L’open source en robotique : entre rêve de démocratisation et réalité des fractures technologiques

En avril 2026, Menlo Research a ouvert les vannes de l’open source robotique avec Asimov 1, un humanoïde de 1,2 mètre et 35 kilos, livré en kit à partir de 15 000 dollars. Le projet mise sur une architecture modulaire, des plans CAO publics et une simulation MuJoCo incluse pour permettre à des chercheurs, des ingénieurs ou même des passionnés de construire, réparer et améliorer leur propre robot. L’idée n’est pas de vendre un produit fini, mais de créer un écosystème où chaque pièce, du moteur à l’algorithme de locomotion, peut être modifiée, partagée et réutilisée. Comme l’explique le porte-parole de Menlo, l’objectif est moins de commercialiser un robot que de « créer les conditions pour qu’une génération entière puisse construire avec eux ».

Pourtant, Asimov 1 n’est pas un jouet. Son assemblage nécessite des compétences en mécanique, en électronique et en robotique, et son utilisation en toute sécurité impose un environnement contrôlé. Menlo le compare d’ailleurs à un véhicule : il faut prévoir un support stable pour les tests, un arrêt d’urgence à portée de main, et une expérience suffisante pour éviter les erreurs coûteuses. Le kit « Here Be Dragons Edition » arrive non assemblé, avec des instructions détaillées et un accès à une communauté Discord pour les builders bloqués. Une version « Digital Asimov » permet même de tester des politiques de contrôle en simulation avant d’investir dans le matériel.

Un bras robotique à 1 200 euros : la robotique légère entre dans les labos et les ateliers

Pendant que Menlo mise sur l’humanoïde, Unitree frappe fort sur un autre segment avec son bras robotique R1, vendu à partir de 1 200 euros. Ce bras à sept axes, conçu pour être modulaire et ouvert, s’adresse aux laboratoires, aux makers et aux petites entreprises. Contrairement aux bras industriels traditionnels, qui coûtent plusieurs dizaines de milliers d’euros, le R1 mise sur un prix accessible, une documentation technique ouverte et une compatibilité avec les plateformes de simulation courantes. Unitree a déjà expédié plus de 5 500 robots humanoïdes en 2025, et le R1 s’inscrit dans une stratégie de volume qui rappelle celle des constructeurs chinois de véhicules électriques : casser les prix pour saturer le marché avant que les concurrents occidentaux ne réagissent.

Le R1 n’est pas un produit grand public. Son autonomie d’une heure, l’absence de mains préhensiles sur le modèle standard et la nécessité de développer ses propres algorithmes en font un objet de développement plutôt qu’un outil clé en main. Mais pour les chercheurs ou les startups, c’est une plateforme matérielle brute à un prix qui ne nécessite pas un budget de recherche. Unitree propose même une version Edu dotée d’une puce NVIDIA Jetson Orin pour les établissements qui veulent expérimenter sérieusement.

EgoSuite-Open100K : le Graal des données robotiques, enfin accessible ?

L’accès au matériel est une chose, mais sans données de qualité, les robots restent des coquilles vides. LightwheelAI a tenté de combler ce fossé avec EgoSuite-Open100K, un dataset de 100 000 heures de vidéos egocentriques annotées, conçu pour entraîner les robots à manipuler des objets avec la précision d’un humain. Contrairement aux datasets génériques disponibles sur le web, EgoSuite-Open100K se concentre sur des gestes humains réalistes, capturés dans des environnements variés et annotés en 3D et sémantique. L’idée est de fournir une base de données suffisamment riche pour entraîner des modèles de fondation robotique, ces architectures capables de généraliser à de nouvelles tâches sans réapprentissage complet.

Les enjeux sont doubles. D’abord, réduire la dépendance aux données coûteuses et souvent propriétaires, comme celles collectées par des robots téléopérés dans des environnements contrôlés. Ensuite, permettre à des équipes sans accès à des infrastructures de pointe de développer des modèles compétitifs. Lightwheel mise sur une licence open source pour encourager l’adoption, mais la qualité des annotations et la diversité des scénarios restent des défis majeurs. Comme le souligne un chercheur cité par sciencepost.fr, « sans des données propres et bien annotées, même le meilleur modèle ne servira à rien ».

Flex-π : quand un seul modèle gère vision, 3D et action

Au-delà du matériel et des données, l’open source robotique progresse aussi sur le front des algorithmes. Flex-π, développé par l’Université de Washington et l’Allen Institute for AI, est un modèle de 6 milliards de paramètres qui fusionne RGB, géométrie 3D et sémantique d’objets dans un espace latent partagé. Son architecture, basée sur un VAE pré-entraîné pour la génération vidéo et un backbone Mixture-of-Transformers, permet à un robot de s’adapter dynamiquement à ses ressources de calcul. Contrairement aux modèles spécialisés qui traitent séparément la vision, la géométrie et l’action, Flex-π intègre ces modalités dans un seul système, réduisant ainsi la complexité et les coûts de calcul.

Les gains sont significatifs : selon les tests publiés, Flex-π améliore les performances de 2x à 6x sur des tâches de manipulation bimanuelle, tout en restant flexible sur le matériel. Pour les équipes avec des ressources limitées, c’est une avancée majeure. Mais comme souvent avec les modèles open source, la barrière à l’entrée reste élevée : entraîner un tel modèle nécessite des GPU haut de gamme et une expertise en apprentissage profond. Flex-π est disponible sur GitHub, mais son utilisation efficace demande des compétences que peu d’équipes possèdent.

Démocratisation ou nouvelle fracture ?

L’open source en robotique porte en lui un paradoxe : il promet de démocratiser l’accès à des technologies autrefois réservées aux laboratoires ou aux géants industriels, mais il risque aussi de creuser de nouvelles inégalités. D’un côté, des kits comme Asimov 1 ou des bras comme le R1 rendent la robotique avancée accessible à des budgets modestes. De l’autre, la complexité technique, le manque de standardisation et la nécessité de compétences pointues limitent l’adoption à une niche de passionnés ou de professionnels.

Prenons l’exemple d’Asimov 1. Son prix de 15 000 dollars est une fraction du coût d’un humanoïde propriétaire, mais il faut ajouter le temps d’assemblage, les outils spécialisés et les compétences pour le faire fonctionner. Unitree, de son côté, vend des robots prêts à l’emploi, mais leur utilisation efficace nécessite souvent de développer ses propres algorithmes, ce qui n’est pas à la portée de tous. Quant aux datasets comme EgoSuite-Open100K ou aux modèles comme Flex-π, leur valeur dépend entièrement de la capacité des utilisateurs à les exploiter correctement.

La vraie question n’est donc pas tant de savoir si l’open source robotique est une bonne idée, mais qui en bénéficiera vraiment. Les communautés de makers et les laboratoires universitaires y trouveront un terrain de jeu idéal pour innover. Les startups pourront prototyper rapidement sans investir des millions. Mais pour les PME ou les particuliers, l’accès reste limité par des barrières techniques et économiques. Comme le note robottesters.com, « l’Asimov 1 n’est pas un concurrent du Unitree G1 en termes de rapport capacité/prix. Ce que vous achetez, c’est un accès total : le droit de voir, modifier et réimprimer chaque pièce d’un humanoïde qui marche. Pour une équipe universitaire ou un ingénieur sérieux, c’est un produit radicalement différent. Pour les autres, c’est un projet ambitieux, mais pas une solution clé en main ».

Vers une robotique open source… mais pas pour tous

L’open source en robotique est en train de redéfinir les règles du jeu. Il accélère l’innovation, réduit les coûts de R&D et permet à des acteurs marginaux de contribuer à des avancées majeures. Mais il ne suffit pas de libérer des plans ou des datasets pour démocratiser la technologie. Comme le montre l’exemple d’Asimov 1, la modularité et l’ouverture ne suffisent pas : il faut aussi des outils, des communautés et des formations pour que les utilisateurs puissent en tirer parti.

Les fractures technologiques ne disparaissent pas avec l’open source. Elles se déplacent. Les équipes avec des ressources et des compétences pourront exploiter pleinement ces outils, tandis que les autres resteront dépendantes de solutions propriétaires, plus chères mais plus accessibles. Dans ce contexte, l’enjeu n’est pas seulement technique, mais aussi social : comment former une nouvelle génération de roboticiens capables de tirer parti de ces ressources ? Comment standardiser les interfaces et les formats pour faciliter l’interopérabilité ? Comment financer la maintenance et l’évolution de ces projets une fois la phase initiale de buzz passée ?

Une chose est sûre : l’open source robotique est là pour durer. Mais son succès dépendra moins de la qualité de ses outils que de la capacité de la communauté à les rendre accessibles au plus grand nombre.