L’émergence de l’IA incarnée, fondée sur des "world models", reconfigure les exigences de conformité, de responsabilité et de gouvernance applicables aux systèmes autonomes physiques. L’enjeu pour les entreprises est d’intégrer ces obligations dès la conception et d’anticiper les modalités contractuelles de leur déploiement.

Alors que certains annoncent l’éclatement d’une bulle de l’intelligence artificielle en 2026, une dynamique bien plus profonde est en train de s’installer : l’avènement de l’IA Physique (Physical AI) et de la robotique incarnée. L’essentiel de l’attention médiatique s’est concentré sur les modèles de langage, pourtant la mutation la plus structurelle semble ailleurs. La nouvelle frontière de l’IA n’est plus seulement cognitive, elle est fondamentalement incarnée. Saisir ce déplacement est indispensable. Car lorsque l’IA quitte l’écran pour entrer dans les usines, les entrepôts, les maisons ou tout espace partagé avec des humains, ce ne sont plus seulement des performances algorithmiques qui sont en jeu, mais des corps, des mouvements, des risques, et donc aussi du droit.

"La vraie rupture n’est pas la forme humanoïde, mais la capacité d’agir dans un environnement incertain"

Les robots humanoïdes en sont l’illustration la plus visible. Des acteurs comme Tesla avec Optimus, Figure ou Agility Robotics développent des systèmes capables non seulement de percevoir leur environnement, mais surtout d’anticiper les conséquences de leurs actions. Avancer, se retourner, saisir un objet avec dextérité ou évoluer à proximité d’un humain implique de simuler le monde, de prévoir ce qui peut arriver, et de corriger en permanence.

Pour les entreprises et les décideurs, ce sujet est d’importance capitale. D’une part, la robotique incarnée présente des cas d’usage réels et immédiats, notamment sur les chaînes de fabrication ou pour l’assistance sur un continent avec une population vieillissante. D’autre part, si l’IA est le moteur, la robotique en sera le moyen de transport. Ce ne sont donc pas seulement les humains qui, à terme, s’immergeraient dans des mondes virtuels, mais bien des systèmes d’IA incarnés qui vont venir augmenter notre monde réel.

Fondements techniques : Le world model, simulateur du réel

Pourquoi cette rupture maintenant ? Parce que l’IA générative, aussi impressionnante soit-elle, atteint ses limites dès qu’il s’agit d’agir physiquement. Un modèle de langage peut décrire une action, mais il ne peut pas en anticiper les effets dans le monde réel. Comme le souligne régulièrement Yann LeCun, aucun LLM ne pourra raisonner de manière fiable sur un environnement qu’il ne perçoit pas. L’IA incarnée vise précisément à traiter ce déficit.

Sur le plan technique, cela suppose de nouvelles architectures qui reposent notamment sur des "world models". Un world model est une représentation interne apprise de l’environnement, permettant à un agent de simuler ses évolutions possibles et d’évaluer des actions avant de les exécuter dans le monde réel. Il s’agit d’un simulateur interne, continuellement mis à jour par les capteurs du robot.

"Là où un LLM prédit le token suivant, un world model prédit l’évolution des états du monde conditionné par l’action"

Les architectures de type JEPA (Joint Embedding Predictive Architecture) jouent ici un rôle clé. Elles permettent d’apprendre un espace latent compact et prédictif sans reconstruire l’intégralité des données brutes. Le modèle capture ce qui est physiquement pertinent, résiste mieux au bruit et devient directement exploitable pour la planification et le contrôle. Dans un humanoïde, ces briques s’articulent dans une chaîne continue allant de la perception à la sécurité, en passant par la simulation dynamique et la prise de décision.

Le Physical AI offre ainsi une chaîne de production de l’agent physique, où données, modèles, simulation et déploiement sont étroitement intégrés. Nvidia l’a compris très tôt. Longtemps identifiée comme fournisseur de puissance de calcul des GPU, l’entreprise a construit une vision plus profonde : avec Omniverse, puis avec GR00T, elle se spécialise dans la génération de mondes. Des environnements numériques où elle peut projeter des agents (vision-langage-action), produire des trajectoires synthétiques, et s’en servir pour entraîner et post-entraîner des robots adaptés à des tâches et à des contextes physiques précis.

IA physique et droit : là où les cadres réglementaires se superposent

Ce socle technique, au croisement du hardware et du software, soulève des questions juridiques particulièrement complexes pour les concepteurs de robots, situés à l’intersection de multiples régulations : responsabilité des machines et des produits, protection des données, cybersécurité et droit de l’IA, pour ne citer qu’eux. Un robot humanoïde ou tout appareillage à venir doté de world models traite en continu des données à caractère personnel (images, déplacements, comportements) et ne se limite pas à leur captation. Il infère, anticipe et, dans certains contextes professionnels, peut produire du profilage au sens du RGPD.

"Les concepteurs de robots opèrent au cœur de régulations exigeantes, entre conception industrielle, données et cybersécurité"

Dans le monde du travail, le fondement juridique de ces traitements devient un point crucial. Le consentement des salariés est rarement valable en raison du déséquilibre de la relation avec ses employeurs ; et l’intérêt légitime, souvent invoqué, exige une mise en balance rigoureuse et documentée. Le caractère continu et intrusif de ces systèmes rend les analyses d’impact obligatoires et impose un privacy by design, ou devrait-on ajouter également un cybersecurity by design concrets, intégrés à l’architecture même, notamment par le traitement en périphérie et la réduction des données identifiantes.

À cela s’ajoute un cadre réglementaire, notamment européen, particulièrement exigeant. Les robots humanoïdes seront très probablement qualifiés de systèmes d’IA à haut risque, en raison de leur rôle dans la gestion des travailleurs et de leur statut de composant de sécurité (voir notamment Annexe I et III de l’AI Act). Cette qualification entraîne des obligations importantes tout au long du cycle de vie (gestion des risques, gouvernance des données, documentation, journalisation, robustesse et supervision humaine).

La réforme de la responsabilité du fait des produits renforce encore ces exigences en intégrant explicitement les logiciels et les comportements auto-appris. Un défaut pourrait désormais être purement logiciel, comme un biais non corrigé dans un world model, et les nouvelles présomptions de causalité déplacent la charge de la preuve vers les fabricants. La capacité à reconstruire a posteriori ce que le système a perçu, simulé et décidé devient centrale.

Enfin, la fragmentation de la chaîne de valeur rend la contractualisation déterminante. Fournisseurs de modèles, intégrateurs et déployeurs doivent clarifier l’accès aux journaux, la répartition des responsabilités et les obligations de coopération. Pour les décideurs, le message est désormais clair. Cette mise sur le marché ne peut se faire sans prévoir une gouvernance juridique et technique structurée. L’IA physique ne constitue pas une simple évolution technologique. Elle marque un changement de paradigme, où l’intelligence ne se contente plus de calculer, mais agit, et engage juridiquement ceux qui la conçoivent et la déploient.

 

SUR L’AUTEUR

Avocat au barreau de Paris, Adrien Basdevant est spécialiste des enjeux de data et d’IA. Cofondateur d’Entropy – un cabinet en droit du numérique connu pour son suivi de dossiers à la pointe des technologies et de leurs usages – il accompagne grands groupes et start-up dans leurs projets innovants (stratégies réglementaires, contrat, produit, contrôle des autorités). Ancien membre du CNNum devenu Conseil de l’IA et du Numérique, Adrien Basdevant enseigne l’éthique des technologies et la régulation des données à l’Essec-CentraleSupélec. Il est l’auteur de plusieurs ouvrages, dont l’essai L’Empire des données, ainsi que d’un framework publié avec Mozilla sur l’open source dans l’IA.