Helix 2.5 de Figure réussit le zéro‑shot dans 30 maisons inédites

Lancement de Helix 2.5

Le 17 septembre 2026, la société Figure a officiellement présenté Helix 2.5, une nouvelle architecture de contrôle destinée aux robots de service humanoïdes. Dans le communiqué de presse diffusé ce jour, l’entreprise a mis en avant une expérimentation sur le terrain qui consistait à déployer un seul exemplaire du robot dans trente foyers qui n’avaient jamais figuré dans le jeu de données d’entraînement utilisé pour concevoir le modèle. Cette démonstration visait à illustrer la capacité du système à généraliser sans adaptation locale préalable.

Séparation stricte des données d’entraînement et d’évaluation

Figure a souligné que l’ensemble des informations provenant des trente maisons d’évaluation n’a jamais été introduit dans le pipeline d’apprentissage du modèle. Les ingénieurs, en collaboration avec des auditeurs humains indépendants, ont procédé à une vérification minutieuse afin de s’assurer qu’aucun des objets, meubles ou agencements spatiaux observés pendant les essais ne figurait dans les spécifications ou les catalogues d’objets utilisés lors de la phase d’entraînement de Helix 2.5.

Concrètement, un unique point de contrôle du modèle a été utilisé pour l’ensemble des environnements testés. Les poids du réseau neuronal ont été figés après la phase d’entraînement initiale, et aucun mécanisme de réglage dynamique basé sur les premiers résultats obtenus dans chaque maison n’a été appliqué. Cette contrainte a permis de mesurer la capacité du système à fonctionner en mode zéro‑shot, c’est‑à‑dire sans aucune mise à jour ou adaptation spécifique à chaque domicile.

Performance comparée à une politique ciblée

Selon les chiffres fournis par Figure, Helix 2.5 a atteint un taux de succès identique à celui de Helix 02, version antérieure entraînée directement dans les environnements cibles. La différence majeure réside dans la quantité de données d’adaptation requise : Helix 2.5 a besoin d’environ la moitié des données d’ajustement que Helix 02 a mobilisées pour parvenir au même niveau de performance, ce qui représente un gain d’efficacité notable au niveau du processus d’apprentissage.

Le système a également démontré la capacité de corriger ses mouvements en temps réel. Par exemple, lorsqu’un mouvement prévu entraînait une collision avec le cadre du lit, le robot a immédiatement reculé, modifié sa posture ou contourné l’obstacle avant de reprendre la séquence de pliage ou de mise en place du linge, illustrant ainsi une forme de réactivité physique adaptée aux contraintes imprévues du domicile.

Évaluation indépendante par ABC Tecnología

Le média spécialisé ABC Tecnología a publié une analyse indépendante indiquant un taux de succès brut de 56 % sur les trente maisons testées. Les experts locaux en robotique cités dans le rapport ont rappelé que, dans le contexte d’un assistant domestique destiné aux consommateurs, un taux d’échec proche de la moitié resterait largement insuffisant pour garantir une adoption massive.

Figure a réagi en précisant que l’objectif du test était de mesurer la capacité de généralisation du modèle, et non de valider une autonomie domestique complète. Seules les trois tâches pré‑spécifiées – rangement du salon, pliage d’un jeu de serviettes et mise du lit – ont été évaluées, et les critères de réussite avaient été définis de manière stricte avant le début des essais.

• 30 maisons jamais vues auparavant
• 3 tâches ménagères (rangement, pliage de serviettes, mise du lit)
• Point de contrôle unique, aucune adaptation de poids
• Taux de succès global de 56 % selon ABC
• Moitié des données d’adaptation comparées à Helix 02

L’entreprise a également rendu public le coût computationnel associé à l’entraînement de Helix 2.5. La plateforme Index, qui alimente le modèle, a généré l’équivalent d’environ 35 minutes d’expérience humaine par seconde, et le budget total consacré aux ressources de calcul s’est élevé à 3,5 milliards de dollars, un investissement majeur destiné à pousser les limites de la généralisation zéro‑shot.

Même si les résultats montrent une capacité mesurable de généralisation zéro‑shot, ils n’impliquent pas que le robot puisse désormais fonctionner de façon totalement autonome dans n’importe quel cadre domestique. Le test était limité à un jeu restreint de tâches et à des métriques de succès pré‑définies, de sorte que la robustesse du système face à des scénarios plus complexes ou à des exigences de confort utilisateur reste à démontrer.

Pour les organisations francophones qui envisagent le déploiement de robots de service, ces constats offrent deux enseignements pratiques. D’une part, un modèle unique, bien entraîné, peut gérer une variété d’environnements inconnus sans nécessiter de coûteux ré‑entraînements sur site, ce qui réduit sensiblement le temps et le budget de déploiement. D’autre part, le taux de succès actuel indique que la supervision humaine ou l’intégration de mécanismes de secours restent indispensables pour assurer une opération fiable et sécurisée dans les foyers réels.