⚡ Verdict rapide

Nous pouvons percevoir une commission si vous achetez via nos liens, sans frais supplémentaires pour vous.

Tous les quelques ans, une annonce en robotique arrive avec un chiffre si bon qu'il ressemble à une faute de frappe. En novembre 2026, celui de NVIDIA était de 95 % : son nouveau modèle de robot humanoïde, GR00T 2, a réussi 95 % de 50 tâches qu'il n'avait jamais vues — après avoir regardé un humain démontrer chacune d'elles seulement cinq fois. Pour un domaine où enseigner une seule nouvelle tâche à un robot signifiait autrefois des semaines de programmation ou des centaines de démonstrations collectées par des robots, ce chiffre est toute l'histoire. C'est aussi, comme d'habitude, un chiffre qu'il faut décortiquer avant d'y croire.

GR00T 2 a été lancé le 9 novembre 2026 au CoRL — la Conférence sur l'apprentissage des robots — et c'est le plus grand lancement robotique de l'année. C'est un « modèle d'action du monde » ouvert et de pointe, construit sur NVIDIA Cosmos, avec 2 milliards de paramètres, conçu pour transformer des instructions en langage et des images de caméra en actions physiques de robot. Foxconn, Siemens et Nexuni le testent déjà sur du vrai travail : traitement du linge, fabrication de serveurs, tâches industrielles. Et NVIDIA affirme que les poids et le code seront publiés ouvertement en décembre 2026, ce qui rendrait l'un des cerveaux de robot les plus performants jamais construits accessible à tous les laboratoires de robotique du monde.

Ceci est un avis documenté, pas un test pratique — personne en dehors de NVIDIA n'a encore fait tourner GR00T 2, car le modèle n'est pas publié. Notre analyse s'appuie sur l'annonce de lancement et l'article technique de NVIDIA, les résultats de tests publiés par NVIDIA et des reportages indépendants de la semaine de lancement en novembre 2026 — les mêmes sources que vous consulteriez vous-même — organisés en verdicts honnêtes. Nous expliquons ce qu'est GR00T 2, ce que les 95 % mesurent vraiment, ce qui est ouvert aujourd'hui et ce qui s'ouvrira en décembre, et à qui cela devrait importer. Si vous voulez le panorama plus large des modèles ouverts, notre meilleurs modèles IA open source couvre les modèles que vous pouvez vraiment télécharger aujourd'hui ; pour l'autre grande histoire IA de novembre, notre Meta Muse review couvre le petit modèle qui bouscule déjà le monde des chatbots.

En un coup d'œil : NVIDIA GR00T 2

GR00T 2
FabricantNVIDIA
Lancement9 novembre 2026, au CoRL
Ce que c'estModèle d'action du monde ouvert et de pointe pour robots humanoïdes
Basé surNVIDIA Cosmos (modèle du monde)
Taille2 milliards de paramètres
Données d'entraînement402 730 heures de vidéo humaine à la première personne
Résultat phare95 % de réussite sur 50 tâches inédites après 5 démos
Réussite zéro-shot40 % — sans aucune démonstration
Réussite après une démo71 % — après une seule démonstration
Premiers testeursFoxconn, Siemens, Nexuni
Version ouvertePoids et code promis pour décembre 2026
Disponible aujourd'hui ?Non — annonce et article uniquement, en novembre 2026

Tous les chiffres sont les résultats de tests publiés par NVIDIA elle-même lors du lancement de novembre 2026. Une vérification indépendante ne sera possible qu'après la version ouverte de décembre — consultez la page officielle de NVIDIA pour connaître l'état actuel.

Ce qu'est vraiment GR00T 2

Pour comprendre GR00T 2, commencez par le problème qu'il résout. Un robot humanoïde est un corps polyvalent : deux bras, deux mains, des caméras pour yeux, des jambes ou des roues pour se déplacer. Le corps est la partie facile aujourd'hui — la partie difficile, c'est le cerveau. Un robot qui ne peut faire que les cinq tâches pour lesquelles il a été programmé est une machine à usage unique très coûteuse. Un robot qui peut apprendre une nouvelle tâche en regardant un humain la faire quelques fois, c'est tout autre chose : c'est un travailleur que l'on peut reformer en un après-midi.

C'est ce que GR00T 2 est conçu pour être. C'est un « modèle d'action du monde » — un modèle qui prend ce que le robot voit à travers ses caméras et ce qu'on lui dit de faire en langage, et qui produit les actions physiques : où déplacer les bras, comment saisir, quelle force utiliser, dans quel ordre. La partie « monde » compte : le modèle est construit sur Cosmos, le modèle du monde de NVIDIA, ce qui signifie qu'il a appris comment le monde physique se comporte — comment les objets bougent quand on les pousse, comment le tissu se plie, comment une prise échoue — plutôt que de simplement mémoriser des séquences de mouvements. Quand vous lui dites « plie la serviette », il ne rejoue pas une routine de pliage mémorisée ; il comprend, dans la mesure limitée où un modèle le peut, ce qu'est le pliage.

Le modèle compte 2 milliards de paramètres, ce qui est petit selon les standards des chatbots — un modèle de langage de pointe en 2026 est des dizaines ou des centaines de fois plus grand — mais grand pour un cerveau de robot qui doit fonctionner assez vite pour contrôler un corps physique en temps réel. Un robot ne peut pas attendre deux secondes pour décider de son prochain mouvement ; le modèle doit penser en millisecondes, et 2 milliards de paramètres est une taille choisie pour respecter cette contrainte tout en restant performant.

GR00T 2 est le successeur du premier GR00T, qu'NVIDIA a annoncé en 2024 comme modèle de fondation pour les robots humanoïdes. La première version a prouvé le concept ; la deuxième est celle qui porte les chiffres qui comptent. Le saut entre les deux concerne surtout les données : GR00T 2 a été entraîné sur beaucoup plus de vidéo humaine, et les résultats le montrent.

Les 95 % : ce qu'ils mesurent vraiment

Voici le chiffre, énoncé précisément, car la précision est le point. NVIDIA a testé GR00T 2 sur 50 tâches que le modèle n'avait jamais vues — des tâches choisies pour être nouvelles, et non des variantes de ses tâches d'entraînement. Le modèle a vu 5 démonstrations humaines de chaque tâche, puis on lui a demandé de l'exécuter. Il a réussi 95 % du temps.

C'est un vrai résultat, et il est vraiment impressionnant. Enseigner une nouvelle tâche à un robot à partir de cinq exemples est le type d'efficacité d'échantillonnage que le domaine poursuit depuis une décennie. L'ancienne méthode — collecter des centaines de démonstrations avec le robot lui-même, ou programmer chaque mouvement à la main — rendait chaque nouvelle tâche coûteuse. Cinq démos humaines, filmées avec une caméra ordinaire, sont assez bon marché pour être réalisées sur un sol d'usine en un après-midi.

Mais le même test contient deux autres chiffres, et ils constituent le contexte honnête. Sans aucune démonstration — le modèle informé de ce qu'il doit faire en langage, sans rien à copier — il a réussi 40 % du temps. Après une seule démonstration, 71 %. La courbe est donc raide : 40 % à zéro démo, 71 % à une, 95 % à cinq. Lue comme une histoire, cette courbe dit : GR00T 2 est très bon en imitation, et encore peu fiable en invention. Donnez-lui quelques exemples et il est presque parfait sur les tâches testées ; demandez-lui de comprendre quelque chose à froid et il échoue plus souvent qu'il ne réussit.

Il y a trois autres réserves que le titre ne porte pas. Premièrement, ce sont les propres tests de NVIDIA, sur des tâches choisies par NVIDIA, dans des conditions contrôlées par NVIDIA. Des chercheurs indépendants n'ont pas encore eu le modèle à tester, et ne l'auront pas avant la version de décembre. Deuxièmement, la « réussite » dans un test de robot signifie généralement que la tâche a été accomplie selon un standard défini — la serviette pliée, la pièce placée — et non qu'elle a été faite rapidement, avec grâce, ou comme le ferait un humain. Un robot qui réussit lentement et maladroitement compte quand même comme un succès. Troisièmement, 50 tâches constituent un échantillon significatif mais petit, et ce sont des tâches testables en laboratoire : des tâches de manipulation aux résultats clairs. Personne n'a encore montré GR00T 2 en train de gérer le travail désordonné, interrompu et ambigu qui remplit une vraie usine ou une vraie maison.

Rien de tout cela ne fait des 95 % un faux chiffre. Cela en fait un chiffre de laboratoire avec une signification claire : sur des tâches de manipulation inédites, après cinq démos humaines, GR00T 2 est extrêmement fiable. Ce que cela ne signifie pas, c'est « les robots peuvent désormais faire 95 % des emplois », « GR00T 2 fonctionne sur n'importe quoi » ou « les robots humanoïdes sont prêts pour votre maison ». La distance entre un benchmark de laboratoire et un robot qui travaille dans un vrai bâtiment se mesure encore en années, pas en semaines — et un reportage honnête le dit.

Apprendre de la vidéo humaine : les 402 730 heures

Le fait le plus intéressant à propos de GR00T 2 n'est pas les 95 %. Ce sont les données d'entraînement : 402 730 heures de vidéo humaine à la première personne. C'est environ 46 ans de séquences continues, filmées du point de vue de la personne qui effectue la tâche — des mains qui tendent, saisissent, plient, assemblent, portent. C'est le plus grand ensemble de données de ce type jamais utilisé pour entraîner un modèle de robot, et il représente un pari sur la façon dont les robots devraient apprendre.

L'ancien pari était les données de robots : on place un robot dans un laboratoire, on le fait tenter des tâches des milliers de fois, on enregistre ce qui a fonctionné, et on s'entraîne là-dessus. Le problème, c'est l'échelle — les robots sont lents, chers et tombent en panne. On peut générer quelques milliers d'heures de données de robots par an si l'on s'efforce. Les humains, en revanche, génèrent constamment des vidéos d'eux-mêmes en train de faire des choses, et une caméra fixée sur la tête transforme une journée de travail ordinaire en données d'entraînement. Le pari de NVIDIA est que regarder les humains est un meilleur professeur que regarder les robots, parce que les humains sont déjà bons dans ces tâches, et parce qu'il y a tellement plus de vidéo humaine dans le monde.

Ce pari explique aussi pourquoi cinq démonstrations suffisent. GR00T 2 n'apprend pas une tâche à partir de zéro quand il regarde vos cinq démos — il sait déjà, grâce à ces 402 730 heures, comment les mains bougent, comment les objets se comportent, à quoi ressemble un pli, ce que ressent une prise. Les cinq démos ne lui enseignent pas la physique ; elles lui disent laquelle des nombreuses choses qu'il sait déjà faire, dans ce cas précis, dans cet ordre précis. Les démonstrations sont un pointeur, pas une leçon. C'est la différence entre un modèle du monde et une routine mémorisée, et c'est le cœur technique de l'histoire de GR00T 2.

Cette approche a aussi une limite honnête. La vidéo humaine apprend à un robot ce que font les mains humaines — mais les mains d'un robot ne sont pas des mains humaines. Des pinces différentes, une force différente, une dextérité différente : un mouvement trivial pour un poignet humain peut être impossible pour un bras de robot, et le modèle doit combler cet écart. Les 95 % suggèrent que le pont fonctionne sur les tâches testées. Savoir s'il tient sur la gamme beaucoup plus large de corps de robots dans le monde réel — des bras différents, des mains différentes, des tailles différentes — est une question ouverte à laquelle la version de décembre commencera à répondre.

Ce qui est ouvert aujourd'hui et ce qui s'ouvrira en décembre

C'est la partie de l'histoire où les lecteurs attentifs devraient ralentir, car le mot « ouvert » fait beaucoup de travail dans la couverture de GR00T 2. NVIDIA qualifie GR00T 2 de modèle ouvert. Concrètement, cela signifie une promesse : les poids et le code seront publiés ouvertement en décembre 2026. En novembre 2026, cette publication n'a pas encore eu lieu. Il n'y a rien à télécharger, rien à exécuter, et aucun chercheur indépendant n'a vérifié les 95 % sur son propre matériel.

Cela compte pour deux raisons. Premièrement, toute l'évaluation de cet article — et de tous les autres articles publiés en novembre — repose sur les propres chiffres de NVIDIA. C'est normal pour une semaine de lancement, et l'équipe robotique de NVIDIA a un bon bilan, mais cela reste une source unique. L'histoire de l'IA est pleine de chiffres de lancement qui ont rétréci quand des laboratoires indépendants ont obtenu le modèle. Deuxièmement, la version de décembre est elle-même un test : « ouvert » peut signifier beaucoup de choses, des poids entièrement ouverts avec une licence permissive aux poids avec des restrictions d'usage commercial. Les détails ne seront clairs que lorsque la version arrivera, et ils décideront si GR00T 2 devient une fondation partagée pour tout le domaine de la robotique ou une vitrine que la plupart des laboratoires ne peuvent qu'admirer.

Si la version est vraiment ouverte — poids, code et licence autorisant l'usage commercial — les conséquences sont importantes. Chaque laboratoire de robotique du monde obtiendrait gratuitement un cerveau de robot de pointe, et le rythme du développement humanoïde s'accélérerait fortement : des startups qui n'auraient jamais pu se permettre d'entraîner un tel modèle pourraient construire dessus à la place. C'est la promesse que fait NVIDIA, et c'est la raison pour laquelle le lancement compte au-delà du benchmark. Si la version est restreinte, l'histoire est plus petite : une impressionnante démo NVIDIA qui reste dans l'écosystème NVIDIA. Décembre nous le dira.

En attendant, le conseil pratique est simple : ne planifiez pas encore de projet autour de GR00T 2. Surveillez la version de décembre, lisez la licence et attendez les premiers tests indépendants. Le modèle sera toujours là en janvier, et d'ici là, quelqu'un d'autre l'aura fait tourner sur son propre robot et vous aura dit ce qui s'est réellement passé.

Qui le teste, et sur quel travail

NVIDIA nomme trois entreprises qui testent GR00T 2 : Foxconn, Siemens et Nexuni. Le choix des noms est délibéré — chacune représente un type différent de vrai travail, et ensemble, elles esquissent la carte des directions que prennent d'abord les robots humanoïdes.

Foxconn est le plus grand fabricant d'électronique au monde, et son intérêt est la fabrication de serveurs : le travail d'assemblage précis, répétitif et à grand volume qui remplit ses usines. Un humanoïde capable d'apprendre une nouvelle étape d'assemblage à partir de cinq démonstrations est une proposition différente d'un robot industriel fixe qui doit être reprogrammé à chaque changement — et la fabrication de serveurs change constamment, à mesure que de nouveaux modèles et composants arrivent. L'essai porte sur la flexibilité : un robot polyvalent peut-il suivre une ligne de production qui ne s'arrête jamais ?

Siemens est le géant industriel, et son essai porte sur le travail industriel plus largement — les tâches de maintenance, d'inspection et de manutention dans les usines et les entrepôts. Siemens construit la couche logicielle de l'automatisation industrielle depuis des décennies, donc son intérêt pour GR00T 2 est un signal sur la direction que l'industrie pense que prendra la prochaine couche : pas un meilleur robot fixe, mais un robot polyvalent que l'on peut reformer pour le prochain travail.

Nexuni est la plus humaine des trois : son essai concerne le traitement du linge — le pliage, le tri et le déplacement du linge, une activité de base des hôtels, des hôpitaux et des établissements de soins. Le linge est le test parfait pour un modèle d'action du monde, car le tissu est le matériau le plus difficile en robotique : il se plie, il glisse, il n'a pas de forme rigide, et chaque pièce est différente. Si GR00T 2 peut gérer le linge de manière fiable, il peut gérer une large classe de tâches réelles souples et variables qui ont vaincu les robots pendant des années.

Soyons clairs sur ce que sont ces essais : des tests précoces avec des entreprises partenaires, et non des déploiements en production. Personne n'annonce que les usines de Foxconn sont désormais dotées de robots GR00T 2, et personne ne devrait le lire ainsi. Les essais sont l'étape où un résultat de laboratoire rencontre un vrai bâtiment — un éclairage différent, des sols différents, des objets différents, des interruptions différentes — et où l'écart entre les 95 % en laboratoire et la fiabilité sur le terrain est mesuré honnêtement. Les résultats de ces essais, si NVIDIA et ses partenaires les partagent, seront les nouvelles GR00T 2 les plus importantes du début 2027.

Ce que GR00T 2 peut et ne peut pas faire

D'après les preuves publiées jusqu'à présent, GR00T 2 fait une chose extrêmement bien : apprendre une tâche de manipulation physique à partir d'une poignée de démonstrations humaines, puis l'exécuter de manière fiable dans un cadre contrôlé. Cela couvre une classe de travail large et précieuse — saisir, placer, plier, trier, assembler, manipuler — les tâches qui remplissent les usines, les entrepôts, les blanchisseries et les ateliers. La courbe d'apprentissage à cinq démos est la capacité qui compte, car elle transforme le recyclage d'un projet en un après-midi.

Il peut aussi faire quelque chose de plus subtil qui compte à long terme : comprendre des instructions en langage et les relier à une action physique. « Mets la boîte rouge sur l'étagère du haut » n'est pas un programme ; c'est une phrase, et GR00T 2 doit analyser la phrase, trouver la boîte, planifier l'atteinte et exécuter le placement. Ce pont du langage à l'action est ce qui rend un robot polyvalent vraiment polyvalent, et c'est la capacité qui distingue un modèle d'action du monde d'un contrôleur industriel traditionnel.

Ce qu'il ne peut pas faire — ou n'a pas montré qu'il pouvait faire — est tout aussi important. Il ne peut pas faire de manière fiable une tâche qu'il n'a jamais vue, sans démonstration : 40 % de réussite zéro-shot, c'est loin d'être fiable. Il ne peut pas raisonner pour sortir d'une situation inattendue comme le ferait un travailleur humain — un objet tombé, un tiroir coincé, un collègue sur le chemin. Il ne peut pas travailler un poste complet sans supervision, et on ne peut pas lui confier seul un travail critique pour la sécurité. Et il ne peut rien faire de tout cela pour l'instant en dehors des propres tests de NVIDIA, car le modèle n'est pas publié.

Il y a aussi une question de coût qui apparaît rarement dans la couverture du lancement. Un corps de robot humanoïde, le calcul nécessaire pour faire tourner un modèle de 2 milliards de paramètres en temps réel, les caméras, la maintenance — le robot n'est pas bon marché, et l'économie ne fonctionne que là où la main-d'œuvre qu'il remplace est chère ou rare, ou là où le travail est dangereux ou désagréable. Le linge, l'assemblage de serveurs et la manutention industrielle correspondent tous à cette description. Votre maison, non, pas encore.

GR00T 2 contre le reste du monde des robots

GR00T 2 n'arrive pas dans le vide. La course aux humanoïdes en 2026 est bondée : l'Optimus de Tesla, les humanoïdes de Figure, l'Atlas de Boston Dynamics, et une douzaine de startups bien financées construisent tous des robots polyvalents, et la plupart ont leurs propres modèles. Ce qui rend GR00T 2 différent, ce n'est pas le robot — NVIDIA ne construit pas les corps — mais le cerveau, et la décision de l'ouvrir.

La plupart des entreprises de robotique gardent leurs modèles privés : le modèle est le fossé, ce qui rend leur robot meilleur que celui de la société suivante. L'activité de NVIDIA est l'inverse. NVIDIA vend les puces et la plateforme logicielle sur lesquelles tournent les robots de tous les autres. Un GR00T 2 ouvert rend chaque humanoïde meilleur, et chaque humanoïde meilleur a besoin de plus de calcul NVIDIA. La version ouverte n'est pas de la générosité ; c'est de la stratégie — la même stratégie qui a fait de CUDA le standard du calcul IA. Si GR00T 2 devient le cerveau par défaut des robots humanoïdes, NVIDIA gagne même si elle ne vend jamais un seul robot.

Cela signifie aussi que la comparaison qui compte n'est pas GR00T 2 contre un robot rival, mais GR00T 2 contre l'alternative fermée : un monde où chaque entreprise de robotique entraîne son propre modèle sur son propre petit ensemble de données, contre un monde où tout le monde construit sur un modèle ouvert partagé, entraîné sur 402 730 heures de vidéo humaine. Le deuxième monde avance plus vite, et plus vite pour tout le monde — y compris les petits laboratoires et startups qui n'auraient jamais pu se permettre d'entraîner un tel modèle eux-mêmes. C'est le pari, et décembre est le moment où nous découvrirons à quel point il est réel.

Pour les lecteurs qui suivent le monde des modèles ouverts plus largement, notre meilleurs modèles IA open source couvre les modèles de langage et d'image que vous pouvez télécharger aujourd'hui — GR00T 2, si la version de décembre tient, rejoint cette liste en tant que premier modèle ouvert de pointe pour le travail physique. Et pour l'autre direction de la même tendance — les petits modèles qui font de grands travaux — notre Meta Muse review couvre le petit modèle qui a égalé Claude Haiku pour un tiers du coût.

La fenêtre de décembre : ce qu'il faut surveiller

Les semaines entre aujourd'hui et la version de décembre sont la partie la plus importante de l'histoire de GR00T 2, car c'est là que la promesse est mise à l'épreuve. Il y a cinq choses à surveiller, et chacune répond à une question différente sur ce que GR00T 2 deviendra réellement.

Premièrement, la licence. « Ouvert » est un spectre, et la licence décide où GR00T 2 se situe. Une licence permissive autorisant l'usage commercial permettrait aux startups et aux usines de construire des produits sur le modèle ; une licence réservée à la recherche le limiterait aux laboratoires. Lisez le texte de la licence quand il arrive — pas l'article de blog du lancement, la licence elle-même — car ce document, plus que le benchmark, décide qui peut utiliser GR00T 2 et pour quoi.

Deuxièmement, les premiers tests indépendants. Une fois que les chercheurs pourront télécharger le modèle, ils le feront tourner sur leurs propres robots, leurs propres tâches, dans leurs propres laboratoires — et les chiffres tiendront ou se réduiront. Prêtez attention aux tests qui utilisent des corps de robots différents de ceux de NVIDIA, car un modèle qui ne fonctionne bien que sur un humanoïde précis est une réussite plus étroite qu'un modèle qui se transfère d'une plateforme à l'autre. GR00T 2 s'inscrit dans la plateforme robotique Isaac plus large de NVIDIA, et la question est de savoir à quel point il est lié au matériel et aux outils de simulation propres à NVIDIA.

Troisièmement, les tâches que choisiront les tests indépendants. Les 50 tâches de NVIDIA étaient des tâches de manipulation aux résultats clairs. Les tests intéressants seront les désordonnés : des tâches avec des interruptions, des objets que le modèle n'a jamais vus, des instructions vagues ou ambiguës. Un modèle qui obtient 95 % sur des tâches de laboratoire propres et 50 % sur des tâches désordonnées reste une percée — mais une percée avec un chemin beaucoup plus long vers le sol de l'usine.

Quatrièmement, la question du calcul. Un modèle de 2 milliards de paramètres fonctionnant en temps réel nécessite du matériel sérieux sur le robot lui-même, et ce matériel coûte de l'argent, consomme de l'énergie et génère de la chaleur. Surveillez les premiers rapports sur ce dont GR00T 2 a besoin pour tourner — quelles puces, combien de mémoire, à quelle vitesse — car l'exigence de calcul est l'étiquette de prix cachée, et elle décide si le modèle est pratique pour quiconque, sauf les laboratoires les mieux financés.

Cinquièmement, les résultats des essais. Foxconn, Siemens et Nexuni testent GR00T 2 sur du vrai travail en ce moment, et s'ils partagent ne serait-ce que des résultats partiels début 2027, ces résultats compteront plus que n'importe quel benchmark. Un essai de linge qui rapporte « il plie de manière fiable pendant quatre heures, puis a besoin d'une réinitialisation » vous en dit plus sur l'état de la robotique humanoïde que n'importe quel chiffre de lancement. Surveillez ces rapports, et lisez-les avec le même scepticisme que vous appliqueriez à n'importe quelle affirmation de fournisseur — mais lisez-les, car ce sont ce qui se rapproche le plus de la vérité de terrain dans ce domaine.

À qui GR00T 2 devrait-il importer

Le bilan est simple : GR00T 2 est le modèle d'apprentissage de robot le plus performant jamais annoncé, et les 95 % sont un vrai résultat sur un test bien défini. La version ouverte de décembre décidera s'il devient une fondation partagée pour tout le domaine ou une vitrine. Dans tous les cas, la direction est claire — les robots apprennent comme les humains, en regardant — et les prochaines années de la robotique seront écrites par celui qui apprendra le plus vite de cette idée.

Questions fréquentes

Qu'est-ce que NVIDIA GR00T 2 ?

GR00T 2 est le modèle d'action du monde ouvert et de pointe de NVIDIA pour les robots humanoïdes, lancé le 9 novembre 2026 à la Conférence sur l'apprentissage des robots (CoRL). C'est un modèle de 2 milliards de paramètres construit sur NVIDIA Cosmos, qui transforme des instructions en langage et des images de caméra en actions physiques de robot. Contrairement aux modèles de robots antérieurs, entraînés principalement sur des données collectées par des robots, GR00T 2 apprend à partir de vidéo humaine — 402 730 heures de vidéo à la première personne dans son entraînement — ce qui lui permet d'acquérir de nouvelles tâches à partir d'une poignée de démonstrations humaines.

Que signifie réellement le taux de réussite de 95 % ?

Le chiffre de 95 % mesure la réussite sur 50 tâches inédites dans le dispositif de test de NVIDIA, après que le modèle a vu 5 démonstrations humaines de chaque tâche. Les mêmes tests montrent 40 % de réussite sans aucune démonstration (zéro-shot) et 71 % après une seule démonstration. La lecture honnête est donc : GR00T 2 est très bon pour copier une tâche qu'il vient de voir un humain faire quelques fois, et beaucoup plus faible pour faire quelque chose qu'il n'a jamais vu. Cela ne signifie pas qu'un robot peut faire 95 % des emplois du monde réel.

NVIDIA GR00T 2 est-il open source ?

Pas encore, en novembre 2026. NVIDIA a annoncé GR00T 2 comme un modèle ouvert et affirme que les poids et le code seront publiés ouvertement en décembre 2026. Tant que cette publication n'a pas lieu, les chercheurs et les développeurs ne peuvent ni télécharger ni exécuter le modèle eux-mêmes — ce qui existe aujourd'hui, c'est l'annonce, l'article et les propres résultats de tests de NVIDIA. Consultez la page officielle GR00T de NVIDIA pour connaître l'état de la version avant de planifier un travail autour de lui.

Qui utilise GR00T 2 ?

NVIDIA nomme Foxconn, Siemens et Nexuni parmi les entreprises qui testent GR00T 2, dans des contextes qui incluent le traitement du linge, la fabrication de serveurs et le travail industriel. Ce sont des essais précoces avec des entreprises partenaires, et non des déploiements en production — les robots sont testés sur de vraies tâches d'usine et de service pour voir où le modèle tient en dehors du laboratoire. Une adoption plus large dépend de la version ouverte de décembre et des résultats de ces essais.

Comment GR00T 2 apprend-il à partir de vidéo humaine ?

GR00T 2 est entraîné sur 402 730 heures de vidéo humaine à la première personne — des images de personnes effectuant des tâches quotidiennes avec leurs mains, filmées de leur propre point de vue. Comme le modèle est construit sur Cosmos, le modèle du monde de NVIDIA, il apprend la physique de ces tâches : comment les objets bougent, comment les mains saisissent, ce qui se passe quand on pousse, soulève ou plie quelque chose. C'est pourquoi quelques démonstrations suffisent à lui apprendre une nouvelle tâche — il comprend déjà le monde physique en regardant les humains, et la démo lui montre quoi faire dans ce cas précis.

Puis-je faire tourner GR00T 2 sur mon propre robot ?

Pas encore. Les poids et le code sont prévus en version ouverte pour décembre 2026, et jusque-là, il n'y a rien à télécharger. Même après la publication, GR00T 2 est un modèle de 2 milliards de paramètres qui nécessite un calcul sérieux et une plateforme de robot humanoïde compatible pour fonctionner — c'est un outil de recherche et industriel, pas quelque chose que l'on installe sur un robot domestique. Si vous êtes chercheur ou développeur en robotique, la version de décembre est le moment à surveiller ; si vous êtes un lecteur généraliste, la réponse honnête est que GR00T 2 est une étape importante pour le domaine, pas un produit que vous pouvez utiliser aujourd'hui.

AT
À propos d'Aitopkit

Nous étudions les outils IA en profondeur avant de les recommander — tarifs officiels, documentation publique et retours d'utilisateurs réels. Si vous achetez via nos liens, nous pouvons percevoir une commission sans frais supplémentaires pour vous. Lire notre déclaration.