# GR00T 2 : NVIDIA apprend aux robots en leur montrant des vidéos humaines
À retenir
- Et si, pour apprendre un nouveau geste, un robot n'avait plus besoin d'être programmé ligne par ligne, ni entraîné pendant des semaines sur des démonstrations coûteuses ?
- Présenté par Jim Fan, directeur de la robotique chez NVIDIA, GR00T 2 marque une rupture.
- Pour les dirigeants, la question n'est plus de savoir si les robots arriveront dans les ateliers et les entrepôts, mais quand ils seront assez polyvalents pour être rentables.
Et si, pour apprendre un nouveau geste, un robot n'avait plus besoin d'être programmé ligne par ligne, ni entraîné pendant des semaines sur des démonstrations coûteuses ? Et s'il suffisait de lui montrer une vidéo d'un humain en train de faire le geste ? C'est le pari que NVIDIA vient de dévoiler le 9 novembre 2026, lors de la conférence CoRL (Conference on Robot Learning) à Austin, au Texas : GR00T 2, un modèle de fondation pour la robotique capable d'apprendre des manipulations délicates à partir de vidéos humaines.
Présenté par Jim Fan, directeur de la robotique chez NVIDIA, GR00T 2 marque une rupture. Là où les modèles classiques apprennent surtout par imitation de démonstrations réalisées par le robot lui-même — des données longues et coûteuses à collecter —, GR00T 2 puise l'essentiel de son savoir dans des vidéos d'humains. Une approche qui pourrait faire tomber le principal frein au déploiement des robots dans les entreprises : le coût et la lenteur de leur apprentissage.
Pour les dirigeants, la question n'est plus de savoir si les robots arriveront dans les ateliers et les entrepôts, mais quand ils seront assez polyvalents pour être rentables.
Un « world action model » : le robot imagine, puis agit
NVIDIA décrit GR00T 2 comme un « open frontier world action model », construit sur sa plateforme NVIDIA Cosmos. Le modèle fait deux choses en même temps : il prédit les prochaines images vidéo que la caméra du robot va voir, et il prédit les prochaines actions à exécuter. Il exécute ensuite les actions qu'il vient d'imaginer.
Cette double prédiction change la nature de l'apprentissage robotique. Un modèle classique associe une observation à une action, sans vraiment « comprendre » la scène. GR00T 2, lui, se construit une représentation de l'évolution du monde — comment un objet se déplace, comment une main saisit une poignée — avant de décider du geste. Il lit la vidéo récente, l'instruction écrite et l'état du robot, puis produit en une seule passe un court extrait de vidéo future et la séquence de commandes motrices correspondante, grâce à un transformeur de diffusion de 2 milliards de paramètres, bâti sur Cosmos-Predict2.5-2B.
100 000 heures de vidéos humaines en open source
Le cœur de l'annonce tient dans les données d'entraînement : 402 730 heures de vidéos humaines en première personne, 10 184 heures de démonstrations avec une pince tenue à la main, couvrant 2 897 tâches, et 23 500 heures de téléopération de robots. NVIDIA ouvre 100 000 heures de ces données humaines — vidéo, annotations en langage naturel, mouvements de la tête et des mains — sous le nom Human-1M-100K, avec une licence CC BY 4.0 qui autorise les usages commerciaux et non commerciaux.
C'est un point stratégique : les vidéos humaines sont infiniment plus abondantes et moins chères à produire que les démonstrations robotiques. Chaque vidéo de cuisine, d'assemblage ou de manutention tournée par un humain devient potentiellement une leçon pour un robot.
Les poids de GR00T 2 et d'une variante allégée, GR00T 2 Turbo, seront publiés en open source en décembre 2026, accompagnés de la recette d'entraînement. Prudence toutefois : au moment de l'annonce, NVIDIA n'avait pas encore publié les conditions de licence des poids du modèle. Les entreprises devront attendre décembre et les lire attentivement avant tout déploiement commercial.
Des résultats qui parlent aux décideurs
Les chiffres annoncés par NVIDIA à CoRL mesurent ce qui coûte cher aujourd'hui : le nombre de démonstrations nécessaires pour qu'un robot maîtrise une tâche nouvelle. Sur 50 tâches absentes des données d'entraînement du robot, GR00T 2 a réussi au moins une fois 40 d'entre elles sans aucune démonstration spécifique — c'est le zéro-shot. Avec une seule démonstration par tâche, le taux de réussite moyen atteint 71 %. Avec cinq démonstrations, il grimpe à 95 %.
Pour un responsable d'usine ou de logistique, la traduction est simple : là où il fallait auparavant des centaines de démonstrations pour enseigner un geste, une poignée suffit désormais. GR00T 2 figure aussi parmi les trois premiers modèles des classements RoboCasa365, RoboLab, RoboDojo et MolmoSpaces, avec plusieurs premières places.
Isaac Lab 3.0 : s'entraîner en simulation avant de toucher au réel
En parallèle, NVIDIA a présenté Isaac Lab 3.0, son framework open source d'apprentissage des robots en simulation. Les agents configurent eux-mêmes les environnements d'entraînement, et le robot s'entraîne des millions de fois dans un monde virtuel avant d'être déployé dans le monde réel.
La version 3.0, disponible en version générale depuis le 20 octobre 2026, permet de basculer entre deux moteurs physiques, PhysX et Newton. NVIDIA annonce jusqu'à 2,5 fois le débit d'entraînement d'Isaac Lab 2.3 sur un benchmark de manipulation dextre. Une préversion développeur 0.4 a été présentée à CoRL, accompagnée de deux nouveaux benchmarks, DexBench et VABAR.
Pour les entreprises, l'enjeu est financier autant que technique : s'entraîner en simulation coûte une fraction d'une heure sur un robot physique, sans risque de casse ni d'arrêt de production.
Des cas concrets déjà en test chez les industriels
NVIDIA n'a pas présenté GR00T 2 comme une promesse abstraite. Siemens l'évalue sur des cas industriels, Foxconn l'applique à l'automatisation de la fabrication de serveurs, Nexuni le teste pour la manutention du linge, et MicroAGI l'utilise, après un post-entraînement par apprentissage par renforcement, pour réaliser des échanges de câbles Ethernet avec un bras robotique YAM. D'autres partenaires sont cités : Ambi Robotics, Bosch Research, FieldAI et Flexion.
Un robot capable d'échanger un câble Ethernet ou de trier du linge n'est plus un démonstrateur de salon : c'est un outil de travail en devenir.
Ce que cela change pour les entreprises
D'abord, le coût d'adoption baisse : apprendre une tâche à partir de vidéos humaines et de quelques démonstrations, puis s'entraîner en simulation, réduit radicalement le temps et le budget nécessaires pour mettre un robot au travail. Les petites structures, longtemps exclues de la robotique par son coût d'intégration, pourraient y accéder plus tôt qu'on ne le pensait.
Ensuite, la polyvalence devient la norme. Un robot qui réussit 40 tâches sur 50 sans démonstration n'est plus une machine dédiée à un seul geste : c'est un collaborateur adaptable, capable de passer d'une tâche à l'autre. Pour un entrepôt, un hôtel ou un atelier, cette flexibilité change le calcul du retour sur investissement.
Enfin, l'open source rebat les cartes : avec des poids publiés en décembre et 100 000 heures de données ouvertes, les entreprises ne dépendront plus uniquement des grands fournisseurs pour adapter un robot à leurs besoins.
### Commencer petit, avec un cas d'usage précis
Ne cherchez pas à robotiser toute votre activité d'un coup. Identifiez une tâche répétitive, pénible ou à faible valeur ajoutée — tri, manutention, préparation de commandes — et évaluez-la comme pilote. C'est sur un cas concret que le retour sur investissement se mesure.
### Suivre la publication de décembre avant d'investir
Les poids de GR00T 2 et de GR00T 2 Turbo arrivent en décembre 2026, mais les conditions de licence ne sont pas encore connues. Attendez leur publication et vérifiez qu'elles autorisent votre usage avant d'engager des budgets.
### Évaluer la robotique comme un projet, pas comme un achat
Un robot qui apprend vite reste un projet d'intégration : environnement, sécurité, maintenance, supervision humaine. Prévoyez un budget d'accompagnement au moins égal à celui du matériel, et un responsable interne du projet.
E.C.O. Tech vous accompagne dans l'adoption de l'IA et de la robotique
Chez E.C.O. Tech, nous suivons de près ces avancées parce qu'elles redéfinissent ce qu'une entreprise, quelle que soit sa taille, peut automatiser. GR00T 2 et Isaac Lab 3.0 montrent que la robotique devient plus accessible, plus polyvalente et plus ouverte.
C'est ce que nous faisons avec nos clients : un diagnostic gratuit de votre activité pour repérer les tâches où l'IA et l'automatisation peuvent réellement vous faire gagner du temps et de l'argent, puis un accompagnement pas à pas, de la première expérimentation jusqu'au déploiement.
*Sources : Blog NVIDIA, « Practice Makes Precise: At CoRL, NVIDIA and Partners Reveal How Robots Rehearse Delicate Work in Simulation » (9 novembre 2026) ; The Robot Report ; Unite.AI, « NVIDIA Introduces GR00T 2 for Robots Learning From Human Video » (9 novembre 2026).*
Diagnostic gratuit
Vous voulez appliquer cette idée dans votre structure ?
E.C.O.Tech peut analyser votre cas, identifier l’offre la plus adaptée et proposer une feuille de route simple : visibilité, CRM, automatisation, gestion métier ou cybersécurité.
Votre avis compte
Cet article vous a été utile ? Partagez votre expérience sur notre fiche Google officielle.