IndustrielRobotics Business Review7h

GE Vernova acquiert Robotech Automation pour développer son intégration robotique

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

GE Vernova, géant de l'énergie issu du démantèlement de General Electric en 2024 et dont le siège est à Cambridge (Massachusetts), a annoncé hier la signature d'un accord d'acquisition de Robotech Automation, intégrateur spécialisé basé à Longueuil, au Québec, près de Montréal. La société cible emploie environ 35 personnes et est cofondée par Carl Thibault et Francis Bourbonnais. Les deux entreprises collaboraient déjà sur des projets actifs au sein de la chaîne d'approvisionnement de GE Vernova, notamment dans ses usines de Schenectady (New York) et Charleroi (Pennsylvanie). L'opération, dont les termes financiers n'ont pas été divulgués, devrait être finalisée début du troisième trimestre 2026. Les équipes de Robotech seront intégrées à l'Advanced Research Center (ARC) de GE Vernova, avec pour mission de déployer des systèmes robotiques à travers l'ensemble de la chaîne d'approvisionnement du groupe, sur les axes sécurité, qualité, délai et coût.

Cette acquisition illustre une tendance structurelle dans l'industrie lourde : les grands donneurs d'ordre cessent de sous-traiter l'intégration robotique pour l'internaliser. En absorbant un intégrateur de 35 personnes plutôt qu'en signant un simple contrat de services, GE Vernova sécurise une compétence rare, celle de la conception propriétaire et du déploiement terrain à grande échelle, dans un contexte où la disponibilité d'ingénieurs expérimentés en automatisation industrielle est un goulot d'étranglement réel. Le PDG Scott Strazik a explicitement mentionné l'objectif de bâtir une "capacité de déploiement robotique de classe mondiale" en interne, signal clair que le groupe n'entend plus dépendre de partenaires extérieurs pour ses programmes d'automatisation. Pour les intégrateurs indépendants du secteur énergétique, ce mouvement pose une question directe sur leur positionnement face à des grands comptes qui deviennent progressivement leurs propres concurrents en intégration.

GE Vernova opère dans les segments production d'énergie, électrification et éolien depuis sa scission de General Electric en 2024, avec environ 85 000 employés dans une centaine de pays. Au Canada, sa présence remonte à plus de 130 ans, avec plus de 2 400 employés répartis sur six sites, dont le projet de premier petit réacteur modulaire (SMR) du monde occidental développé avec Ontario Power Generation à Toronto. En janvier 2026, le groupe avait annoncé un investissement de près de 600 millions de dollars dans ses usines américaines sur deux ans, avec la création de plus de 1 500 emplois. L'acquisition de Robotech s'inscrit dans cette dynamique d'expansion industrielle et illustre l'émergence de l'écosystème québécois de robotique comme vivier d'acquisition pour les industriels nord-américains. La prochaine étape sera de vérifier si le déploiement dans les usines existantes donne lieu à des résultats mesurables publiés, les annonces de ce type restant souvent sans métriques de suivi.

À lire aussi

1Robotics Business Review

Échouer vite, petit et sans risque : un modèle pratique pour l'automatisation robotique

En automatisation robotique industrielle, la majorité des projets n'échouent pas par manque de compétence - ils échouent parce que les apprentissages critiques arrivent trop tard. C'est le constat du responsable de la recherche et de l'innovation chez Bullen Ultrasonics, spécialiste américain de l'usinage par ultrasons, dans une analyse publiée en avril 2026. Sa thèse centrale : les systèmes robotiques concentrent le risque en amont du déploiement. Une fois une cellule mise en service - outillage construit, trajectoires validées, temps de cycle figés, systèmes de sécurité certifiés - le moindre changement déclenche des cascades de perturbations. Un crash en phase d'intégration peut endommager des outils de préhension (EOAT), détruire des composants à long délai d'approvisionnement, et repousser les jalons de production de plusieurs semaines à plusieurs mois. Les hypothèses formulées en conception - portée, charge utile, inertie, variabilité des pièces, marges de préhension, comportements de récupération - paraissent souvent raisonnables individuellement, mais leurs interactions dans une cellule réelle génèrent des comportements que personne n'avait anticipés. Ce mécanisme de verrouillage précoce du risque transforme la logique de rentabilité d'un projet d'automatisation. Le ROI, pourtant clairement établi au départ (efficacité, sécurité, débit, capacité libérée), se retrouve directement exposé dès que les cycles de débogage, les reprises d'outillage et les dates de lancement manquées s'accumulent en fin de projet. L'enseignement clé pour les intégrateurs et les décideurs industriels est contre-intuitif : "fail fast" en robotique ne signifie pas déployer vite et itérer en production comme en développement logiciel - impossible sur une ligne réelle. Cela signifie forcer les incertitudes à remonter avant que les systèmes physiques soient figés, quand les conséquences sont encore maîtrisables et réversibles. Le timing de la découverte, pas la rigueur d'exécution, détermine si un échec est productif ou destructeur pour le projet. Bullen Ultrasonics, fondée en 1946 à Eaton (Ohio), s'est positionnée sur la robotisation de procédés d'usinage complexes, ce qui lui confère une perspective opérationnelle directe sur les défaillances d'intégration. L'article s'inscrit dans un débat structurant du secteur : alors que les grands fournisseurs de plateformes robotiques comme ABB, FANUC, KUKA ou Universal Robots poussent vers des déploiements plus rapides, et que les intégrateurs systèmes opèrent sous pression calendaire, la question de savoir où positionner les phases de validation reste critique. Il convient de noter que l'article ne présente pas de métriques chiffrées ni de retours d'expérience concrets, et se positionne davantage comme un cadre méthodologique généraliste. Des recommandations pratiques sur la simulation, la validation en environnement réduit et la gestion structurée des hypothèses d'intégration sont annoncées dans des publications à venir.

IndustrielOpinion

1 source

2Robotics Business Review

FANUC s'associe à Google pour développer l'IA physique dans ses robots

FANUC Corp. a annoncé cette semaine un partenariat stratégique avec Google visant à accélérer le déploiement de l'IA physique dans ses robots industriels. L'initiative s'appuie sur les technologies d'intelligence artificielle de Google, notamment les grands modèles de langage (LLM), pour doter les robots FANUC de capacités de perception environnementale, de prise de décision autonome et d'exécution adaptative. Mike Cicco, président et CEO de FANUC America, a résumé l'enjeu sans détour : "Les fabricants ne se demandent plus s'ils doivent utiliser l'IA, mais comment l'appliquer là où ça compte le plus, soit sur le sol de l'usine." Depuis la présentation de son système d'IA physique à l'IREX de Tokyo en décembre 2025, FANUC affirme avoir déjà expédié plus de 1 000 robots pour des applications liées à l'IA physique, une donnée qui distingue ce partenariat d'une simple annonce commerciale. La gamme concernée s'étend des petits bras avec une charge utile de 3 kg jusqu'aux robots industriels lourds supportant 2 300 kg, ainsi que la série collaborative CRX. Sur le plan technique, la compatibilité de FANUC avec le standard ROS (Robot Operating System) via des pilotes open-source constitue le socle de l'intégration. La société prend en charge le langage Python pour le développement IA, des interfaces de communication haute vitesse pour le contrôle externe, et des passerelles vers les automates programmables (PLC), ce qui facilite l'insertion dans des lignes de production existantes sans refonte d'architecture. En parallèle, FANUC annonce un resserrement de l'intégration entre son logiciel de simulation ROBOGUIDE et le framework NVIDIA Isaac Sim, un signal fort vers le sim-to-real, l'un des verrous techniques majeurs de la robotique adaptative. Pour les intégrateurs et les décideurs industriels, ce positionnement signifie que les outils IA grand public deviennent directement utilisables sur des cellules robotisées certifiées production, ce qui réduit significativement la distance entre prototype et déploiement réel. FANUC, fondée au Japon et dont la filiale américaine est basée à Rochester Hills, Michigan, est l'un des leaders mondiaux du contrôle numérique (CNC) et de la robotique industrielle, avec des implantations sur tout le continent américain. Google s'implique dans la robotique principalement via Intrinsic, son unité dédiée à l'IA robotique et l'un des contributeurs majeurs à l'écosystème ROS. Ce partenariat positionne les deux acteurs dans une course qui s'intensifie entre les fournisseurs de robots industriels traditionnels (ABB, KUKA, Yaskawa) et les nouveaux entrants humanoïdes comme Figure ou Agility Robotics, qui misent eux aussi sur des LLM pour la flexibilité d'exécution. FANUC, fort de 1 000 unités déjà expédiées, cherche à démontrer que l'IA physique n'est plus un sujet de R&D mais une réalité commerciale intégrable à grande échelle. Les prochaines démonstrations sont attendues au Robotics Summit & Expo de Boston dans les prochains jours.

UEPression concurrentielle directe sur ABB et KUKA face à un déploiement LLM-robotique industrielle désormais à échelle commerciale chez FANUC (1 000 unités expédiées), accélérant la course à l'IA physique dans l'industrie manufacturière européenne.

IndustrielOpinion

1 source

3arXiv cs.RO

Automatisation robotique assistée par apprentissage automatique pour la fabrication industrielle

Des chercheurs ont présenté un système hybride baptisé Learning-Augmented Robotic Automation (LARA), déployé sur une ligne de production réelle de moteurs électriques pour automatiser deux tâches jusqu'alors confiées à des opérateurs humains : l'insertion de câbles déformables et la soudure. Le système combine des contrôleurs de tâches appris par imitation et un moniteur de sécurité neuronal 3D, intégré directement dans les workflows industriels existants. Entraîné avec moins de 20 minutes de données réelles par tâche, LARA a fonctionné en continu pendant 5 heures 10 minutes, produisant 108 moteurs sans barrière physique de protection, avec un taux de conformité de 99,4 % aux tests de contrôle qualité au niveau produit. Le takt time atteint est comparable à celui d'un opérateur humain, avec une réduction mesurée de la variabilité des joints de soudure et des temps de cycle. Ce résultat s'attaque directement au fossé entre démonstration laboratoire et déploiement industriel effectif, l'obstacle principal qui freine l'adoption de la robotique apprenante en production. L'entraînement en moins de 20 minutes par tâche abaisse considérablement la barrière à l'intégration pour les industriels et les intégrateurs système. Pour un COO de ligne d'assemblage, le point le plus structurant est l'absence de caging physique : le moniteur neuronal remplace les protections mécaniques classiques, ouvrant la voie à des cellules collaboratives sans les coûts de reconfiguration d'atelier associés aux robots industriels traditionnels. La manipulation de câbles déformables et la soudure figurent parmi les tâches les plus résistantes à la robotisation classique, du fait de la déformation matière et de la non-répétabilité des poses. Sur ce segment, Physical Intelligence (Pi-0.5) et Figure AI (Helix sur Figure 02) poussent des VLA généralistes pour la manipulation multi-tâches, tandis que Wandercraft et Enchanted Tools, tous deux français, ciblent respectivement la mobilité humanoïde et les robots de service. LARA se distingue par son pragmatisme : pas d'humanoïde, pas de modèle fondationnel, mais une hybridation ciblée sur des cellules industrielles existantes. Les auteurs évoquent comme suites naturelles l'extension à d'autres tâches de câblage et la validation sur des lignes multi-produits.

UELa fabrication de moteurs électriques est un segment clé de la transition EV en Europe ; LARA démontre qu'un système appris en moins de 20 minutes peut atteindre le takt time humain sur des tâches résistantes à la robotisation classique, abaissant directement la barrière d'adoption pour les intégrateurs et industriels européens sans reconfiguration lourde d'atelier.

IndustrielActu

1 source

4Robotics & Automation News

Locus Robotics déploie Locus Array pour l'automatisation complète des entrepôts

Locus Robotics, spécialiste américain des systèmes d'automatisation d'entrepôts, a officialisé le lancement de Locus Array, une solution qu'elle qualifie de système de préparation de commandes entièrement autonome. La plateforme intègre des robots mobiles autonomes (AMR), un bras de préhension robotisé et un module de perception piloté par IA, avec l'objectif de couvrir l'ensemble du flux de traitement des commandes sans intervention humaine. Des déploiements en accès anticipé sont déjà engagés chez des clients en Amérique du Nord, bien que les détails opérationnels (payload, cadence de cycle, taux de précision) n'aient pas encore été communiqués publiquement. L'enjeu industriel est réel : les AMR de première génération automatisaient le transport inter-zones, mais laissaient le picking, tâche la plus coûteuse en main-d'oeuvre -- à des opérateurs humains. Intégrer un bras de préhension directement sur la plateforme mobile représente un saut architectural vers l'autonomie bout-en-bout. Pour les intégrateurs et les décideurs logistiques, cela change le calcul du ROI : si les métriques tiennent à l'échelle, l'argument pour réduire les effectifs de picking devient structurel. Reste à valider la robustesse hors conditions contrôlées, un point que l'annonce ne documente pas encore. Locus Robotics a levé plus de 400 millions de dollars depuis sa fondation en 2015, mais a traversé une période difficile en 2023, avec des réductions d'effectifs significatives liées à un ralentissement du marché e-commerce. Locus Array s'inscrit donc dans une stratégie de repositionnement vers la valeur ajoutée. Sur ce segment, la concurrence est dense : Exotec (Roubaix, France) avec son système Skypod, Symbotic, Geek+ et Boston Dynamics avec Stretch visent tous le même créneau de préparation autonome. La phase d'accès anticipé devra produire des données opérationnelles convaincantes pour crédibiliser la proposition face à ces acteurs déjà déployés à grande échelle.

UEExotec (Roubaix, France) est directement en compétition sur ce créneau de préparation autonome et devra défendre sa position si Locus Array produit des métriques opérationnelles convaincantes à l'échelle.

IndustrielOpinion

1 source