Robots humanoïdes : la sécurité devient le vrai test du passage à l’usine

Les humanoïdes savent désormais marcher, manipuler des objets et enchaîner des tâches convaincantes en démonstration. Mais une question beaucoup moins spectaculaire pourrait décider de leur avenir industriel : que doit faire un robot bipède lorsqu’un système de sécurité lui ordonne de s’arrêter ? En 2026, constructeurs, chercheurs et organismes de normalisation commencent à traiter ce problème comme un sujet central.

L’image d’un robot humanoïde travaillant à côté d’un opérateur semble presque banale dans les vidéos de démonstration. Pourtant, entre une séquence contrôlée et une machine autorisée à fonctionner durablement dans une usine, il existe un territoire moins visible : celui de la sécurité fonctionnelle, de l’analyse de risques et de la certification. Ce territoire est aujourd’hui en pleine construction.

Le sujet prend une importance particulière au moment où l’industrie cherche à transformer les prototypes en équipements de production. En mai 2026, Schaeffler et la société britannique Humanoid ont annoncé un projet pouvant conduire au déploiement de 1 000 à 2 000 robots sur des sites industriels d’ici 2032, avec de premières installations prévues entre décembre 2026 et juin 2027. Ce type de calendrier déplace la discussion : il ne suffit plus de montrer qu’un humanoïde peut accomplir une tâche. Il faut démontrer qu’il peut l’accomplir de manière répétable, prévisible et suffisamment sûre dans un environnement où circulent des personnes.

De la performance visible à la sécurité démontrable

La robotique industrielle dispose depuis longtemps de cadres normatifs structurés. La norme internationale ISO 10218-1:2025 traite des exigences de sécurité applicables aux robots industriels eux-mêmes ; ISO 10218-2:2025 couvre leur intégration dans des applications et cellules robotisées. Les deux textes ont été publiés en février 2025 dans de nouvelles éditions.

Ces normes constituent une base importante, mais elles ne résolvent pas automatiquement tous les problèmes spécifiques aux humanoïdes. L’ISO précise d’ailleurs que la partie 1 vise les robots industriels et exclut notamment les situations où le public ou des adultes ne travaillant pas dans l’installation ont accès à la machine. Cela rappelle une distinction essentielle : un humanoïde utilisé dans une cellule industrielle contrôlée et un robot de service évoluant librement dans un espace public ne relèvent pas nécessairement du même cadre.

La difficulté tient aussi à l’architecture physique. Un bras robotisé fixé au sol peut être immobilisé. Un robot mobile à roues peut généralement freiner et conserver sa stabilité. Un humanoïde bipède, lui, doit continuellement contrôler son équilibre. La sécurité ne consiste donc pas seulement à empêcher un mouvement dangereux ; elle peut nécessiter de maintenir activement certains mouvements pour éviter la chute.

Le « fail-passive gap » : quand couper le courant n’est plus un état sûr

Une étude mise en ligne le 3 août 2026 par Caiwu Ding, Tao Cui, Lingyun Wang et Chengtao Wen formalise précisément cette difficulté. Les auteurs parlent de fail-passive gap, que l’on peut traduire comme un écart entre les hypothèses classiques de mise en sécurité passive et le comportement nécessaire d’un humanoïde.

Leur point de départ est simple : une chaîne de sécurité industrielle peut être conçue avec des composants éprouvés — arrêt d’urgence, barrière immatérielle, automate de sécurité, communication sécurisée — mais le dernier maillon reste problématique. Une fois l’ordre d’arrêt transmis au robot, comment un bipède doit-il réagir ? Une coupure immédiate de puissance peut faire disparaître le couple dans les articulations et provoquer un effondrement. Or une machine de taille humaine qui tombe peut heurter une personne, un équipement ou une charge.

Les chercheurs ont étudié ce problème sur une cellule expérimentale de pick-and-place utilisant un Unitree G1 EDU, dans une zone semi-fermée de 3 m par 1,5 m. Ils insistent sur un point : leur travail ne revendique pas une certification complète de niveau PL e ou SIL 3. Il vise au contraire à identifier précisément la partie qui reste difficile à certifier : la réaction du robot entre la réception de la commande de sécurité et le maintien d’un état physique réellement sûr.

Un état sûr peut devenir un comportement actif

C’est probablement l’un des changements conceptuels les plus importants apportés par les humanoïdes. Dans de nombreuses architectures industrielles traditionnelles, la mise hors énergie est un moyen robuste d’obtenir un état sûr. Pour un bipède, l’état sûr peut au contraire exiger une boucle de contrôle active : conserver l’équilibre, poser le pied, abaisser le centre de gravité, stabiliser une charge ou adopter une posture limitant les conséquences d’une chute.

Cette logique soulève immédiatement des questions d’ingénierie. Quel calculateur exécute cette stratégie ? Avec quel niveau d’intégrité ? Quels capteurs sont nécessaires ? Que se passe-t-il si l’algorithme d’équilibrage lui-même est défaillant ? Quel temps maximal peut s’écouler entre la détection d’un danger et l’obtention d’une posture sûre ? Et comment prouver que la stratégie reste valable lorsque le sol, la charge portée ou la position des membres changent ?

Ces questions expliquent pourquoi une démonstration réussie n’est pas équivalente à une validation de sécurité. Un robot peut être extrêmement performant dans l’exécution d’une tâche tout en restant difficile à intégrer dans une architecture de sécurité certifiable.

NVIDIA veut construire une pile de sécurité pour la « physical AI »

Le 22 juin 2026, NVIDIA a annoncé Halos for Robotics, présenté par l’entreprise comme un système de sécurité « full-stack » pour la robotique et l’IA physique. Il s’agit d’une déclaration du constructeur : la qualification de « premier » ou d’architecture complète appartient à NVIDIA et ne constitue pas, à elle seule, une certification indépendante de chaque robot qui l’utilisera.

L’approche est néanmoins révélatrice de l’évolution du secteur. NVIDIA cherche à étendre à la robotique une partie de l’expérience accumulée avec les systèmes de conduite autonome. Halos associe du calcul et des interfaces capteurs — notamment IGX Thor et Holoscan Sensor Bridge — à une couche logicielle de sécurité et à un laboratoire destiné à aider les partenaires à préparer des évaluations par des organismes tiers.

Agility Robotics est annoncé comme le premier fabricant d’humanoïdes collaborant avec NVIDIA pour intégrer des éléments de cette architecture dans son propre système de sécurité. Cela ne signifie pas que l’ensemble des comportements d’un humanoïde devient automatiquement certifié. Cela montre plutôt que la sécurité tend à devenir une pile technologique à part entière, avec du matériel, des communications, des logiciels, des méthodes de validation et des procédures d’inspection.

Pourquoi l’IA complique encore la démonstration de sûreté

Un robot programmable classique suit un ensemble de trajectoires et de règles relativement déterministes. L’IA physique vise au contraire des machines capables de percevoir une situation, d’interpréter une instruction et d’adapter leur comportement. Cette flexibilité constitue précisément leur promesse économique, mais elle rend la validation plus délicate.

NVIDIA décrit aujourd’hui une chaîne de développement qui associe collecte et préparation de données, modèles du monde, apprentissage, simulation, évaluation puis déploiement sur le matériel. En mars 2026, l’entreprise a présenté de nouveaux modèles Cosmos, des outils Isaac et des modèles Isaac GR00T destinés à accélérer l’apprentissage robotique. Elle a également annoncé un « Physical AI Data Factory Blueprint » pour industrialiser la production et l’évaluation des données d’entraînement.

La conséquence est importante : la sûreté ne concerne plus seulement la résistance mécanique, les limites de vitesse ou l’arrêt d’urgence. Elle touche aussi la provenance des données, la validation des modèles, la perception, le raisonnement et les mises à jour logicielles. Un robot capable d’adapter son action à une scène nouvelle doit être évalué non seulement sur ce qu’il sait faire, mais aussi sur la façon dont il se comporte lorsqu’il ne sait pas.

Les normes commencent à suivre l’évolution des humanoïdes

Le paysage normatif évolue rapidement. En Chine, un projet de norme nationale intitulé « Safety requirements for humanoid robots — Part 1: General safety » a été enregistré en 2026. Le projet, référencé 20261658-T-604 sur la plateforme nationale chinoise des standards, relève du comité technique national de normalisation de la robotique. Son cycle annoncé est de douze mois. Il s’agit à ce stade d’un projet de norme, et non d’un standard final publié.

Au niveau international, l’ISO travaille également sur les données. Le projet ISO/CD 26264-1, « Humanoid robot datasets — Part 1: General requirements », est au stade Committee Draft en 2026. Son périmètre couvre le cycle de vie des jeux de données utilisés pour l’entraînement, la validation et le test de modèles d’apprentissage appliqués aux humanoïdes, avec des exigences transversales portant notamment sur la qualité, la sécurité et la confidentialité.

Ces travaux montrent que la normalisation ne se limite plus à la mécanique du robot. Le « corps » et les données qui contribuent à son comportement commencent à être traités dans le même écosystème de confiance.

Le vrai enjeu industriel : passer de « ça marche » à « on peut l’exploiter »

Les humanoïdes ont un avantage théorique évident : ils sont conçus pour évoluer dans des environnements construits autour du corps humain. Escaliers, portes, étagères, poignées, outils et postes de travail ont des dimensions et des géométries humaines. Une machine anthropomorphe peut donc, en principe, entrer dans un site existant sans imposer une reconstruction complète de l’infrastructure.

Mais cet avantage ne produit de valeur que si le robot peut être exploité avec un niveau de disponibilité, de sécurité et de coût acceptable. Dans une usine, le critère n’est pas la qualité d’une vidéo de démonstration. Il est la capacité à effectuer des milliers de cycles, à gérer les variations, à signaler correctement les anomalies, à être maintenu et à cohabiter avec les procédures de sécurité du site.

Le partenariat annoncé entre Schaeffler et Humanoid illustre cette transition. Les premiers cas d’usage cités sont relativement concrets, comme la manipulation de boîtes, et le déploiement doit commencer par des phases d’essai. Cette progression par étapes est cohérente avec la logique industrielle : une tâche bien délimitée permet de mesurer le taux de réussite, les arrêts, les interventions humaines, la durée des cycles et les incidents avant d’élargir le périmètre.

La chute devient une catégorie de risque à part entière

Pour un humanoïde, la chute n’est pas seulement une panne. Elle peut être un événement dangereux. Le risque dépend de la masse du robot, de sa vitesse, de la hauteur de son centre de gravité, des objets qu’il transporte et de la présence de personnes à proximité. Une stratégie de sécurité doit donc considérer plusieurs scénarios : chute libre après perte de puissance, perte d’équilibre pendant la marche, collision en essayant de se rétablir, chute avec une charge ou encore mouvement imprévu d’un bras lors de la récupération.

Cela peut conduire à des architectures de déploiement prudentes : zones séparées, vitesses réduites, surveillance de distance, limitations de charge, trajectoires contrôlées ou tâches exécutées hors présence humaine. Ces mesures diminuent une partie de l’intérêt d’un humanoïde supposé partager naturellement l’espace avec les travailleurs, mais elles peuvent constituer une étape nécessaire avant des modes de collaboration plus ouverts.

La perception sûre ne se confond pas avec la perception performante

Une caméra et un modèle d’IA peuvent reconnaître une personne avec une excellente performance statistique sans constituer pour autant une fonction de sécurité certifiée. La distinction est fondamentale. Une fonction utilisée pour optimiser la trajectoire du robot n’a pas nécessairement les mêmes exigences qu’une fonction dont dépend directement la prévention d’un accident.

La robotique collaborative connaît déjà cette problématique. Les méthodes de surveillance de vitesse et de séparation cherchent à maintenir une distance suffisante entre un humain et un robot. Des travaux de recherche publiés en 2026 explorent des contrôleurs plus prédictifs capables d’intégrer le mouvement humain tout en respectant le cadre de l’ISO 10218. Ces résultats sont prometteurs, mais ils concernent des configurations expérimentales précises et ne doivent pas être généralisés automatiquement à tous les humanoïdes.

Pour les machines généralistes, le défi sera de construire une séparation claire entre l’intelligence qui cherche à accomplir la tâche et les mécanismes indépendants capables d’empêcher un comportement dangereux. Plus un robot gagne en autonomie, plus cette architecture devient stratégique.

Cybersécurité et sécurité physique convergent

La nouvelle génération de robots est connectée, mise à jour, parfois pilotée par des modèles exécutés localement ou dans une infrastructure informatique plus large. La cybersécurité n’est donc plus un sujet périphérique. Une modification non autorisée d’un logiciel, d’une configuration, d’un modèle ou d’une communication peut avoir une conséquence physique.

Une analyse universitaire publiée en février 2026 sur l’évolution de l’ISO 10218 entre les éditions 2011 et 2025 souligne justement l’élargissement des exigences vers la sécurité fonctionnelle et la cybersécurité des systèmes robotisés connectés. Ce rapprochement est logique : dans une machine capable de se déplacer et de manipuler des charges, l’intégrité numérique fait partie de la maîtrise du risque physique.

Le mouvement réglementaire dépasse d’ailleurs la seule sécurité des opérateurs. Aux États-Unis, la FCC a renforcé en août 2026 les restrictions visant l’autorisation de nouveaux équipements robotiques étrangers, notamment humanoïdes et quadrupèdes, au nom de risques de sécurité nationale. Cette politique est distincte de la sécurité fonctionnelle en usine, mais elle montre que les robots connectés sont désormais considérés simultanément comme des machines physiques, des systèmes d’IA et des équipements numériques stratégiques.

Ce qui reste à démontrer

À ce stade, il serait prématuré de conclure que l’industrie dispose d’une solution universelle de sécurité pour les humanoïdes. Plusieurs briques existent : normes industrielles renouvelées, automates et communications de sécurité, perception avancée, simulation, architectures dédiées, projets de normes spécifiques et recherche sur les états sûrs actifs. Mais leur combinaison dans un humanoïde généraliste certifiable reste un chantier.

Les informations publiques ne permettent pas non plus de comparer de manière homogène le niveau de sécurité fonctionnelle de tous les humanoïdes du marché. Pour de nombreux produits, les niveaux de performance de sécurité, architectures redondantes, temps de réaction certifiés ou résultats d’évaluations indépendantes sont non communiqués. Cette absence ne prouve pas qu’ils sont dangereux ; elle signifie simplement qu’une conclusion technique ne peut pas être tirée à partir des informations publiques disponibles.

Une nouvelle définition de la maturité robotique

La course aux humanoïdes a longtemps été racontée à travers la locomotion, la dextérité et l’intelligence artificielle. Ces dimensions restent essentielles. Mais à mesure que les projets industriels deviennent plus concrets, un autre indicateur de maturité apparaît : la capacité d’un constructeur à expliquer précisément comment son robot échoue.

Que se passe-t-il si une caméra disparaît ? Si un réseau est coupé ? Si une articulation surchauffe ? Si un opérateur entre dans la trajectoire ? Si le robot trébuche alors qu’il transporte une caisse ? Si son modèle d’IA propose une action incompatible avec les limites de sécurité ? Si un arrêt d’urgence intervient pendant une phase d’appui sur une seule jambe ?

Ces scénarios sont moins impressionnants qu’une démonstration de manipulation, mais ils constituent la matière première de l’industrialisation. Un équipement devient réellement industriel lorsque son fonctionnement normal est maîtrisé et que ses modes de défaillance le sont également.

Conclusion : la prochaine frontière n’est pas seulement l’intelligence, mais la confiance

En 2026, les humanoïdes entrent dans une phase où les annonces de déploiement, les architectures de « physical AI » et les projets de normalisation commencent à se rejoindre. La question n’est plus uniquement de savoir si un robot peut apprendre une tâche humaine. Elle est de savoir si cette capacité peut être enfermée dans un système dont les limites sont connues, surveillées et démontrables.

Le paradoxe de l’arrêt d’un bipède résume cette nouvelle étape. Une règle aussi intuitive que « couper l’énergie pour rendre la machine sûre » cesse d’être universelle lorsqu’une machine doit rester active pour ne pas tomber. Ce détail d’ingénierie oblige à repenser l’état sûr, le calcul embarqué, la redondance et la certification.

NVIDIA, les organismes de normalisation et les laboratoires de recherche convergent aujourd’hui vers le même constat : l’intelligence physique exige une infrastructure de confiance aussi sophistiquée que l’intelligence elle-même. Il faudra encore des validations indépendantes et des retours de terrain pour savoir quelles architectures s’imposeront. Mais le critère de réussite devient plus clair : le robot humanoïde industriel ne sera pas celui qui réalise la démonstration la plus spectaculaire. Ce sera celui dont on pourra prouver, dans des conditions définies, qu’il sait aussi s’arrêter, se dégrader et échouer sans transformer sa panne en danger.