Google DeepMind a présenté Gemini Robotics 2 jeudi : trois modèles qui, pour la première fois, contrôlent un humanoïde complet — jambes, torse, bras et mains à plusieurs doigts — sous une seule politique, plutôt qu’une pile assemblée de locomotion et de manipulation. L’entreprise a aussi publié un tableau de résultats qui contredit ses propres titres.

Ce que dit le tableau

Sur l’Apollo d’Apptronik avec les mains Inspire : prendre un objet sur une étagère 76,3%, sur une table 68,4%, au sol 45,7%. Avec les mains Sharpa : dévisser une ampoule 92%, nouer un sac poubelle 44%, fermer un sachet zip 40%, visser une ampoule 36%, balayer une pelle à poussière 32%. Sur la configuration à deux bras avec pinces Franka Duo, les chiffres sont nettement plus élevés — insertion précise 89,6%, préparation d’outils 78,9%.

Le chiffre qui a circulé était la meilleure case du tableau

Presque tous les articles ont mis en avant l’ampoule à 92%. L’opération inverse — la remettre en place — est à 36%. Présenté comme une percée en dextérité, ce tableau décrit un système qui échoue sur environ deux tiers des tâches de motricité fine. Le fait que DeepMind publie ces chiffres mérite d’être salué ; ne retenir que la valeur la plus flatteuse, non.

« Disponible » fait beaucoup de travail

Trois modèles ont été lancés, et ils ne sont pas tous disponibles de la même manière. ER 2, le modèle de raisonnement incarné, est en avant-première publique via Gemini API et AI Studio — et il ne fait pas bouger un robot. Le modèle VLA, qui génère les commandes motrices, est réservé aux partenaires en accès anticipé. On-Device 2 est limité aux Trusted Testers. Personne en dehors de la liste de partenaires de Google ne peut exécuter l’outil qui a produit ces résultats.

Autonome, mais de manière étroite

Google affirme que les images sont en temps réel et entièrement autonomes, en contraste marqué avec les démonstrations d’humanoïdes téléopérés qui dominent cette catégorie — et cette affirmation tient. Mais les robots ont été entraînés tâche par tâche, à partir de téléopération humaine, de vidéos et de simulation, et DeepMind reconnaît que le système est « limité dans sa capacité à généraliser à des tâches hors distribution ». Il s’agit d’une exécution autonome de tâches spécifiquement entraînées, pas d’une capacité générale. Une autre correction mérite d’être faite : le partenariat avec Boston Dynamics rattaché à cette actualité a été annoncé au CES le 5 janvier 2026. Le matériel de démonstration ici est celui d’Apptronik.