Gemini Robotics 2.5 trie des pièces sur une ligne Mercedes-Benz

Google DeepMind a présenté Gemini Robotics 2.5, un nouveau modèle de pilotage de robots, et l'a testé sur des lignes de production en activité avec le fabricant de robots Apptronik et Mercedes-Benz. Le robot humanoïde Apollo 2 y a trié des pièces métalliques, et Google DeepMind annonce un taux de réussite de 96 %. Ces chiffres viennent de l'annonce du 10 novembre 2026, relayée par The Decoder.

Selon The Decoder, Gemini Robotics 2.5 est un modèle dit vision-langage-action (VLA). Ce type de modèle traite des informations visuelles, comprend des consignes en langage naturel et en déduit des mouvements de robot. Il s'appuie sur un prédécesseur présenté en début d'année, censé offrir pour la première fois un contrôle du corps entier aux robots. Google DeepMind le présente comme son modèle le plus capable de ce type à ce jour.

Ce que le modèle est censé savoir faire

D'après Google DeepMind, Gemini Robotics 2.5 a été testé sur plus de 200 tâches différentes, comme servir un plat avec une pince, nouer un ruban autour d'une boîte cadeau ou pipeter des liquides. Selon le type de tâche, le taux de réussite serait supérieur de 30 à 100 % aux références antérieures de l'entreprise, et les tâches seraient exécutées 20 à 30 % plus vite.

La prudence s'impose : l'analyse du blog CellCog souligne que l'annonce ne nomme ni ne chiffre les références de comparaison. Les taux de réussite absolus restent donc inconnus, et le gain de 30 à 100 % ne peut pas être situé.

Le modèle vise plusieurs types de robots. Sont cités le robot humanoïde Apollo 2 d'Apptronik, dont la main à cinq doigts compte 22 degrés de liberté, et la plateforme Franka Duo, équipée de pinces parallèles à deux doigts.

Le pilote chez Mercedes-Benz

Le test en conditions réelles a eu lieu à Kecskemét, en Hongrie, et à Sindelfingen, en Allemagne, sur des lignes de production en service. Le robot y a assuré ce qu'on appelle le kitting : il prenait des pièces métalliques dans des bacs en vrac et les posait dans des plateaux, exactement dans l'ordre où chaque véhicule les réclame sur la chaîne. Plusieurs composants travaillaient ensemble :

• Gemini Robotics ER supervisait le déroulement du travail.
• Gemini Robotics 2.5 commandait les mains et les bras du robot.
• Apollo 2, d'Apptronik, exécutait les gestes de préhension et de dépose.

Google DeepMind indique un taux de réussite de 96 % pour ce pilote. Selon CellCog, l'entreprise le qualifie elle-même de preuve de concept et ne précise pas sur combien de prises ce taux repose. Le directeur d'Apptronik, Jeff Cardenas, a commenté dans l'annonce le passage de l'entraînement à l'usine :

Nous avons vu les modèles s'améliorer considérablement en quelques semaines seulement de post-entraînement, puis se transposer à la production de Mercedes-Benz avec très peu de perte de performance.

Sécurité et simulation

Selon Google DeepMind, Gemini Robotics 2.5 utilise un pilotage en temps réel qui permet au robot d'éviter des dangers physiques pendant qu'il accomplit une tâche. Dans ses propres évaluations, la réussite en sécurité aurait progressé de 33 % près d'obstacles et de 43 % près de personnes. Ces valeurs n'ont fait l'objet d'aucune vérification indépendante.

L'entreprise publie aussi le benchmark open source ASIMOV-Jailbreak sur Hugging Face. Il contient des centaines de requêtes qui déguisent des demandes dangereuses dans des dizaines de scènes, et sert à vérifier si des modèles de robotique peuvent être poussés à des actes risqués. Le modèle de langage Gemini 4 Argon atteint ainsi une résistance au jailbreak de 99,5 %, contre 82 % pour son prédécesseur Gemini Robotics ER 2. Point important : selon CellCog, ce score appartient à Gemini 4 Argon, pas à Gemini Robotics 2.5 lui-même ; l'annonce ne donne aucun score pour le modèle de robotique.

Argon a aussi joué un rôle à l'entraînement, comme moteur de simulation. À partir d'une scène réelle filmée par une caméra, il peut générer des milliers d'essais simulés et construire un jumeau numérique. Combiné à des démonstrations réelles, cela doit aider le robot à généraliser plus vite à de nouvelles scènes et à de nouveaux objets. Argon peut en outre déduire de vidéos des hypothèses sur les causes d'erreurs, ensuite testées en simulation et sur le vrai robot.

Ce qui reste en suspens

Selon Google DeepMind, Gemini Robotics 2.5 est déployé auprès des partenaires Agile, Apptronik et Mercedes-Benz. D'après CellCog, l'annonce ne donne ni prix, ni interface publique, ni date pour un accès plus large, et aucun article technique sur le modèle n'est disponible. Tous les chiffres viennent de Google DeepMind ou de ses partenaires.

On ignore aussi si le robot reste durablement sur la ligne après le test. Un pilote est un essai ; un usage durable en production par équipes serait une autre affirmation. Les points à surveiller sont les résultats d'organismes indépendants, des mesures avec ASIMOV-Jailbreak par d'autres laboratoires, et un accès pour des développeurs hors du cercle des partenaires.

Ce que ça change pour une entreprise française

Pour un sous-traitant ou un fabricant de machines français, la nouvelle est surtout un signal, pas un produit : le kitting, c'est-à-dire la préparation des pièces dans le bon ordre, existe dans beaucoup d'usines, et c'est précisément là qu'on essaie désormais un robot doté d'un modèle de pilotage généraliste. Gemini Robotics 2.5 ne peut pas être acheté ni déployé pour l'instant. Quiconque prépare une automatisation peut suivre l'évolution et exiger des fournisseurs des précisions concrètes : la taille de l'échantillon derrière le taux de réussite, la gestion des prises ratées, le comportement près des personnes et l'effort nécessaire pour apprendre de nouvelles pièces au robot.

Tant que ces réponses manquent, il faut retenir ceci : les 96 % sont un chiffre de constructeur issu d'un pilote, pas un standard éprouvé pour le quotidien de la fabrication.