benlong 
Qu'est-ce que l'IA Physique dans la Fabrication ? Leçons de FANUC, Nvidia, BMW et Hyundai
Sur la scène de la conférence GTC de Nvidia en mars 2026, Jensen Huang a fait une déclaration qui aurait semblé étrange il y a cinq ans : “ L’IA physique est là – tôt ou tard, chaque entreprise industrielle deviendra une entreprise de robotique. ” Peu de temps après, FANUC a annoncé ses plans d’intégration des technologies de simulation et d’edge-AI de Nvidia dans ses robots. BMW annonçait déjà les résultats du travail effectué par un robot humanoïde dans son usine de Spartanburg après dix mois d’utilisation. Hyundai promettait déjà d’utiliser le robot Atlas de Boston Dynamics dans son usine en Géorgie à partir de 2028.
Les vidéos démontrant les capacités des humanoïdes sont vraiment impressionnantes. Un humanoïde s’approche d’un rack, prend la pièce de tôle et la place sur le gabarit. On pourrait penser que les usines du futur seront remplies de robots humanoïdes.
Mais si vous entrez dans une usine produisant des disjoncteurs miniatures, le tableau change. Le contact argenté de moins d’un centimètre est soudé en moins de deux secondes, le rivetage est effectué sous des centaines de newtons de pression avec une précision de quelques centièmes de millimètre, et chaque disjoncteur est commuté avec un courant 5 à 10 fois supérieur à la limite autorisée et en quelques millisecondes. Aucun humanoïde ne réaliserait cette action plus rapidement que l’équipement spécialisé.
L’article est consacré à cet écart. L’IA physique dans la fabrication est déjà utilisée et se développe très rapidement, mais dans la plupart des usines, son potentiel ne réside pas dans les humanoïdes mais dans des machines capables de voir, ressentir et contrôler leurs opérations en boucle fermée. Dans l’article, nous expliquerons ce qu’est l’IA physique, ce que FANUC, Nvidia, BMW et Hyundai font dans ce domaine, et comment elle devient utile en production. Cela sera illustré par trois cas issus de la production de disjoncteurs : rivetage, soudure de contact et test magnétique de déclenchement.
Cet article poursuit notre série d’articles abordant le sujet de l’IA agentique dans la fabrication， tandis que l’IA agentique concerne les agents logiciels qui élaborent des plans et exécutent des opérations, l’IA physique décrit les robots et dispositifs réalisant les tâches dans la vie réelle. En pratique, les deux sont étroitement intégrés l’un à l’autre.
Réponse rapide : L’IA physique dans la fabrication Le monde fait référence aux systèmes d’IA qui reçoivent des données sensorielles du monde qui les entoure via des caméras, capteurs et autres signaux, analysent ce qu’ils ont traité et utilisent des robots ou machines pour effectuer des actions en conséquence. NVIDIA fournit le système d’exploitation principal pour ces systèmes ; FANUC, ABB, KUKA et Yaskawa intègrent ces systèmes dans des robots ; BMW et Hyundai testent des robots humanoïdes pour la logistique et la manutention des pièces. Pour les tâches nécessitant de la précision telles que le rivetage, la soudure et les tests électriques, un exemple d’implémentation de l’IA physique est l’utilisation de la vision-force en boucle fermée sur des dispositifs spécialisés plutôt qu’un robot humanoïde.
Qu’est-ce que l’IA physique dans la fabrication ?
L'IA physique fait référence à l'intelligence artificielle qui fonctionne dans le monde physique et pas seulement sur des écrans. Selon FANUC America, elle combine l'IA avec la robotique pour donner aux machines la capacité de percevoir, raisonner et agir dans un environnement en évolution. Un modèle de langage produit du texte, tandis qu'un système d'IA physique détermine la pression à appliquer pour tenir un objet, où placer l'outil de soudage, ou si le profil de force qu'il vient de mesurer indique que le rivet est bon.
Les robots existent dans les usines depuis des décennies, ce qui rend important de comprendre ce que ce robot particulier peut faire qui n'était pas possible auparavant. Un robot industriel standard fonctionne en suivant une trajectoire fournie par un ingénieur humain. Si une pièce arrive légèrement mal placée, soit le robot échoue, soit cela est détecté par un capteur qui doit être réparé par quelqu'un. Un système d'IA physique est censé pouvoir faire tout cela directement et de manière autonome : déterminer où se trouve la pièce, changer son comportement, revoir le résultat et en tirer des enseignements.
Automatisation traditionnelle vs IA agentique vs IA physique
| Automatisation traditionnelle | IA agentique | IA physique | |
|---|---|---|---|
| Où cela fonctionne | Machines et automates programmables industriels (API) | Systèmes logiciels tels que MES, ERP et outils de maintenance | Robots et machines dans le monde réel |
| Comment cela décide | Règles fixes et trajectoires enseignées | Planifie les étapes vers un objectif en utilisant des données et des outils logiciels | Modèles appris qui relient ce qu'il perçoit à la manière dont il se déplace |
| Entrées principales | Seuils de capteurs, interrupteurs de fin de course | Ordres, enregistrements de tests, alarmes, e-mails | Images de caméra, force et couple, position, courant, son |
| Sortie typique | Accepter ou rejeter une pièce, exécuter un cycle fixe | Un ordre de travail, un nouveau planning, une recommandation | Un mouvement ajusté, une force corrigée, une prise ou un placement |
| Exemple | Une presse rejette une pièce au-delà d'une limite de force | Un agent reprogramme les tâches après un retard fournisseur | Un robot trouve la position réelle d'une pièce par vision et ajuste sa prise |
Les éléments constitutifs de l'IA physique
Lorsqu'on enlève les ornements, la plupart des systèmes d'IA comprennent les mêmes quatre composants :
Détection. Impliquant l'utilisation de caméras, vision 3D, capteurs de force et signaux électriques tels que courant et temps, les processus de détection riches permettent aux systèmes d'IA d'apprendre.
Modèles du monde et simulations. Il est plus sûr et plus rapide pour les robots d'apprendre via des simulations plutôt qu'en temps réel. Isaac Sim et Omniverse de Nvidia ainsi que le moteur physique Newton ont été créés pour ce besoin spécifique — la génération de données d'entraînement réalistes et le test de l'activité du robot.
Calcul en périphérie (edge computing). Une décision de mouvement doit être prise en quelques millisecondes à proximité de la machine. Cela se fait grâce à l'utilisation de modules de calcul en périphérie tels que la série Jetson de Nvidia, qui est de plus en plus intégrée dans les robots par FANUC et ABB.
Technologie robotique ou machine. La technologie IA peut prendre la forme d'un bras robotisé à six axes, d'un robot mobile ou d'une tête de soudage.
Nvidia parle de la nécessité de trois ordinateurs pour la technologie IA : un ordinateur devrait être dans le centre de données, un autre dans le monde de la simulation virtuelle, et le dernier dans le robot. Cette perspective rappelle bien que l’IA est un système plutôt qu’un produit.
Comment l’IA Physique, l’IA Agentique et les Jumeaux Numériques s’Articulent Ensemble
BMW a clarifié comment ces idées s’articulent ensemble lors de la présentation de robots humanoïdes dans son usine de Leipzig en septembre 2026. Plus précisément, les agents IA décident et contrôlent les robots tandis que les robots assurent que cette intelligence est mise en œuvre dans un mouvement physique. En pratique, ces trois éléments répartissent leurs rôles comme suit :
- A jumeau numérique de la ligne de production simule une usine pour tester des modifications au niveau virtuel avant que tout équipement tangible ne soit touché.
- L’IA Agentique prend des décisions concernant les étapes suivantes, par exemple : quelle tâche doit être effectuée, quel composant doit être inspecté, quel problème doit être résolu, etc.
L’IA Physique exécute ce qui doit être fait et se comporte de manière appropriée durant le processus.FANUC, Nvidia et Hyundai décrivent leurs projets de manière analogue. La phase d’entraînement et de validation se déroule au niveau de la simulation tandis que la mise en œuvre de la tâche est réalisée par un robot.
L’Écosystème de l’IA Physique : Ce que font FANUC, Nvidia, BMW et Hyundai
L’IA Physique semble gagner en élan et en intérêt grâce aux activités menées par quelques entreprises dans le domaine de l’IA physique, dont l’une est responsable de la création de la plateforme sous-jacente, certaines développent des technologies robotiques, et quelques constructeurs automobiles testent des humanoïdes dans des conditions réelles de processus de production. Chacun d’eux rapporte ce qu’il fait en relation avec cette problématique.
Nvidia : La Couche pour la Plateforme
Nvidia n’est pas directement impliqué dans la création de robots industriels, mais fournit la plupart des logiciels et matériels pertinents pour les opérations d’IA physique. Ainsi, lors du GTC en mars 2026, Nvidia a parlé des éléments suivants :
Le premier élément de la liste est Cosmos 3 – un modèle généraliste du monde utilisé pour acquérir des données d’entraînement synthétiques et pour prédire les changements futurs dans les scènes.
Le deuxième est Isaac Sim et Isaac Lab 3.0 liés à la simulation robotique et au processus d’apprentissage par renforcement.
Le troisième sujet est que la société a développé les modèles ouverts Isaac GR00T pour les robots humanoïdes. La principale avancée ici est que le GR00T N2 est plus de deux fois plus efficace pour accomplir ce à quoi il est destiné et appliquer de nouvelles technologies que les modèles les plus modernes basés sur l’utilisation de données visuelles et textuelles à ce jour.
Quatrièmement, Nvidia a présenté les bibliothèques Omniverse pour la création de jumeaux numériques.
Enfin, mais non des moindres, Jetson Thor qui est le processeur central d’un robot équipé d’IA. De plus, Nvidia a annoncé l’implication de Foxconn, qui coopère avec Skild AI sur l’assemblage de précision des installations de production Blackwell ; en outre, Samsung forme des robots à réaliser des opérations de câblage par simulation.
Adresse : Santa Clara, Californie, États-Unis.
FANUC : Apporte l’IA Physique aux Robots Industriels
FANUC est la marque à suivre, car elle dispose déjà des robots à votre disposition. L’entreprise japonaise crée des robots industriels, des systèmes CNC et des servomoteurs, et possède l’un des exemples mondiaux les plus avancés d’usines sans opérateur.
En mars 2026, FANUC America a déclaré que la société applique les technologies Nvidia dans sa production :
Jumeaux numériques. L’outil de simulation FANUC ROBOGUIDE peut être intégré avec les logiciels Isaac Sim et Omniverse, permettant aux fabricants de créer des modèles photoréalistes de la cellule ou de la ligne de production entière et de tester le modèle avant l’installation de l’équipement. De nombreux robots FANUC sont disponibles comme modèles pour la simulation.
IA en périphérie. Avec Jetsons, les robots peuvent réagir en temps réel aux variations des pièces et autres opérations.
Installation ouverte. FANUC a publié le pilote ROS 2 en tant qu’officiel et offre un support pour Python sur des robots pesant de 3 kg à 2,3 tonnes.
Programmation en langage naturel. FANUC utilise l’IA Nvidia pour que les robots comprennent le langage naturel des employés et créent automatiquement du code Python, permettant ainsi l’utilisation de personnel non spécialisé pour la programmation.
“ L’IA physique est la prochaine étape de l’automatisation industrielle ”, a déclaré Mike Cicco, président de FANUC. En juillet 2026, Fujitsu a annoncé son projet de développement conjoint de l’intelligence artificielle physique avec FANUC, Yaskawa Electric et Kawasaki Heavy Industries via la création d’une interface de contrôle coopérative utilisant les technologies Nvidia, notamment Cosmos, Omniverse, Isaac et Newton. Une caractéristique spéciale de la plateforme annoncée est sa souveraineté garantie des données, ce qui, selon Fujitsu, contribue à une meilleure sécurité des données, à la réduction des risques d’arrêt et des risques de fuite de données. Les propriétaires d’usines inquiets de connecter leurs lignes de production à des applications d’intelligence artificielle externes comprendront pourquoi.
Siège social : 3580 Shibokusa, Oshino-mura, Minamitsuru-gun, Yamanashi 401-0597, Japon. Numéro de téléphone : +81-555-84-5555. FANUC America est située à Rochester Hills, Michigan, USA.
Envoyer des commentaires
BMW : Humanoïdes au Travail en Production Réelle
BMW a communiqué plus de chiffres concernant les robots humanoïdes que tout autre constructeur automobile au monde, ce qui rend son expérience très intéressante à étudier.
À l'usine de Spartanburg, en Caroline du Sud, l'humanoïde Figure 02, produit par Figure AI, a travaillé pendant dix mois dans l'atelier de carrosserie avec une semaine de travail de cinq jours et une durée de poste de dix heures. BMW affirme que ce robot a manipulé plus de 90 000 pièces pendant 1 250 heures de travail, a organisé les pièces pour le soudage avec une précision millimétrique, et a participé à la fabrication de plus de 30 000 unités de la voiture BMW X3. Le projet pilote a permis à BMW d'apprendre des choses inattendues sur la sécurité, notamment l'introduction de barrières et de cloisons supplémentaires dans le lieu de travail et une amélioration de la couverture du réseau 5G dans l'atelier. Il extrait diverses pièces de conteneurs énormes et les transporte dans des chariots de traitement des commandes, qui sont finalement envoyés à la ligne de production dans l'ordre approprié.
BMW a fait ses débuts avec AEON, le robot humanoïde construit par Hexagon Robotics. Aujourd'hui, AEON mesure 1,65 mètre de hauteur, pèse 60 kilogrammes et a la capacité de changer de prise. Il lance la production de batteries et composants haute tension en prenant en charge des tâches répétitives nécessitant de nombreux mouvements. De plus, BMW a inauguré son Centre de Compétence en IA Physique en Production pour évaluer les entreprises partenaires et transférer les projets du laboratoire aux usines.
Ce qui est important, c'est que les humanoïdes créés par BMW sont chargés du transport, de l'application et de la manipulation des composants. Ils ne remplacent que les opérations logistiques orientées vers l'humain et diminuent l'importance des processus plus complexes dans les domaines techniques et de fabrication.. Ce comportement doit être pris en compte par chaque entreprise.
Emplacement : Petuelring 130, Munich, Allemagne. Il y a également une usine de Spartanburg située à Greer, Caroline du Sud, États-Unis.
Envoyer des commentaires
Hyundai et Boston Dynamics : Humanoïdes à l'échelle industrielle
Hyundai Motor Group a acheté Boston Dynamics et a réalisé des investissements sans précédent dans les robots humanoïdes dans le secteur industriel.
Au CES en janvier 2026, la société a présenté la production rapide d'Atlas. L'humanoïde est entièrement électrique, possède 56 axes et peut saisir jusqu'à 50 kilogrammes. De plus, la machine ne nécessite aucune source d'énergie externe. Hyundai Motor Group prévoit d'utiliser Atlas dans l'usine conjointe de la société aux États-Unis et lancera probablement la production d'humanoïdes aux États-Unis d'Amérique.
Grâce au partenariat avec Nvidia, Hyundai travaille sur le logiciel qui permettra à l'entreprise d'établir le fonctionnement de l'usine. Ils prévoient également d'investir environ $3 milliard dans le développement de la technologie d'IA Physique de la Corée.
Les sites des usines de Hyundai Motor Group sont situés à Ellabell, comté de Bryan, Géorgie, États-Unis. Boston Dynamics est situé à Waltham, Massachusetts.
ABB, KUKA, Yaskawa et autres entreprises
De plus, d'autres fabricants de robots manifestent un intérêt pour le domaine des humanoïdes. La société ABB développe ses programmes de simulation Omniverse et Isaac pour améliorer l'efficacité des robots et contrôler leurs opérations. Des entreprises telles que KUKA et Yaskawa appliquent également ces simulations. Universal Robots a conclu un partenariat avec Skild AI pour rendre ses cobots capables de gérer des tâches basiques.
Aperçu des entreprises de Physical AI
| Entreprise | Quartier général | Rôle dans le Physical AI | Travail phare |
|---|---|---|---|
| Nvidia | Santa Clara, États-Unis | Plateforme : simulation, modèles du monde, ordinateurs pour robots | Isaac Sim, Omniverse, Cosmos 3, GR00T, Jetson Thor |
| FANUC | Oshino, Yamanashi, Japon | Robots industriels et CNC | ROBOGUIDE avec Isaac Sim, pilote ROS 2, programmation en langage naturel |
| ABB Robotics | Zurich, Suisse | Robots industriels | Mise en service virtuelle avec Omniverse, Jetson dans les contrôleurs |
| KUKA | Augsburg, Allemagne | Robots industriels | Omniverse et Isaac dans la mise en service virtuelle |
| Yaskawa | Kitakyushu, Japon | Robots industriels et entraînements | Intégration de simulation ; plateforme Physical AI de Fujitsu |
| Groupe BMW | Munich, Allemagne | Fabricant et utilisateur pilote | Figure 02 et 03 à Spartanburg, Hexagon AEON à Leipzig |
| Hyundai / Boston Dynamics | Séoul, Corée / Waltham, États-Unis | Fabricant et créateur d'humanoïdes | Atlas à Metaplant America à partir de 2028 ; usine Nvidia AI |
| Figure AI | Californie, États-Unis | Créateur d'humanoïdes | Figure 02 et 03 chez BMW |
| Hexagon Robotics | Stockholm, Suède (Hexagon) | Créateur d'humanoïdes | AEON chez BMW Leipzig |
Exemples de Physical AI dans les usines actuelles
En dehors des vidéos conceptuelles, les paragraphes précédents présentent un aperçu complet des applications du Physical AI déjà opérationnelles ou en phase de test :
Chargement des pièces pour la soudure. Comme montré dans la Figure 2, les pièces soudées pour les opérations de fabrication automobile de BMW sont utilisées depuis plus de dix mois.
Séquençage des pièces. Illustré dans la Figure 3, dans les locaux de Spartanburg et à partir de 2028, Atlas sera utilisé sur le site Hyundai pour illustrer le séquençage et le tri des composants pour la fabrication.
Production de batteries et composants. Les batteries haute tension fabriquées par BMW Leipzig utilisent le programme AEON de Hexagon.
Mise en service virtuelle. Omniverse et Isaac Sim permettront la simulation des robots ABB, FANUC, KUKA et Yaskawa ainsi que leur programmation avant leur mise en œuvre réelle.
Programmation basée sur le langage naturel. La programmation des robots FANUC traduit les commandes vocales en langage de programmation Python.
Assemblage électronique de haute précision. L'installation à grand volume exploitée par Foxconn, qui utilise la technologie développée par Skild AI, a démontré la viabilité de l'utilisation de l'installation Blackwell de Nvidia ainsi que les principes sous-jacents à sa production.
Manipulation des fils et câbles. Samsung continue de former des robots à manipuler les fils dans ses installations qui simulent la tâche difficile de travailler avec des fils flexibles en utilisant la technologie robotique traditionnelle.
Dans l'ensemble, la tendance est à la variation. Les robots humanoïdes sont utilisés lorsque les pièces arrivent sans tri et lorsque l'environnement de travail est conçu pour l'opérateur humain. Les bras robotiques équipés d'IA seront appliqués dans les cas où les pièces sont représentées par des éléments flexibles toujours en mouvement. En termes de processus stables, l'IA apporte une assistance dans le traitement de grands volumes de données plutôt que de remplacer les méthodes traditionnelles.
Vérification de la réalité : pourquoi les humanoïdes n'assembleront pas vos disjoncteurs
Pour être franc, plusieurs responsables d'usine visionnent des vidéos d'humanoïdes et sont interrogés sur l'existence ou non d'une stratégie robotique.
Robots humanoïdes dans la fabrication ont du sens lorsque le travail est de forme humaine : déplacer son propre corps dans l'usine, atteindre les étagères et livrer des pièces de différentes tailles dans un espace similaire à celui de l'humain. En revanche, ils sont inutiles pour les tâches petites et rapides. L'exemple de l'assemblage de disjoncteurs illustre cela très bien.
| Exigence | Besoin typique de production de disjoncteurs modulaires (MCB) | Humanoïde polyvalent | Machine dédiée avec contrôle de vision et de force |
|---|---|---|---|
| Temps de cycle | Environ 1,5 à 3,5 secondes par opération | Conçu pour la flexibilité plutôt que pour des cycles de l'ordre de la seconde | Conçu autour du temps takt cible |
| Positionnement | Centièmes de millimètre | BMW rapporte une précision au millimètre lors du positionnement des pièces | Alignement par vision à ±0,02–0,05 mm sur les machines Benlong |
| Force de processus | Des centaines de newtons à plusieurs kN, contrôlés à quelques pourcents près | Non conçu comme une tête de presse ou de soudage | Contrôle de force servo, par exemple 100–1 000 N à ±3% |
| Données par unité | Courbe de force, énergie de soudage ou temps de déclenchement pour chaque numéro de série | Dépend de l'intégration | Enregistré par unité et envoyé au MES |
| Meilleure utilisation | — | Logistique, séquençage, surveillance des machines, manutention des matériaux | Rivetage, soudage, test, assemblage |
Cela n'implique pas que les humanoïdes n'ont aucun rôle dans la production d'équipements électriques. BMW et Hyundai testent des robots pour effectuer des tâches telles que déplacer des bobines, charger des chargeurs ou transporter des cartons complets. Cependant, les actions à forte valeur ajoutée associées à la fabrication des disjoncteurs ne peuvent être réalisées que par des machines spécialisées équipées de systèmes de détection et de contrôle fonctionnant en boucle fermée.
Où l'IA physique fonctionne : détection et action en boucle fermée
Lorsqu'on parle de fabrication de précision, il s'agit essentiellement d'une opération qui se déroule en boucle tout au long des cycles. Cela comprend quatre étapes :
Détecter – une caméra identifie la pièce, puis, à l'aide soit du capteur de force soit du servomoteur, la force opposée au mouvement est mesurée, tandis que l'onduleur affiche l'énergie utilisée pour le soudage, et le signal de test identifie le temps de déclenchement.
Décider – le contrôleur compare le signal reçu avec le modèle “ golden ” connu tout en le comparant à certaines limites déterminées par les ingénieurs. De plus, l'algorithme d'IA peut faire quelque chose que le système basé sur des règles ne peut pas : détecter les débuts de courbes défectueuses plutôt que de simplement constater qu'une des valeurs dépasse la limite.
Agir – la machine peut soit corriger le positionnement de la pièce avant l’assemblage, s’arrêter en cas de signal anormal ou rejeter la pièce, ou au moins attirer l’attention sur une certaine tendance.
Apprendre – chacun des signaux sera enregistré sous un numéro de série spécifique utilisé pour la formation du modèle/algorithme.
Trois processus expliqués ci-dessous pour la production de disjoncteurs miniature illustrent ce processus. Le matériel utilisé pour la détection et l’enregistrement des données a été prouvé comme existant dans les machines actuelles..
Rivetage : Lecture de la courbe Force-Déplacement
Le rivetage est une méthode d’assemblage des pôles de disjoncteurs en unités contenant plusieurs pôles et de réalisation des connexions à l’aide de contacts en argent. Un rivet peut sembler correct de l’extérieur, tout en étant lâche, fissuré ou trop court.
Sur une machine d'assemblage automatique multipolaire MCB, la paroi latérale d’une pièce est d’abord alignée et nivelée avec la caméra à une précision de ±0,05 mm. Toute pièce qui n’est pas alignée est éliminée de l’usinage ultérieur. Le système de rivetage est ensuite appliqué, avec une force allant de 500 N à 5 kN, et les paramètres de l’opération sont constamment surveillés, avec des interventions en cas d’anomalie. La machine mesure également d’autres paramètres, y compris ceux liés au nombre et à la profondeur des rivets.
Le rivetage de contact offre une plus grande efficacité. Un machine automatique de rivetage de contact en argent qui utilise une caméra et une plage de force de 100 à 1 000 N, il est possible d’obtenir une courbe caractéristique force-déplacement qui dépend du type spécifique de rivet utilisé.
C’est là que l’IA physique entre en jeu. Une limite peut indiquer que la valeur maximale nécessaire a été dépassée. Cependant, il est très peu probable qu’elle explique que l’échec du processus pourrait être causé par un contact manquant, une tête de rivet cassée, un poinçon usé, ou que la composition du matériau utilisé lors du processus d’usinage était différente de celle utilisée dans les lots précédents.
Soudage par contact : Apprentissage à partir de l’énergie de soudage et du déplacement
Les connecteurs sont fabriqués par des méthodes de soudage, des points d’argent sur des connecteurs en cuivre, des bandes bimétalliques pour les mouvements et des tresses en cuivre, un ensemble de déclenchement magnétique. Le soudage à froid peut passer l’inspection visuelle et échouer sur site.
Sur une machine automatique de soudage par point et contact en argent, le soudage par résistance est alimenté par un onduleur DC à fréquence moyenne de 1 à 4 kHz, avec une force d’électrode contrôlée par servo de 50 à 500 N à ±5%. La quantité d’énergie de soudage peut être comparée au profil pour chaque soudure, les capteurs de déplacement et de force détectent les pièces mal ajustées et enregistrent l’énergie de soudage et le nombre de cycles, puis envoient ces données au MES.
Le même principe s’applique à la machine de soudage des bandes bimétalliques, contacts mobiles et tresses en cuivre, qui fonctionne à 1 200–1 320 pièces par heure et rejette toute jonction dont l’énergie et le déplacement sortent de leurs courbes. La machine automatique de soudage de l’ensemble de déclenchement magnétique ajoute un alignement guidé par vision et un test de résistance en ligne après chaque soudure, rejetant les jonctions au-dessus d’une limite prédéfinie, typiquement 0,1 mΩ.
L'IA physique transformera ce signal en quelque chose d'utile. L'usure de l'électrode se manifeste progressivement par des changements dans les graphiques d'énergie et de déplacement. Actuellement, ces machines comptent le nombre de soudures par électrode et avertissent lorsqu'il faut la remplacer ; un modèle basé sur ces données permettra de faire des pronostics sur la baisse de qualité de la soudure avant l'apparition de tout défaut.
Test de déclenchement magnétique : détection de dérive entre les stations
Conformément à la norme IEC 60898-1, les disjoncteurs de tension fonctionnent selon leurs courbes caractéristiques. Le déclenchement instantané de ces disjoncteurs se situe dans les limites spécifiées par ces courbes : environ 3 à 5 fois le courant nominal pour les courbes B, 5 à 10 fois pour les courbes C et 10 à 20 fois pour les courbes D. Bien que les disjoncteurs ne doivent pas déclencher en moins de 0,1 s, ils ne peuvent pas dépasser les limites mentionnées.
Un Machine automatique de test de déclenchement magnétique et de test haute tension pour disjoncteurs MCB applique des courants de test programmables de 5x, 7,5x et 10x le courant nominal pour les courbes B, C et D respectivement. L'appareil teste le temps de déclenchement avec une précision de ±1 ms, mesure la résistance de contact inférieure à 0,5 mΩ, et teste la résistance haute tension à un niveau de 4000 V. Les mesures telles que le temps de déclenchement, les événements (marche/arrêt), le courant de fuite, la réussite/échec et l'horodatage sont stockées dans le système MES via le protocole OPC UA.
C'est ici que les distinctions entre l'IA physique et l'IA agent commencent à s'estomper. En effet, un résultat de déclenchement déterminé lentement est souvent lié à un processus passé, par exemple, une soudure de bobine, un yoke provenant d'un nouveau fournisseur ou un changement de rivetage. Connecté au système de données, un modèle peut retracer le résultat de qualité jusqu'aux signaux de soudure et de rivetage pour le disjoncteur MCB en question. Notre guide d'IA agentique explique comment un agent de qualité pourrait enquêter précisément sur ce type de dérive sur un Ligne de test automatique MCB et proposer une action à approuver par un ingénieur.
Quelle que soit l'IA, elle ne doit jamais élargir les limites des réglages de déclenchement ni modifier les objectifs de test spécifiés de son propre chef. Les décisions de réussite/échec pour la conformité aux normes IEC appartiennent au modèle approuvé du système de test.
Le Boucle Fermée en un Coup d'Œil
| Station | Détecter | Décider | Agir | Données conservées par unité |
|---|---|---|---|---|
| Rivetage multipôle | Vision CCD, force et profondeur servo | Vérification de l'alignement ; force et profondeur par rapport aux limites | Rejet avant rivetage ; arrêt en cas de force anormale | Force de rivetage, résultat de vision, horodatage, numéros de série liés |
| Raccordement par rivetage | Vision ±0,02 mm, courbe force-déplacement | Courbe par rapport au profil de référence | Rejet des mauvais rivets | Courbe force-déplacement |
| Soudure par contact | Énergie de soudure, force de l'électrode, déplacement | Énergie et déplacement par rapport aux courbes stockées | Rejet des joints hors profil ; alerte d'usure de l'électrode | Énergie de soudure, force, nombre de cycles |
| Soudure avec déclenchement magnétique | Alignement par vision, résistance en ligne | Résistance par rapport à la limite (par ex. 0,1 mΩ) | Rejet automatique | Résultat de soudure, nombre d'électrodes |
| Test de déclenchement magnétique | Courant de test, temps de déclenchement ±1 ms, fuite | Par rapport à la bande de courbe IEC | Tri réussite/échec | Temps de déclenchement, résistance de contact, fuite, numéro de série |
Comment démarrer avec l'IA physique dans une usine de taille moyenne
Une grande majorité de fabricants ne nécessitent ni un pilote humanoïde ni l’ensemble du système Nvidia pour devenir bénéfiques. Une étape concrète pour les entreprises de taille moyenne dans la production de machines électriques se présente comme suit :
Choisissez le type d’activité qui fournit de bons signaux de qualité pour commencer. Le rivetage servo, le soudage et les tests électriques des machines sont parfaits car ils possèdent les attributs dont l’IA physique a besoin pour apprendre, tels que les courbes de force, l’énergie de soudage et le temps de déclenchement.
Numérisez chaque signal et unité. Il est crucial de produire une courbe complète, pas seulement les rapports de réussite/échec, et de les relier au numéro de série, à la recette et au lot de matériau.
Créez une base de données d’exemples bons et mauvais. Étiquetez toujours les rejets dans la base de données, tels que les détails manquants, la fissure dans le rivet, la soudure froide et l’électrode sphérique à l’aide du système d’étiquetage. Il est important d’avoir de bonnes étiquettes afin d’obtenir un bon modèle.
- Simulez les processus avant toute modification sur la ligne de production. Utilisez le logiciel de simulation fourni par votre fournisseur de robots, tel que FANUC ROBOGUIDE ou Isaac Sim, ou un jumeau numérique, pour tester de nouvelles configurations, trajectoires de robots ou temps de cycle. 5. Commencez en mode ombre. Permettez à l’IA de classifier les courbes, de signaler les tendances et de comparer sa détection avec celle des ingénieurs pendant quelques mois.
Maintenez les limites et la sécurité dans le système PLC. L’IA peut vous informer du problème à venir.
Envisagez d’utiliser les humanoïdes et les robots mobiles uniquement à des fins logistiques. Fournir les matières premières, charger les chargeurs et manipuler les boîtes devraient être les seuls domaines pour lesquels les robots sont conçus.
Les meilleures entreprises du Global Lighthouse Network du Forum économique mondial ont utilisé une approche similaire à celle décrite ci-dessus : d’abord des processus stables et des données complètes, puis l’IA par-dessus. Nous avons couvert comment Siemens, Schneider Electric et Eaton y sont parvenus dans notre guide des exemples de phares d’usine.
L’IA physique en robotique est encore jeune, et une partie de ce qui est annoncé aujourd’hui ne survivra pas au contact avec une vraie ligne de production. L’investissement le plus sûr pour une usine actuellement est un équipement qui mesure chaque processus, chaque cycle, et conserve les données.. Ces données sont ce dont toute IA future, physique ou agentique, aura besoin.
Foire aux questions
Qu’est-ce que l’IA physique dans la fabrication ?
L’IA physique désigne les systèmes d’intelligence artificielle qui effectuent des observations du monde physique à l’aide de caméras, manomètres et autres dispositifs, fournissent une interprétation de ces informations et contrôlent des mécanismes qui réalisent certaines actions. Contrairement aux robots conventionnels, qui sont programmés pour opérer selon des trajectoires déterminées, les systèmes d’IA physique peuvent réagir aux changements survenant dans les objets et autres conditions. Avant d’être mis en service, ces systèmes sont généralement formés en technologie de simulation.
Quelles entreprises fabriquent de l’IA physique ?
Nvidia fournit une grande partie de la plateforme, des modèles humanoïdes Isaac Sim à GR00T, ainsi que des ordinateurs robots Jetson et des modèles mondiaux Omniverse Cosmos. Les fabricants de robots FANUC, ABB, KUKA et Yaskawa intègrent ces outils dans leurs logiciels de simulation et leurs robots. Les entreprises de robotique humanoïde incluent Boston Dynamics, Figure AI, Hexagon Robotics, Agility Robotics, 1X et NEURA Robotics. BMW et Hyundai fabriquent des IA physiques actuellement déployées dans des installations de production.
Quels sont des exemples d’IA physique ?
Quelques exemples sont les humanoïdes Figure fabriqués par BMW qui assemblent et trient des pièces à Spartanburg, AEON par Hexagon soutenant l’assemblage de batteries chez BMW Leipzig, et Atlas par Boston Dynamics, qui sera déployé par Hyundai pour le tri des pièces en Géorgie en 2028. Dans le domaine industriel, les robots FANUC peuvent désormais être programmés par langage parlé et testés via la simulation Nvidia. En production de précision, on observe également l’IA physique en action avec des machines de rivetage et de soudage à commande visuelle.
Quels sont les 5 emplois qui survivront à l’IA ?
Il est impossible de déterminer cinq intitulés de poste garantis de rester sûrs, mais le Rapport sur l’avenir des emplois 2025 donne un aperçu des emplois connaissant la croissance la plus rapide d’ici 2030. Selon ce rapport, ce sont les professions d’ouvriers agricoles, de livreurs, de développeurs de logiciels, de travailleurs du bâtiment et de vendeurs qui connaîtront la plus forte croissance, tandis que les métiers infirmiers et autres soins progresseront également à un rythme important. Dans les usines, l’intelligence artificielle modifie de nombreux emplois au lieu de les supprimer totalement, ce qui signifie que les spécialistes de la maintenance, les programmeurs de robots, les ingénieurs qualité et les spécialistes des processus auront un rôle plus important à jouer.
Comment l’IA est-elle utilisée dans l’industrie manufacturière ?
L’intelligence artificielle intervient dans l’inspection basée sur l’image, la maintenance prédictive, la planification des processus de fabrication, la programmation robotique, la simulation de jumeaux numériques, la gestion de l’énergie et la planification de la chaîne d’approvisionnement. Dans l’usage pratique, l’IA physique implique l’utilisation de robots et de machines capables de s’adapter aux changements, tandis que l’IA agentique coordonne les actions des systèmes MES et ERP. Les applications les plus avancées en 2026 concernent encore uniquement l’assurance qualité et les services de maintenance basés sur les données, ainsi que les expérimentations sur l’utilisation des robots humanoïdes pour la logistique et la gestion des pièces.
Conclusion : L’IA physique consiste à boucler la boucle, pas à copier le corps humain
Des entreprises comme FANUC, BMW, Nvidia et Hyundai ne se contentent pas d’étudier l’IA physique, elles la promeuvent dans les usines. Nvidia développe des modèles de simulation et des ordinateurs robotiques tandis que FANUC et d’autres fabricants les intègrent dans des robots opérationnels ayant déjà fonctionné pendant des millions d’heures. Enfin, BMW et Hyundai examinent les robots humanoïdes sur les lignes opérationnelles.
Cependant, lorsque nous examinons ce que ces humanoïdes font réellement sur les sites industriels, nous pouvons voir qu'ils sont impliqués dans des processus tels que le chargement, le transport, le tri et le séquençage. Ainsi, les fuites les plus compliquées ne semblent pas être dues à eux. Dans la plupart des cas, l'IA physique appliquée dans la fabrication est représentée par des machines qui se contentent de vérifier si une pièce est proche, de ressentir comment une structure se forme, de comprendre comment quelque chose se comporte et d'agir en conséquence.
C'est l'approche qui sera suivie par les fabricants souhaitant investir dans cette technologie à l'avenir.
Références
- Nvidia – NVIDIA et les leaders mondiaux de la robotique amènent l'IA physique dans le monde réel (mars 2026) – Cosmos 3, Isaac, GR00T, Jetson Thor, et les intégrations FANUC, ABB, KUKA et Yaskawa.
- FANUC America – FANUC accélère l'IA physique dans la robotique industrielle, en s'appuyant sur les technologies NVIDIA (mars 2026) – ROBOGUIDE, Isaac Sim, ROS 2 et programmation en langage naturel.
- Fujitsu – Développement de l'IA physique avec FANUC, Yaskawa Electric et Kawasaki Heavy Industries (juillet 2026) – plateforme souveraine de contrôle de l'IA physique.
- BMW Group – Premier robot humanoïde introduit dans l'usine de Leipzig (septembre 2026) – Hexagon AEON, résultats Figure 02 à Spartanburg et stratégie d'IA physique de BMW.
- Boston Dynamics – Boston Dynamics dévoile le nouveau robot Atlas (janvier 2026) – spécifications d'Atlas, plans de déploiement Hyundai et capacité de production de robots.
- Hyundai Motor Group – Usine IA NVIDIA Blackwell (octobre 2025) – 50 000 GPU, jumeaux numériques d'usine et validation de robots dans Isaac Sim.
- Forum économique mondial – Rapport sur l'avenir des emplois 2025 : emplois du futur – emplois à la croissance la plus rapide et en déclin jusqu'en 2030.
Vous souhaitez une vision et un contrôle de force sur votre ligne de disjoncteurs ?
L'IA physique commence avec des machines qui mesurent chaque rivet, chaque soudure et chaque test de déclenchement. Si vous produisez des disjoncteurs modulaires (MCB), des disjoncteurs à courant de défaut (MCCB), des disjoncteurs différentiels (RCCB), des contacteurs ou des interrupteurs et souhaitez un rivetage guidé par vision, une soudure par contact surveillée énergétiquement et un test de déclenchement magnétique entièrement traçable, envoyez-nous vos échantillons de produits, votre production cible et une brève description de votre processus actuel. Nos ingénieurs recommanderont où le contrôle en boucle fermée réduira d'abord votre taux de défauts, et comment connecter les données de chaque poste à votre MES.
