapacités. Ici, DeepMind avance l’idée qu’un système plus général doit aussi agir dans des environnements physiques ouverts. Le point notable n’est pas seulement la robotique. C’est l’assemblage d’un modèle multimodal, d’une planification multi-étapes, d’un contrôle du corps entier et d’un benchmark de sécurité associé. L’analyse — Cet article est pertinent malgré son ton institutionnel, car il documente une architecture présentée comme étape vers l’AGI. Il suggère que certains laboratoires ne voient plus l’AGI comme un problème purement conversationnel. Ils la traitent aussi comme un problème d’action située, de mémoire, de planification et de robustesse motrice. Cela ne prouve pas une généralité de niveau humain. Le billet ne donne pas ici de résultats comparatifs détaillés contre des références externes. Il montre toutefois où DeepMind place la prochaine frontière de capacité. Il tente aussi de cadrer la sécurité autour de séquences d’action complètes plutôt que sorties isolées. La question reste ouverte sur la transférabilité réelle, l’autonomie hors démonstration et la mesure de sûreté en conditions non contrôlées.