Un robot humanoïde qui fait le ménage chez vous : ce que Helix 2.5 change pour les métiers de demain

Automatisation physique, IA générative : où se situe votre métier ? Découvrez l’étude WorkmetriQ.

Sortir le robot humanoïde de son environnement d’entraînement

Dans une usine, tout est pensé pour faciliter le travail des machines : les objets ont une place fixe, les gestes se répètent à l’identique et l’espace reste globalement maîtrisé. Rien de tel dans un logement, où la disposition du mobilier, la taille des objets ou la largeur des passages changent d’une maison à l’autre. Un robot domestique ne peut donc pas se contenter de reproduire un mouvement appris par cœur : il doit se déplacer pour repérer un objet, ajuster sa position pour l’attraper, puis coordonner ses deux bras pour le manipuler correctement.

Perception, déplacement et manipulation doivent alors fonctionner ensemble plutôt que comme trois compétences séparées. Figure AI avait déjà exploré cette piste avec une précédente version de son système, capable notamment de vider un lave-vaisselle, mais qui s’appuyait encore sur des données collectées directement dans les lieux où le robot devait ensuite évoluer.

Trente maisons inconnues, trois tâches ménagères imposées

Pour évaluer sa nouvelle génération de modèle, Figure AI a choisi trois activités domestiques ordinaires mais exigeantes pour une machine : ranger un salon dispersé d’une quinzaine de jouets, plier des serviettes puis les déposer dans un panier, et refaire un lit en repositionnant les oreillers et en lissant la couette. Le robot a ensuite été déplacé dans une trentaine de logements différents de la région de San Francisco, sans qu’aucune donnée n’ait été récoltée au préalable dans ces maisons.

Les objets utilisés lors des tests ne figuraient pas non plus parmi ceux ayant servi à l’entraînement initial. Le protocole d’évaluation était strict : une tâche n’était considérée comme réussie que si elle était menée entièrement à son terme, sans tolérance pour les résultats partiels.

Un taux de réussite qui passe de 9 % à 56 % grâce au préentraînement

Pour comprendre l’origine de ce progrès, Figure AI a comparé deux versions de son modèle entraînées sur les mêmes données spécifiques aux trois tâches : l’une partant de zéro, l’autre bénéficiant d’un préentraînement réalisé à partir d’Index, une vaste base de données de comportements humains filmés. Résultat : le modèle sans préentraînement ne réussissait que 9 % des essais dans des environnements inconnus, contre 56 % pour celui ayant bénéficié d’Index.

L’entreprise reprend ainsi une logique déjà éprouvée dans le développement des grands modèles de langage : apprendre d’abord à partir d’un volume massif de données générales, avant de spécialiser le système sur des tâches précises. Autre progrès mis en avant : la quantité de données propres à chaque tâche nécessaire pour obtenir un niveau de performance comparable à l’ancienne version aurait été divisée par deux.

Des progrès réels, mais un robot loin d’être infaillible

Un taux de réussite de 56 % signifie aussi, mécaniquement, que le robot échoue encore dans près d’un cas sur deux. Figure AI le reconnaît d’ailleurs volontiers : cette démonstration ne signifie pas que la robotique humanoïde généraliste est un problème résolu.

L’entreprise met toutefois en avant une capacité d’auto-correction plus développée que par le passé, avec un robot capable de reculer, de changer d’appui ou de contourner un obstacle pour rattraper une action mal exécutée, plutôt que de se retrouver totalement bloqué. Une qualité indispensable dans un environnement domestique, où rien ne garantit que les objets soient parfaitement positionnés ou le chemin toujours dégagé.

Vers une loi de mise à l’échelle du transfert humain-robot

Figure AI affirme également avoir observé un phénomène plus large : en multipliant par huit le volume de données humaines utilisées pour le préentraînement, l’erreur de prédiction des actions du robot diminue de façon régulière et prévisible. L’entreprise y voit la première mise en évidence d’une véritable loi de mise à l’échelle appliquée au transfert de comportements humains vers un robot humanoïde.

Elle indique par ailleurs alimenter sa base Index à un rythme d’environ 35 minutes de nouvelle expérience humaine chaque seconde, et avoir mobilisé 3,5 milliards de dollars de puissance de calcul pour l’entraînement de ses modèles. Si cette dynamique se confirme, l’accumulation de données et de ressources de calcul pourrait permettre aux futures générations de robots d’acquérir une connaissance toujours plus large du monde physique avant même d’être déployées.

Quel impact sur les métiers et sur l’accompagnement à l’orientation professionnelle ?

Au-delà de la performance technique, l’arrivée progressive de robots humanoïdes capables de s’adapter à des environnements non préparés interroge directement le monde du travail. Des progrès comme celui de Helix 2.5 relèvent précisément de ce qu’ORIENTACTION appelle l’automatisation physique, une dimension que son étude WorkmetriQ distingue soigneusement de l’IA générative : les deux technologies n’avancent ni au même rythme, ni sur les mêmes métiers.

Un robot capable de ranger un salon ou de faire un lit chez un particulier touche en premier lieu des activités manuelles, tandis que l’IA générative bouscule plutôt des tâches cognitives comme la rédaction, l’analyse ou la synthèse. Confondre les deux dans un raisonnement unique conduirait à mal évaluer qui est réellement concerné.

C’est tout l’objet de WorkmetriQ, l’étude et l’outil développés par ORIENTACTION sous la direction du Dr Emeric Lebreton, docteur en psychologie et président-cofondateur du groupe. Conçue avec le cabinet d’études indépendant OPTIMA, cette analyse évalue 778 métiers français selon deux scores indépendants, allant de 0 à 100 : l’un mesure l’exposition à l’automatisation physique, l’autre l’exposition à l’IA générative, chacun projeté sur trois horizons (aujourd’hui, trois à cinq ans, huit à dix ans).

Ses résultats confirment que les métiers les plus exposés à l’IA ne sont pas toujours ceux que l’on imagine spontanément : un métier très manuel peut rester peu concerné par l’IA générative tout en étant fortement exposé à l’automatisation physique, et inversement pour un métier de bureau. Chacun peut d’ailleurs tester gratuitement l’exposition de son propre métier sur workmetriq.com.

Les métiers les plus exposés à l’IA ne sont pas ceux que l’on croit — étude WorkmetriQ, 778 métiers analysés.

Chaque métier analysé par WorkmetriQ est ainsi classé dans l’une de quatre catégories : préservé, lorsque le cœur du métier repose sur des capacités que la technologie ne reproduit pas ; préservé avec gain de productivité, lorsque la technologie prend en charge des tâches périphériques sans changer l’essentiel ; transformé, lorsqu’une part importante des tâches change de main et suppose une montée en compétences ; ou disparition probable, lorsque l’essentiel des tâches devient techniquement automatisable.

Un score élevé sur WorkmetriQ ne signifie donc jamais qu’un métier va disparaître du jour au lendemain : il signale qu’il va être transformé, et qu’une fenêtre existe pour s’y préparer avant d’y être contraint.

Cette distinction rejoint directement l’actualité de Helix 2.5 : un robot domestique capable de généraliser ses gestes à des environnements inconnus fait avancer précisément la composante « automatisation physique » que WorkmetriQ isole et mesure, indépendamment des bouleversements portés par ailleurs par l’IA générative.

C’est précisément dans ce contexte de mutation rapide et à deux vitesses que l’accompagnement à l’orientation professionnelle prend tout son sens. Couplé à un bilan de compétences, WorkmetriQ aide chaque bénéficiaire à objectiver la situation réelle de son métier, à identifier des pistes de reconversion professionnelle vers des activités moins exposées ou en croissance, et à bâtir un projet cohérent avec les mutations du marché du travail plutôt que de les subir.

Que l’on soit salarié, en recherche d’emploi ou chef d’entreprise, comprendre ces ruptures technologiques est une première étape indispensable avant d’envisager sereinement la suite de son parcours. C’est tout l’enjeu des accompagnements proposés par ORIENTACTION : transformer une inquiétude légitime face à l’automatisation en une démarche construite, outillée et personnalisée.

Envie de savoir où se situe précisément votre métier ? L’outil WorkmetriQ est accessible gratuitement sur workmetriq.com : quelques secondes suffisent pour connaître son exposition à l’automatisation et à l’IA générative, aujourd’hui et dans les dix prochaines années.

Testez l’exposition de votre métier en quelques secondes sur WorkmetriQ.

Ce qu’il faut retenir

Helix 2.5 illustre une étape importante, mais encore incomplète, vers des robots domestiques réellement polyvalents. En misant sur l’apprentissage à partir de l’expérience humaine plutôt que sur un entraînement maison par maison, Figure AI ouvre une piste crédible pour généraliser l’usage des humanoïdes au-delà des environnements industriels contrôlés.

Une trajectoire technologique à surveiller de près, tant elle est susceptible, dans les années à venir, de rebattre les cartes de nombreux métiers et de renforcer le besoin d’accompagnement dans les choix d’orientation et de reconversion professionnelle.