Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
Les commandes de robots en Amérique du Nord stagnent en début d'année 2026
IndustrielRobotics Business Review5j

Les commandes de robots en Amérique du Nord stagnent en début d'année 2026

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Au premier trimestre 2026, les entreprises nord-américaines ont commandé 9 055 robots pour une valeur totale de 543 millions de dollars, selon les données publiées par l'Association for Advancing Automation (A3). En comparaison avec le premier trimestre 2025, le volume d'unités commandées reste quasi stable (-0,1 %), mais le chiffre d'affaires associé recule de 6,4 %. Le principal facteur explicatif est la chute brutale des commandes des constructeurs automobiles (OEM) : -35,1 % en unités et -48,2 % en revenus sur un an. Ce secteur, par son poids structurel dans le marché robotique nord-américain, a tiré l'ensemble des indicateurs agrégés vers le bas malgré une dynamique globalement positive dans le reste de l'industrie.

La lecture sectorielle révèle en effet une réalité bien plus nuancée que les chiffres globaux ne le laissent paraître. Hors constructeurs automobiles, la demande progresse sur presque tous les segments : les équipementiers automobiles (tier 1 et 2) ont augmenté leurs commandes de 28,1 % en unités, avec un décalage cyclique habituel par rapport aux OEM. Les sciences de la vie, pharmaceutique et biomédical affichent la plus forte croissance en valeur (+70,2 % en revenus, +54,1 % en unités), suivis par les semi-conducteurs et l'électronique (+79,2 % revenus, +31,7 % unités), le plastique et le caoutchouc (+32,6 % revenus, +25,2 % unités) et l'agroalimentaire (+16,3 % revenus, +16,0 % unités). Ces chiffres signalent une diversification structurelle de la demande en automatisation, portée par des pressions convergentes : pénuries de main-d'oeuvre, exigences qualité, résilience des chaînes d'approvisionnement et compétitivité internationale. Pour les intégrateurs et les décideurs industriels, ce rééquilibrage sectoriel représente une opportunité commerciale concrète au-delà du seul marché automobile.

Le segment des cobots (robots collaboratifs à force et puissance limitées) constitue le fait marquant de ce trimestre. Avec 1 637 unités commandées pour 69,8 millions de dollars, soit +55,6 % en unités et +78,2 % en revenus sur un an, les cobots représentent désormais 18,1 % de l'ensemble des robots commandés et 12,9 % des revenus totaux. Leur adoption est particulièrement forte en sciences de la vie (60,7 % des commandes robotiques du secteur) et en semi-conducteurs/électronique (45,9 %). Ce dynamisme s'inscrit dans une tendance de fond observée depuis plusieurs trimestres : le marché robotique nord-américain sort progressivement de sa dépendance historique à l'automobile pour s'orienter vers des déploiements plus flexibles, adaptés à des environnements moins standardisés. Les principaux fournisseurs de cobots actifs sur ce marché incluent Universal Robots (filiale de Teradyne), FANUC, KUKA et ABB, avec une concurrence croissante de fabricants asiatiques. L'A3 anticipe que cette diversification continuera de soutenir la santé long terme du marché, même si les prochains trimestres resteront sous l'influence des cycles d'investissement automobile, traditionnellement longs et concentrés.

Impact France/UE

La dynamique de diversification sectorielle observée en Amérique du Nord (cobots, sciences de la vie, semi-conducteurs) reflète des tendances structurelles similaires en Europe, où KUKA et ABB, acteurs européens majeurs cités, sont directement positionnés sur ces segments en croissance.

À lire aussi

FANUC et NVIDIA développent des robots au comportement identique en simulation et en réalité
1Interesting Engineering 

FANUC et NVIDIA développent des robots au comportement identique en simulation et en réalité

FANUC, le géant japonais de la robotique industrielle, et NVIDIA ont annoncé en mai 2026 une extension significative de leur partenariat visant à éliminer l'écart entre simulation et déploiement réel en usine. L'intégration technique combine NVIDIA Isaac Sim avec le logiciel de simulation propriétaire de FANUC, ROBOGUIDE, pour créer des jumeaux numériques où les robots virtuels reproduisent exactement les mêmes trajectoires et temps de cycle que leurs homologues physiques, en s'appuyant sur des algorithmes de contrôle identiques. Deux modes de fonctionnement sont proposés : dans le premier, Isaac Sim orchestre l'environnement virtuel tandis que ROBOGUIDE synchronise les comportements en arrière-plan, avec support des pupitres de programmation physiques et virtuels. Dans le second, ROBOGUIDE prend la main pendant que le moteur physique PhysX de NVIDIA gère la simulation, notamment pour des tâches comme le bin picking, où le robot doit identifier et saisir des pièces empilées en vrac. En parallèle, FANUC a présenté un système bi-bras composé de deux robots collaboratifs CRX capables de plier des T-shirts en temps réel, entraînés par imitation learning via le modèle de fondation robotique Isaac GR00T N de NVIDIA. La plateforme Jetson Thor équipe désormais le robot d'évitement humain de FANUC, avec une puissance de calcul multipliée par 7,5 par rapport à l'ancienne génération Jetson AGX Orin. L'enjeu industriel est direct : le problème du sim-to-real gap coûte des semaines de recalibration sur site à chaque nouveau déploiement. Si FANUC et NVIDIA tiennent leur promesse d'une fidélité totale entre simulation et réalité, les intégrateurs pourraient valider des cellules complètes en virtuel avant même d'avoir commandé les équipements physiques, compressant drastiquement les timelines de mise en production. La démonstration du pliage de textile est également notable : les objets déformables restent l'un des angles morts historiques de la robotique industrielle, et un système capable de gérer le linge en temps réel avec retour visuel ouvre des perspectives concrètes pour la logistique e-commerce et le textile. Le chiffre de 7,5x de gain en calcul sur Jetson Thor est cohérent avec les besoins croissants des pipelines vision-action (VLA) embarqués. Il convient toutefois de noter que les démonstrations présentées, notamment le pliage de T-shirts, restent des prototypes de laboratoire : aucun déploiement en production à grande échelle n'est annoncé à ce stade. FANUC avait une première fois montré cette intégration Isaac Sim / ROBOGUIDE à l'International Robot Exhibition de Tokyo fin 2024, mais la version actuelle approfondit substantiellement la communication entre les deux systèmes. FANUC, avec plus de 700 000 robots installés dans le monde, est l'un des rares acteurs à pouvoir valider ce type d'approche à l'échelle industrielle réelle plutôt qu'en conditions de laboratoire. Sur le terrain concurrentiel, cette initiative s'inscrit dans une course directe avec ABB et son partenariat Isaac Sim, ainsi qu'avec KUKA et Universal Robots qui développent leurs propres pipelines de simulation physique. NVIDIA, de son côté, consolide Isaac comme couche d'abstraction standard pour la simulation robotique industrielle, une position stratégique face à des alternatives open-source comme Gazebo ou MuJoCo. Les technologies seront présentées en conditions réelles lors de l'Open House FANUC prévu en mai 2026, premier test public de la robustesse de l'intégration hors cadre contrôlé.

UELes industriels européens équipés de robots FANUC bénéficieraient d'une réduction significative des délais de mise en production, tandis qu'ABB et KUKA, concurrents européens directs, sont contraints d'accélérer leurs propres pipelines de simulation physique pour ne pas se laisser distancer sur ce segment.

IndustrielActu
1 source
Décision séquentielle par apprentissage multi-échelle pour la préparation de commandes en robotique de manutention
2arXiv cs.RO 

Décision séquentielle par apprentissage multi-échelle pour la préparation de commandes en robotique de manutention

Des chercheurs ont publié en mai 2026 sur arXiv (référence 2605.08758) un framework de décision séquentielle baptisé OLSF-TRS, pour Omni-scale Learning-based Sequential Decision Framework for Tote-handling Robotic Systems. Ce système combine optimisation combinatoire structurée et apprentissage par renforcement multi-agent (MARL) pour coordonner simultanément les décisions liées aux commandes, aux bacs de manutention (totes) et aux robots dans les centres de préparation automatisés. En configuration petite échelle, OLSF-TRS affiche un écart d'optimalité moyen inférieur à 3,5% sur deux architectures système distinctes. En configuration grande échelle, il réduit les mouvements de bacs de 8 à 12% par rapport aux baselines heuristiques classiques, et de plus de 30% par rapport aux approches règle-based de l'état de l'art, tout en maintenant une réactivité en temps réel. L'enjeu concret pour les intégrateurs intralogistiques est significatif : la quasi-totalité des frameworks existants sont conçus sur mesure pour un type de système spécifique, tri-sorter, mini-load AS/RS ou AMR grid-based, ce qui rend tout transfert à un autre contexte laborieux. OLSF-TRS propose une couche de pilotage unifiée et scalable, potentiellement applicable à des architectures hétérogènes. La réduction de plus de 30% des mouvements de bacs se traduit directement en gains énergétiques, réduction de l'usure mécanique et meilleure stabilité du throughput, des KPIs centraux pour les COOs industriels. À noter cependant que les résultats reposent sur des simulations et benchmarks comparatifs sans déploiement terrain documenté, ce qui laisse entière la question du sim-to-real gap en production réelle. Ce travail s'inscrit dans une tendance structurelle de fond : la substitution des palettes par les bacs comme unité logistique primaire, portée par l'explosion du e-commerce et la fragmentation des commandes en petites séries. Des acteurs comme Exotec (France, système Skypod), AutoStore (Norvège) ou Geek+ (Chine) opèrent des déploiements massifs en grid-based robotics confrontés exactement à ces problèmes de coordination ordres-bacs-robots à grande échelle. La convergence entre optimisation combinatoire de type VRP et MARL est un champ de recherche en pleine effervescence, porté par des laboratoires industriels en Europe et en Asie. L'article ne mentionne ni partenariat industriel ni timeline de commercialisation, le positionnant comme une contribution académique précompétitive.

UEExotec (France, Skypod) et AutoStore (Norvège) opèrent des déploiements massifs confrontés exactement aux problèmes de coordination ordres-bacs-robots adressés par ce framework, en faisant une piste de R&D directement pertinente pour l'intralogistique européenne.

IndustrielPaper
1 source
SOAR : optimisation conjointe en temps réel pour l'allocation des commandes et l'ordonnancement des robots mobiles
3arXiv cs.RO 

SOAR : optimisation conjointe en temps réel pour l'allocation des commandes et l'ordonnancement des robots mobiles

Des chercheurs, en collaboration avec Geekplus, ont publié SOAR (Simultaneous Order Allocation and Robot Scheduling), un framework d'apprentissage par renforcement profond conçu pour optimiser en temps réel la coordination des robots dans les systèmes de préparation de commandes automatisés (RMFS, Robotic Mobile Fulfillment Systems). Déposé sur arXiv en mai 2026 (arXiv:2605.03842), le système unifie deux sous-problèmes classiquement découplés, l'allocation des commandes et la planification des robots mobiles, en un seul agent décisionnel. Sur des données industrielles réelles fournies par Geekplus, SOAR réduit le makespan global de 7,5 % et le temps moyen de complétion des commandes de 15,4 %, avec une latence de décision inférieure à 100 ms. La viabilité du système a été confirmée par un déploiement en environnement de production via une procédure sim-to-real. Techniquement, le problème est formulé comme un processus de décision de Markov piloté par événements (Event-Driven MDP), où l'agent réagit à des événements asynchrones (fin de tâche, arrivée de commande) grâce à un Heterogeneous Graph Transformer encodant l'état de l'entrepôt, complété par une stratégie de reward shaping pour gérer la rareté du signal de récompense sur les longues séquences. Les RMFS équipent aujourd'hui les grands centres logistiques : des flottes de robots mobiles (AMR) transportent des étagères entières vers des postes de picking humains ou automatisés. Le goulot d'étranglement traditionnel vient du couplage fort entre allocation et ordonnancement : les approches décomposées sacrifient l'optimalité globale pour garantir la réactivité, tandis que les modèles d'optimisation classiques comme les MILP ou CP-SAT sont trop lents pour des environnements à haute cadence. SOAR casse ce compromis en prouvant qu'un agent de deep RL peut raisonner globalement tout en répondant en moins de 100 ms, ce qui constituait un verrou industriel reconnu. Plus significatif encore, la validation sim-to-real en conditions de production distingue ce travail de la majorité des publications académiques qui restent cantonnées à la simulation. Geekplus, fondé en 2015 à Pékin, est l'un des leaders mondiaux des AMR pour la logistique d'entrepôt, avec des déploiements dans plus de 40 pays chez des clients comme Decathlon et JD.com. Sa participation directe à cette recherche signale une intégration croissante entre laboratoires académiques et industriels pour raccourcir le cycle lab-to-production. Sur le marché, Geekplus concurrence Hai Robotics et AutoStore, mais aussi en Europe des acteurs comme Exotec (France), dont le système Skypod adresse des problèmes similaires de coordination multi-robots à grande échelle. SOAR s'inscrit dans un corpus actif de travaux sur le RL multi-agent pour la planification en entrepôt, mais se distingue par son approche unifiée et son ancrage en production confirmé. Le code est disponible en open source sur GitHub, ce qui devrait faciliter son adaptation à d'autres architectures RMFS.

UELe code open-source SOAR, validé en production chez des clients de Geekplus dont Decathlon, constitue une référence technique directe pour Exotec et les intégrateurs AMR européens confrontés aux mêmes problèmes de coordination multi-robots à grande échelle.

IndustrielPaper
1 source
Drones & Robotics AI Summit 2026 : entrer dans l'ère quantique de l'autonomie
4Robotics Business Review 

Drones & Robotics AI Summit 2026 : entrer dans l'ère quantique de l'autonomie

Le Drones & Robotics AI Summit 2026, organisé dans les bureaux new-yorkais du cabinet Pillsbury, a mis en scène deux tendances lourdes du secteur : la maturité commerciale des robots terrestres autonomes et la montée en puissance des drones à hydrogène pour missions longue portée. Ghost Robotics y a ouvert les débats avec une démonstration du Vision 60, son robot quadrupède déployé à plusieurs centaines d'exemplaires auprès de l'armée américaine selon le CEO Gavin Kenneally. En parallèle, Heven AeroTech, startup israélienne fondée en 2018, a confirmé son passage au statut de licorne grâce notamment à son drone Z1 à propulsion hydrogène, conçu pour des missions de défense à longue portée avec charges utiles lourdes. Le contexte financier donne la mesure de l'accélération : les investissements en capital-risque et private equity dans la robotique physique ont dépassé 30 milliards de dollars sur les douze derniers mois, soit plus du double de l'année précédente. L'intérêt de ces annonces pour les décideurs industriels et les intégrateurs tient à deux signaux concrets. D'abord, Ghost Robotics confirme que les robots quadrupèdes ont franchi le seuil du déploiement à l'échelle, avec des centaines d'unités opérationnelles dans des environnements militaires réels, non dans des pilotes contrôlés. Ce gap demo-versus-reality, longtemps cité comme le principal frein à la commercialisation, semble se réduire sur le segment défense. Ensuite, le choix de Heven AeroTech de passer des batteries à l'hydrogène pour ses missions longue portée illustre une contrainte physique fondamentale : la densité énergétique des accumulateurs lithium-ion reste insuffisante dès que l'on combine rayon d'action supérieur à 15 km et charge utile significative. Le partenariat de Heven avec IonQ, son premier actionnaire externe, vise à intégrer le calcul quantique dans le traitement des données de capteurs embarqués, une approche encore expérimentale mais qui signale l'entrée du quantum dans la stack autonomie des drones de terrain. Heven AeroTech a été fondée par Bentzion Levinson, ancien commandant de combat dans les Forces de défense israéliennes, après une première expérience opérationnelle en 2018 : l'utilisation de drones pour détecter puis éteindre les incendies provoqués par des cerfs-volants et ballons incendiaires lancés depuis Gaza. Cette origine opérationnelle explique l'architecture produit de la société, organisée autour de deux segments distincts : les missions tactiques courte portée à temps de réponse rapide, et les missions longue portée à charge utile lourde. Sur ce second segment, les concurrents directs incluent Zipline (livraison médicale, déjà à l'échelle commerciale), Joby Aviation et Archer côté mobilité aérienne, ainsi que des acteurs défense comme Shield AI. La suite annoncée pour Heven passe par une expansion des déploiements militaires et l'intégration progressive des capacités de traitement quantique dans ses systèmes de perception, sans calendrier précis rendu public à ce stade.

IndustrielOpinion
1 source