Les robots chinois manquent de « cerveau » et de données : le principal défi de l'embodied AI à la WAIC 2026

Lors de la Conférence mondiale sur l'intelligence artificielle (WAIC), close le 20 juillet 2026 à Shanghai, les fabricants chinois de robots ont désigné le principal obstacle de l'embodied AI : le manque de données et l'absence d'un « cerveau » solide, c'est-à-dire d'un modèle de base capable d'interagir avec le monde physique.

Ce qui manque aux robots chinois

Les robots chinois manquent de deux choses à la fois : des données de qualité sur le monde physique et un modèle de base solide, qui relie la perception à l'action. Des représentants du secteur l'ont répété à la WAIC et, selon le South China Morning Post, c'est précisément ce double déficit qui freine le passage de l'embodied AI des démonstrations aux produits réels.

Contrairement aux modèles de langage, qui apprennent à partir de textes issus d'internet, les robots ont besoin de données sur le mouvement, la saisie d'objets et la réaction à un environnement imprévisible. Ces données doivent être collectées à la main, ce qui est coûteux et lent. Sans un grand volume de telles données, le « cerveau » du robot n'apprend pas à agir avec assurance hors du laboratoire.

• Événement — la conférence WAIC, close le 20 juillet 2026 à Shanghai
• Qui s'exprime — Wang Xiaogang, cofondateur de SenseTime et président de sa branche robotique
• Obstacle 1 — le manque de données sur l'interaction avec le monde physique
• Obstacle 2 — l'absence d'un « cerveau » solide, d'un modèle de base unifié
• Objectif — relier matériel, données, modèles et scénarios dans une boucle fermée

Qu'est-ce que la « boucle fermée » ?

Les participants de la WAIC ont qualifié de défi le plus critique pour l'embodied AI la construction d'un système itératif fermé, dans lequel le matériel, les données, les modèles et les scénarios réels se renforcent mutuellement. Le principe : le robot collecte des données en fonctionnant, ces données améliorent le modèle, le modèle amélioré rend le robot plus efficace, et le cycle recommence.

«

Relier matériel, données, modèles et scénarios réels au sein d'un système itératif fermé », Wang Xiaogang, cofondateur de SenseTime et président de sa branche robotique, à propos de la tâche principale du secteur.

Pour l'instant, cette boucle est rompue : la plupart des entreprises chinoises disposent de plateformes matérielles, mais n'ont ni un flux suffisant de données issues de l'exploitation, ni un modèle capable de les digérer pleinement. Tant que les maillons ne sont pas connectés, chaque prototype reste une démonstration isolée et non un produit capable de passer à l'échelle.

Pourquoi les données constituent-elles le goulot d'étranglement ?

Les données sont le principal goulot d'étranglement pour les robots, car on ne peut pas simplement les télécharger sur le web, comme des textes ou des images. Chaque action dans le monde physique — un pas, un virage, la saisie d'une tasse — doit être enregistrée via les capteurs d'un appareil réel ou via une simulation coûteuse, et les volumes obtenus n'ont rien de comparable avec les milliers de milliards de tokens sur lesquels s'entraînent les modèles de langage.

C'est pourquoi les participants de la WAIC ont insisté sur le couple « données + cerveau » : un modèle puissant sans données n'apprendra pas à agir, et une masse de données sans modèle de base unifié ne se transformera pas en comportement cohérent. Selon des sources proches de la conférence, le secteur cherche encore comment industrialiser la collecte de données de façon à ce qu'elle rembourse le coût du matériel.

Ce que cela signifie

La robotique chinoise ne bute pas sur le matériel, mais sur l'intelligence et les données : le pays est déjà solide côté hardware, mais sans « cerveau » ni flux de données réelles, les robots ne sortent pas du mode démo. Boucler le cycle « matériel — données — modèle — scénario » devient la course centrale de l'embodied AI pour les années à venir.