Séparer deux morceaux de tissu peut paraître simple. Pour un robot humanoïde, cependant, le matériau mou et glissant constitue un test de dextérité exigeant : trop de force peut le déformer, tandis que trop peu le laisse hors de la prise du robot.
Pourtant, dans les usines de confection chinoises, des robots développés par Aitu, une entreprise de technologie de couture intelligente basée dans la province du Zhejiang (est de la Chine), sont déjà testés pour séparer les morceaux de tissu, les soulever, les poser à plat et les aligner pour la couture.
Pour une seule catégorie de produits et un seul type de tissu, l’entreprise affirme que ses robots ont atteint un taux de réussite de 97 % dans la séparation des morceaux de tissu, avec plus de 98 % du travail de couture résultant répondant aux normes de qualité.
Au niveau d’efficacité actuel, Aitu estime que le robot pourrait être rentabilisé en 18 mois environ.
Ce calcul est au cœur du prochain test de l’industrie : si les robots humanoïdes passant des prototypes de laboratoire aux usines peuvent générer des gains de productivité suffisamment importants pour justifier l’investissement.
L’industrie considère largement 2026 comme l’année où les robots humanoïdes commenceront à passer à la production de masse. Le ministère chinois de l’Industrie et des Technologies de l’information et le régulateur des actifs de l’État ont lancé un programme visant à former des robots humanoïdes et des systèmes d’IA incarnés dans des contextes réels, dans le but de les faire passer du stade des tests à l’exploitation réelle et de construire une capacité de déploiement à l’échelle de 10 000 unités d’ici la fin de l’année.
Les robots Aitu sont déployés et soumis à des essais de production chez des fabricants de vêtements chinois, notamment Sunrise Group, Eifini et Chenfeng Group. Leurs missions restent limitées : charger et décharger du tissu sur des machines à coudre à gabarit, positionner le matériel pour les poseurs de poches, et ramasser et placer des pièces coupées sur des presses à fusion.
« Les robots humanoïdes sont encore au stade de l’apprentissage », a déclaré Lou Lingtong, directeur général d’Aitu. « Ils peuvent exécuter correctement des processus individuels, mais sont toujours incapables de gérer un flux de production complet sans intervention humaine. »
Un autre robot industriel à IA incarnée, le G2 développé par PIABOT Robotics, a été déployé dans l’assemblage électronique, le tri logistique, l’inspection des composants et le chargement des lignes de production.
Lors d’un essai réalisé auprès d’un grand fabricant chinois d’électronique, la société affirme que le robot a effectué 2 283 tâches en huit heures sans erreur.
Sur une ligne d’équipement de sécurité automobile, un robot G2 a été chargé de percer des trous dans des composants en aluminium de ceintures de sécurité. Cette tâche prenait auparavant à un travailleur environ 18 secondes par cycle. Le robot a réduit ce temps à seulement 12,9 secondes, améliorant ainsi l’efficacité d’environ un tiers.
Ces machines ne sont pas encore des outils polyvalents capables de gérer l’ensemble d’un processus de production. Ils entrent dans les usines un poste et une tâche répétitive à la fois. Pourtant, pour les fabricants qui ont du mal à recruter et à retenir leurs travailleurs, même une automatisation limitée peut être commercialement significative si elle est stable, reproductible et économiquement viable.
Lou a déclaré que le nombre d’ouvriers du vêtement qui prennent leur retraite ou quittent l’industrie chaque année est bien supérieur au nombre d’emplois actuellement repris par des robots.
« Les usines ne peuvent pas recruter suffisamment de personnel ni les persuader de rester », a déclaré Lou. Bien que les robots puissent dans un premier temps combler les pénuries de main-d’œuvre, Xiong Rong, scientifique en chef au Centre d’innovation des robots humanoïdes du Zhejiang et professeur à l’Université du Zhejiang, a déclaré que leur utilisation plus large créerait également des emplois dans la maintenance, le débogage et le développement secondaire.
Le prochain défi consiste à fournir aux machines suffisamment de données réelles pour apprendre, s’adapter et transférer leurs compétences de manière fiable dans les usines.
À Cixi, un centre de fabrication du Zhejiang, un centre de formation de robots humanoïdes a été inauguré à la mi-mai avec 40 robots IA incarnés déployés. Conçu autour de scénarios simulés du monde réel provenant de neuf industries locales, dont l’électroménager, l’automobile et le textile, il devrait fournir en moyenne plus de 90 heures de formation efficace sur les robots par jour une fois pleinement opérationnel.
Des efforts similaires prennent forme à Hangzhou, où une base pilote nationale relie le matériel robotique, les modèles d’IA et les applications industrielles.
De telles installations reflètent une reconnaissance croissante du fait que l’accès aux données réelles des usines devient essentiel pour l’industrie.
La marche, la navigation visuelle et la planification d’itinéraires gagnent en maturité. Le problème le plus difficile est la manipulation : saisir, retourner, trier et assembler des objets à plusieurs reprises sans sacrifier la précision. Pour les robots textiles, les matériaux flexibles restent particulièrement difficiles.
« Manipuler du tissu, c’est comme ramasser du tofu », a déclaré Lou. « Utilisez trop de force et il se déforme, alors que si vous en utilisez trop peu, vous ne pouvez pas le tenir. »
Le défi plus large est celui de la généralisation : un robot entraîné à manipuler un matériau peut avoir des difficultés avec un autre qu’il n’a jamais rencontré. Lou a déclaré que permettre aux robots d’adapter leurs mouvements adroits à des matériaux et des objets inconnus est un problème technique clé que l’industrie s’efforce de résoudre.
La production industrielle laisse peu de place à l’erreur. Les reflets et la poussière peuvent perturber la perception, tandis qu’un fonctionnement continu impose de lourdes exigences en matière de durabilité, de gestion thermique et de durée de vie des composants. Le manque d’interfaces communes et de normes de sécurité augmente encore les coûts d’intégration.
Pour l’instant, l’analyse de rentabilisation reste limitée à des emplois étroitement définis. Lou s’attend à ce que la période 2026 à 2028 soit une période de validation des robots dans des processus individuels, avant que le déploiement coordonné sur plusieurs tâches ne commence à s’étendre entre 2028 et 2030.
Il est peu probable que l’adoption massive se fasse d’un seul coup. Il devrait faire progresser un poste de travail à la fois, car les robots prouvent qu’ils peuvent fonctionner pendant une journée complète avec la vitesse, la précision et la fiabilité nécessaires pour justifier leur coût.
