Elon Musk prédit un milliard de robots humanoïdes d’ici 2036, mais les chiffres sont implacables
Elon Musk aurait prédit que plus d’un milliard de robots humanoïdes existeront dans le monde d’ici 2036. Cette affirmation est apparue dans un article RSSHub de 36Kr publié le 2 septembre, citant CCTV Finance. Il y est question d’une population de machines approchant un robot pour neuf personnes.
Ce chiffre ne constitue pas simplement une prévision de marché optimiste. Il suppose de bâtir, en dix ans, une industrie plus vaste que le secteur automobile actuel. Il exige également que les robots humanoïdes deviennent abordables, fiables, utiles et acceptés dans des environnements de travail et des foyers radicalement différents.
L’écart entre cette vision et la réalité actuelle est immense. Plus de 13 000 humanoïdes auraient été livrés en 2025, tandis que Tesla n’en aurait livré que quelques centaines, voire moins. Atteindre un milliard de machines déployées nécessiterait une hausse de la production de plusieurs ordres de grandeur.
Musk aurait aussi avancé qu’un milliard de robots produiraient davantage que la production cumulée de l’humanité. Il a associé l’intelligence artificielle à une croissance économique mondiale potentielle de 20 % à 30 %, soit l’équivalent de milliers de milliards d’activité annuelle supplémentaire.
Ces estimations de productivité et d’impact économique n’ont pas été vérifiées de manière indépendante. Les propos initiaux n’étaient pas accompagnés d’un modèle publié expliquant les cadences de production, les heures de travail, les performances par tâche, les coûts en capital ou les effets de déplacement de l’emploi.
La vraie question n’est donc pas de savoir si les robots peuvent danser, plier une chemise ou déplacer des pièces dans une zone de démonstration. Elle est de savoir si les fabricants peuvent transformer l’IA incarnée en main-d’œuvre fiable à une échelle sans précédent.
Les prévisions de Musk pour 2036 avancent le calendrier des robots
La prédiction de Musk condense dans une échéance située à seulement dix ans une prévision généralement associée à 2050.
La prédiction rapportée le 2 septembre indique que Musk s’attend à voir au moins un milliard de robots humanoïdes d’ici une décennie. Le rapport attribue les propos sous-jacents au 1er septembre, mais fournit peu de contexte sur le lieu ou les hypothèses de prévision.
Ce contexte manquant est important. Une prévision peut décrire la production annuelle, la production cumulée, les installations actives ou les machines techniquement capables de mouvements humanoïdes. Ces définitions aboutissent à des tailles de marché très différentes.
L’entrée RSSHub de 36Kr décrit ce chiffre comme le nombre de robots humanoïdes dans le monde. Elle ne précise pas si les machines retirées du service, expérimentales, téléopérées ou programmées pour des usages très limités sont incluses dans le total.
Un robot humanoïde associe généralement un corps semblable à celui d’un humain et des logiciels de perception, de mouvement et d’exécution de tâches. Cette forme aide une machine à évoluer autour d’escaliers, de portes, d’étagères, d’outils et de postes de travail conçus à l’origine pour les personnes.
La définition laisse toutefois une grande place à l’interprétation. Un robot d’entrepôt suivant des itinéraires fixes diffère fortement d’une machine polyvalente capable d’entrer dans une maison inconnue et d’exécuter des instructions ouvertes.
Le calendrier de Musk diffère aussi d’une projection importante de Wall Street. Morgan Stanley prévoit que le parc installé de robots humanoïdes approchera le milliard vers 2050, et non en 2036.
Sa prévision du marché des humanoïdes indique que l’adoption devrait rester relativement lente jusqu’au milieu des années 2030. La croissance s’accélérerait ensuite à la fin des années 2030 et durant les années 2040.
Morgan Stanley estime qu’environ 90 % de ces machines travailleront dans des environnements industriels ou commerciaux d’ici 2050. L’entreprise prévoit un marché domestique beaucoup plus réduit, car le travail à domicile exige davantage de flexibilité, de sécurité et d’acceptation sociale.
Musk avance en pratique cette étape du milliard d’unités d’environ 14 ans. Sa prédiction exige que la phase d’accélération commence presque immédiatement, plutôt qu’après une nouvelle décennie de développement technique.
La comparaison avec la population rend l’affirmation plus concrète. Une projection des Nations unies situe la population mondiale à près de neuf milliards vers 2037. Un milliard de robots équivaudrait donc à environ un humanoïde pour neuf personnes.
Ce ratio peut aussi être trompeur. Les premières machines se concentreraient probablement dans les usines, entrepôts, mines, hôpitaux et sites logistiques. Elles ne seraient pas réparties uniformément entre les foyers ou les pays.
Une usine pourrait exploiter des centaines de robots tandis que les foyers voisins n’en posséderaient aucun. Le ratio économique pertinent est donc celui des robots par tâche, par installation ou par heure de travail, et non des robots par personne.
L’affirmation de Musk sur la productivité dépend de la même distinction. Un milliard de machines travaillant durant de longues plages horaires pourraient générer une production brute immense. Leur contribution utile dépend toutefois de leur disponibilité, de leur supervision, de leur maintenance, de l’énergie, de la réussite des tâches et de la valeur du travail accompli.
Un robot qui exécute une tâche de production fiable peut créer une valeur mesurable. Une machine polyvalente nécessitant des interventions fréquentes peut consommer plus de main-d’œuvre qu’elle n’en remplace.
Il vaut mieux considérer cette prédiction comme un objectif industriel que comme une perspective étayée par des mesures. Elle décrit l’échelle que Musk estime accessible à l’IA incarnée si la fabrication et l’autonomie progressent de concert.
Ce cadrage rend la prévision importante même si le chiffre exact s’avère erroné. Il place la fabrication d’humanoïdes, plutôt que celle de véhicules uniquement, au cœur de l’identité à long terme de Tesla.
Tesla dispose d’un plan à un million d’unités, pas d’une industrie à un milliard
Le plan de production dévoilé par Tesla constitue un point de départ crédible, mais il reste inférieur de trois ordres de grandeur à la prévision mondiale de Musk.
Tesla a indiqué dans sa mise à jour d’entreprise de janvier 2026 qu’Optimus Gen 3 serait sa première conception destinée à la production de masse. L’entreprise prévoyait de dévoiler cette conception au cours du premier trimestre.
Tesla a également déclaré préparer sa première ligne de production Optimus. Le travail comprenait la préparation de la chaîne d’approvisionnement, avec un début de production attendu avant la fin de 2026.
La ligne prévue finirait par prendre en charge une capacité annuelle d’un million de robots. Tesla a soigneusement précisé que la capacité installée ne correspond pas à la production réelle.
Cette distinction est essentielle. La production d’une usine dépend de l’approvisionnement en composants, de la disponibilité des équipements, de l’état de préparation des logiciels, des conditions réglementaires, du contrôle qualité et de la demande.
Même un million d’unités par an représenterait une réalisation industrielle majeure. Pourtant, une seule ligne fonctionnant à ce rythme pendant dix ans ne produirait que dix millions de robots, avant de tenir compte des retraits du service et des pertes de production.
Fournir un milliard de robots actifs d’ici 2036 exige bien davantage. L’industrie devrait ajouter en moyenne près de 100 millions de machines nettes chaque année au cours de la décennie.
Comme la production initiale sera bien plus faible, la production annuelle en fin de période devrait largement dépasser cette moyenne. Les fabricants devraient également remplacer les machines qui tombent en panne ou atteignent la fin de leur durée de vie utile.
Une comparaison d’échelle approximative illustre le défi. La base de livraisons rapportée pour 2025 dépassait 13 000 unités. Atteindre un milliard d’unités cumulées à partir de ce niveau exige près de 77 000 fois plus de machines.
Le parcours ne sera pas linéaire. La production pourrait doubler rapidement au début de la commercialisation, puis ralentir à mesure que les marchés mûrissent. Même des doublements répétés imposent des exigences difficiles une fois que le volume annuel atteint des millions d’unités.
Tesla dispose toutefois d’avantages utiles. L’entreprise maîtrise la fabrication à grande échelle, les groupes motopropulseurs électriques, les batteries, les systèmes de vision et les logiciels intégrés verticalement. Ses usines offrent également des environnements contrôlés pour tester les tâches d’Optimus.
Le déploiement interne peut réduire le problème de la demande initiale. Tesla peut placer des robots dans ses propres installations, observer les défaillances, collecter des données d’entraînement et affiner les tâches avant une commercialisation plus large.
Cette stratégie rappelle le développement habituel de l’automatisation industrielle. Les fabricants commencent par des emplois répétitifs dans des espaces contrôlés, puis ajoutent de la complexité après avoir mesuré la fiabilité et les retours.
La production d’humanoïdes implique toutefois des composants et des tolérances différents de ceux des voitures. Les mains nécessitent des actionneurs compacts et une détection précise. Les articulations doivent concilier couple, poids, efficacité, durabilité et interaction sûre.
Un véhicule de tourisme peut tolérer certaines redondances de composants et structures de protection. Un humanoïde doit rester suffisamment léger pour se déplacer efficacement tout en survivant aux chutes et aux contacts répétés.
La mise à l’échelle du corps ne résout que la moitié du problème. Chaque unité a aussi besoin d’un logiciel capable de percevoir les objets, planifier des actions, se remettre de ses erreurs et se comporter de manière prévisible autour des personnes.
Ce logiciel ne peut pas s’appuyer entièrement sur des démonstrations répétées. Les lieux de travail réels contiennent des outils mal rangés, des surfaces réfléchissantes, des colis endommagés, des passages bloqués et des personnes au comportement imprévisible.
L’assistance humaine à distance peut combler certaines lacunes. Un superviseur pourrait aider plusieurs robots lorsqu’ils rencontrent des conditions inhabituelles.
Cependant, des interventions fréquentes affaiblissent l’équation de productivité. Une machine qui appelle régulièrement l’aide d’un humain transfère le travail vers une salle de contrôle au lieu de l’éliminer.
Tesla doit donc démontrer trois formes distinctes de mise à l’échelle. L’entreprise a besoin d’une production à grande échelle, d’une exécution autonome des tâches à grande échelle et d’un déploiement client à grande échelle.
Une usine d’un million d’unités ne répond qu’à la première catégorie. Les investisseurs et les clients ont encore besoin de preuves que ces unités peuvent accomplir un travail utile avec une supervision limitée.
La prédiction de Musk pousse Tesla à publier davantage de données opérationnelles. Des vidéos de démonstration et des événements mis en scène ne peuvent pas établir la fiabilité ou la valeur économique d’une flotte entière.
Des informations utiles incluraient les taux de réussite des tâches, la fréquence des interventions, les heures de fonctionnement, les incidents sur le lieu de travail, les cycles de maintenance et les performances après les mises à jour logicielles.
Tant que ces indicateurs ne seront pas disponibles, le plan Optimus restera une ambition de production liée à un produit de main-d’œuvre incertain.
Les prévisions de marché restent très inférieures à un milliard de robots d’ici 2036
Les prévisions indépendantes soutiennent l’existence d’un vaste marché pour les humanoïdes, mais leurs courbes de déploiement restent nettement plus lentes que la prédiction de Musk.
Goldman Sachs a estimé en 2024 que le marché des robots humanoïdes pourrait atteindre 38 milliards de dollars d’ici 2035. Son analyse du marché des robots prévoyait 1,4 million de livraisons au cours de cette période.
Cette estimation était déjà quatre fois supérieure à la prévision précédente de l’entreprise concernant les livraisons. Goldman a attribué cette révision en partie au développement plus rapide de l’IA et à la baisse attendue des coûts des composants.
L’entreprise a mis en avant les grands modèles de langage robotiques, qui relient le raisonnement fondé sur le langage à la perception et aux actions physiques. Ces systèmes visent à réduire la nécessité pour les ingénieurs de programmer manuellement chaque comportement.
Goldman a également averti que la viabilité des machines polyvalentes n’avait pas été démontrée. La manipulation, l’interaction naturelle, les composants de précision et la capacité de fabrication restaient des contraintes importantes.
Son scénario de base prévoyait plus de 250 000 livraisons d’humanoïdes en 2030. La quasi-totalité servirait à des usages industriels, où les environnements et les tâches peuvent être contrôlés.
Cette projection demeure très inférieure à la courbe de production nécessaire pour atteindre l’objectif de Musk. Même une prévision fortement révisée de plusieurs millions d’unités annuelles d’ici 2035 laisserait un écart considérable.
Morgan Stanley adopte une perspective plus longue. L’entreprise prévoit près d’un milliard d’humanoïdes d’ici 2050, avec une adoption qui s’accélérerait après le milieu des années 2030.
Cette prévision décrit elle aussi une croissance extraordinaire. Elle donne toutefois aux fabricants plus de deux fois plus de temps pour développer les chaînes d’approvisionnement, les normes, les réseaux de service et l’acceptation du public.
Les données récentes sur les déploiements incitent à un optimisme prudent plutôt qu’à anticiper une omniprésence imminente. L’Associated Press a indiqué que plus de 13 000 humanoïdes ont été expédiés dans le monde en 2025.
Son aperçu des livraisons cite des estimations d’Omdia selon lesquelles AGIBOT et Unitree ont chacun expédié plus de 5 000 unités. Tesla et Figure en ont expédié quelques centaines ou moins.
Omdia prévoit que les expéditions de robots avancés dépasseront un million d’unités par an au début des années 2030. Cela représenterait une croissance substantielle par rapport à la base de 2025.
Pourtant, un million d’expéditions annuelles ne représenterait qu’une petite fraction de la flotte envisagée par Musk. L’objectif d’un milliard d’unités exige une production à l’échelle des smartphones, et non les volumes d’équipements industriels spécialisés.
Les comparaisons avec les smartphones peuvent masquer la difficulté. Les téléphones intègrent une électronique sophistiquée, mais ils ne maintiennent pas leur équilibre, ne manipulent pas des objets inconnus et ne travaillent pas aux côtés de salariés.
Une panne de smartphone interrompt généralement la communication. Une panne de robot mobile peut endommager des équipements, arrêter une chaîne de production ou blesser quelqu’un.
Les robots exigent également une maintenance locale. Les moteurs s’usent, les articulations se desserrent, les batteries se dégradent, les capteurs dérivent et les mains subissent des contraintes mécaniques répétées.
Une flotte d’un milliard d’unités créerait donc une vaste économie de maintenance. Les fabricants auraient besoin de pièces de rechange, de techniciens, de logiciels de diagnostic, de processus d’assurance et de systèmes de mise à jour sécurisés dans de nombreux pays.
La concentration de l’approvisionnement ajoute une autre contrainte. Morgan Stanley affirme que les développeurs dépendent encore fortement de composants provenant de Chine et d’autres régions d’Asie.
Cette concentration crée des risques géopolitiques et opérationnels. Les contrôles à l’exportation, les droits de douane, les pénuries de matériaux ou les perturbations de production pourraient affecter simultanément tous les grands fabricants de robots.
La Chine bénéficie actuellement d’un avantage industriel. Le pays a représenté environ 85 % des expéditions d’humanoïdes en 2025, selon des recherches citées par l’Associated Press.
La Chine comptait également plus de 140 fabricants d’humanoïdes et plus de 330 modèles cette année-là. Ces chiffres témoignent d’une concurrence intense, mais ne prouvent pas l’existence d’une demande durable.
Un marché fragmenté peut accélérer l’expérimentation. Il peut aussi engendrer des conceptions redondantes, un service après-vente insuffisant et des usines en quête de commandes avant l’existence d’applications fiables.
Le rapport RSSHub 36Kr présente les prévisions économiques de Musk sans expliquer leur lien avec ces estimations de marché. Une expansion de 20 % à 30 % de la production mondiale exige davantage que la vente de robots.
Les robots doivent accomplir des tâches productives qui, autrement, resteraient non réalisées, réduire des contraintes significatives ou créer des biens et services entièrement nouveaux. Le simple remplacement de capital existant ne produit pas une croissance nette équivalente.
Les économistes doivent également prendre en compte l’investissement, l’énergie, la maintenance, les logiciels, la supervision et les actifs déplacés. La production brute et le bien-être net ne sont pas interchangeables.
Les prévisions pourraient se révéler correctes dans leur direction tout en restant extrêmes sur le plan numérique. Les machines dotées d’IA peuvent accroître la capacité productive sans atteindre un milliard d’unités d’ici 2036.
Une flotte plus réduite déployée dans des contextes à forte valeur pourrait compter davantage qu’une flotte bien plus importante exécutant des tâches de faible valeur. La productivité dépend de l’utilisation et des capacités, et non du seul nombre de corps.
La fiabilité et la demande sont plus difficiles que la démonstration de robot humanoïde
L’enjeu central n’oppose pas l’ambition au talent d’ingénierie. Il oppose la promesse d’un milliard d’unités aux preuves que les clients ont besoin d’humanoïdes fiables.
Les démonstrations robotiques se sont rapidement améliorées. Les machines traversent désormais des surfaces irrégulières, se rétablissent après des poussées, trient des objets et répondent à des commandes en langage naturel.
Ces capacités sont importantes, mais les démonstrations sélectionnent des conditions favorables. Les déploiements commerciaux exposent les robots à de longues périodes de travail, à des composants usés, à des obstacles imprévus et à des tâches répétitives.
La fiabilité doit être mesurée sur des milliers d’heures. Un taux de réussite des tâches qui paraît impressionnant dans une courte vidéo peut tout de même entraîner des temps d’arrêt inacceptables à l’échelle d’une usine.
Prenons un robot chargé de déplacer des pièces entre des postes de travail. Il doit identifier le bon conteneur, le saisir en toute sécurité, circuler parmi les personnes et le livrer sans perturber la production.
Chaque étape ajoute des points de défaillance potentiels. Un faible taux d’erreur se cumule sur des centaines de déplacements par poste.
La capacité généraliste rend la tâche plus difficile. Les machines spécialisées optimisent leur structure et leurs contrôles pour un travail précis. Les humanoïdes sacrifient une partie de leur efficacité pour pouvoir utiliser les espaces et les outils conçus pour les humains.
Ce compromis peut être précieux lorsque les environnements changent fréquemment. Il est moins convaincant lorsqu’un bras robotique fixe ou une plateforme à roues exécute la même tâche à moindre coût et avec une meilleure fiabilité.
Les usines utilisent déjà largement l’automatisation. Les humanoïdes doivent concurrencer les machines établies, les flux de travail repensés et les travailleurs humains, plutôt que de combler un marché vide.
La forme humaine elle-même reste contestée. Deux jambes offrent une mobilité dans des espaces conçus pour les personnes, mais les roues consomment souvent moins d’énergie et assurent une meilleure stabilité.
Les mains offrent un vaste potentiel de manipulation, mais de nombreuses tâches industrielles ne nécessitent qu’une pince conçue pour un usage précis. Des doigts et articulations supplémentaires accroissent les coûts, la complexité de contrôle et les besoins de maintenance.
Les applications initiales les plus solides combineront probablement des environnements conçus par l’humain avec des tâches qui résistent à l’automatisation fixe. La manutention, l’inspection, l’alimentation de machines et la maintenance en milieu dangereux correspondent à ce profil.
Le travail domestique place la barre bien plus haut. Les foyers comportent des escaliers, des animaux de compagnie, des enfants, des objets fragiles, des vêtements laissés au sol, des liquides et des agencements en perpétuelle évolution.
L’Associated Press a décrit un essai à domicile au cours duquel un robot rangeait des chaussures, pliait des vêtements et changeait les sacs-poubelle. Un agent d’entretien humain l’accompagnait.
L’utilisateur a trouvé la machine intéressante, mais inefficace et difficile à déplacer dans un petit logement. Cette expérience illustre l’écart entre la capacité technique et une adoption réellement convaincante.
La demande commerciale constitue une autre incertitude. Les fabricants chinois ont fait état de milliers de commandes, mais nombre d’acheteurs étaient des instituts de recherche, des entreprises publiques ou des lieux de démonstration.
Ces achats soutiennent le développement. Ils ne prouvent pas nécessairement que des clients privés déploieront de grandes flottes après avoir calculé les coûts d’exploitation et les gains de productivité.
Des analystes cités par l’Associated Press ont averti que les cas d’usage restent limités. Les robots demeurent coûteux à produire, fragiles en fonctionnement et dépendants d’environnements structurés.
Cette critique ne signifie pas que les humanoïdes échoueront. Elle signifie que le secteur doit distinguer l’expérimentation subventionnée d’une demande client reproductible.
Un déploiement réussi devrait conduire les clients à agrandir leur flotte sans dépendre de la nouveauté ou d’un soutien politique. Les commandes répétées constituent une preuve plus solide que les protocoles d’accord ou les annonces de projets pilotes.
La sécurité déterminera également le rythme d’adoption. Les employeurs ont besoin de règles claires pour les machines travaillant aux côtés de personnes, en particulier lorsque les modèles acquièrent de nouveaux comportements après leur déploiement.
L’IA physique introduit des risques qui dépassent ceux des logiciels classiques. Une réponse erronée d’un chatbot diffère d’un mouvement erroné effectué par une machine lourde.
Les fabricants de robots ont besoin de protections à plusieurs niveaux. Elles comprennent des limites de force, des arrêts d’urgence, des zones d’exploitation restreintes, la détection des collisions, des mises à jour sécurisées et des journaux de comportement auditables.
Les régulateurs et les assureurs demanderont comment les responsabilités sont attribuées lorsqu’un robot cause un préjudice. La responsabilité pourrait incomber au fabricant, au fournisseur de logiciels, à l’opérateur du lieu de travail ou au fournisseur de données.
La cybersécurité crée un autre risque physique. Un robot compromis peut exposer les caméras et les plans d’une installation, tout en affectant les machines et les personnes.
Un milliard d’humanoïdes connectés formerait une vaste surface d’attaque. Une identité sécurisée, des communications chiffrées, la vérification des mises à jour et l’isolation des réseaux deviendraient des infrastructures de base.
Les données d’entraînement soulèvent des préoccupations distinctes. Les robots apprennent à partir de vidéos, de téléopération, de simulations et d’enregistrements de capteurs recueillis dans des lieux de travail ou des foyers.
Ces enregistrements peuvent contenir des visages, des conversations, des processus propriétaires et des configurations sensibles. Faire évoluer l’apprentissage sans faire évoluer les contrôles de confidentialité susciterait une résistance réglementaire.
La demande énergétique mérite également de l’attention. Chaque robot doit être rechargé, tandis que l’entraînement et l’exécution de ses modèles d’IA nécessitent une infrastructure informatique.
Un milliard de robots ne consommeraient pas l’électricité de manière uniforme. Néanmoins, les plans de déploiement doivent inclure les calendriers de recharge, les contraintes du réseau, les batteries et les besoins locaux en refroidissement ou en calcul.
La comparaison de productivité de Musk suppose que ces systèmes restent utiles pendant de longues périodes. Les temps d’arrêt liés à la maintenance et la consommation d’énergie réduisent la production nette.
Elle suppose aussi que les organisations peuvent repenser le travail autour des machines. Installer des robots sans modifier les processus peut produire une congestion coûteuse plutôt qu’une productivité accrue.
Les entreprises auront besoin de cartographie des flux de travail, d’examens de sécurité, de formation des employés, de logiciels d’intégration et de suivi des performances. Ces activités allongent les cycles de déploiement.
Les travailleurs du savoir devraient s’y intéresser, car l’automatisation physique transformera aussi les systèmes d’information. Chaque robot génère des instructions, des historiques de capteurs, des registres d’incidents et de la documentation de maintenance.
Les équipes auront besoin de connaissances opérationnelles consultables, plutôt que de manuels et fils de discussion dispersés. Une base de connaissances IA bien gérée peut aider les personnes à préserver les décisions, comparer les défaillances et auditer l’évolution des procédures.
Cette couche informationnelle ne résoudra pas les problèmes mécaniques. Elle déterminera si les organisations apprennent de milliers de petites défaillances ou les redécouvrent sans cesse.
Les prévisions d’un milliard d’unités reposent donc autant sur les capacités institutionnelles que sur la robotique. Les clients doivent savoir quoi automatiser, comment le mesurer et quand interrompre un déploiement dangereux.
Ce qui rendrait crédible la prédiction pour 2036
Trois signaux révéleront si les prévisions de Musk deviennent une trajectoire industrielle ou restent un objectif promotionnel.
Le premier signal est une production Optimus vérifiée. Tesla a décrit une ligne dont la capacité annuelle pourrait à terme atteindre un million de robots, mais la capacité ne suffit pas à établir la production effective.
Les investisseurs devraient surveiller les unités achevées, les déploiements en usine, les livraisons externes et une production mensuelle reproductible. Tesla devrait également distinguer les prototypes des machines prêtes pour les clients.
La confirmation la plus solide serait une production soutenue associée à des données d’exploitation publiées. Une grande flotte qui reste inactive pendant une part importante de son temps affaiblirait cet argument.
Le deuxième signal est la productivité autonome. Les fabricants de robots doivent indiquer combien de temps les machines fonctionnent entre deux interventions humaines et à quelle fréquence elles accomplissent les tâches qui leur sont confiées.
Les indicateurs utiles comprennent les heures productives, la fréquence des interventions, les incidents de sécurité, les intervalles de maintenance et la réussite des tâches dans des conditions changeantes.
Ces mesures devraient couvrir les opérations ordinaires, et non des démonstrations sélectionnées. Des clients indépendants devraient confirmer que les robots créent de la valeur après prise en compte des coûts d’intégration et de supervision.
Le troisième signal est une demande répétée dans plusieurs secteurs. Un marché d’un milliard d’unités ne peut pas dépendre d’achats de machines par les constructeurs automobiles auprès de programmes robotiques affiliés.
Les entrepôts, prestataires logistiques, fabricants, services publics, hôpitaux, hôtels et entreprises de services doivent passer des commandes répétées après avoir mené à bien des projets pilotes.
Les commandes doivent se convertir en livraisons et en déploiements élargis. Les acomptes, les annonces de partenariats et les événements de présentation offrent des preuves plus faibles.
La Chine sera au cœur de ce test. Sa chaîne d’approvisionnement, son nombre de fabricants et son avance initiale en matière d’expéditions lui donnent la base actuelle la plus solide pour une production rapide.
Tesla et d’autres développeurs américains peuvent conserver des avantages en matière de modèles d’IA, de puces ou de logiciels intégrés. Ces atouts doivent se traduire par des machines fiables, et non seulement par de meilleurs scores aux benchmarks.
La concurrence entre robots généralistes et robots spécialisés apportera un autre signal important. Les clients pourraient conclure que les systèmes à roues et l’automatisation fixe offrent de meilleurs rendements pour la plupart des tâches.
Si les machines spécialisées dominent, les volumes de robots humanoïdes peuvent encore croître sans se rapprocher de l’objectif fixé par Musk. La forme humaine doit démontrer que sa flexibilité compense sa complexité mécanique.
Les prochains mois devraient clarifier la position de Tesla elle-même. Une présentation détaillée d’Optimus Gen 3 montrerait si la main, les actionneurs, la maintenabilité et la conception sont prêts pour une fabrication reproductible.
La mise en service d’équipements de production avant la fin de 2026 conforterait le calendrier de Tesla. Un retard ou une refonte de la conception concentrerait la croissance nécessaire sur une période encore plus courte.
Les premiers résultats en usine compteront davantage que la qualité de la présentation. Tesla doit montrer des machines accomplissant un travail utile sur des postes complets avec une supervision limitée.
L’affirmation économique plus large restera plus difficile à vérifier. Une croissance mondiale annuelle de 20 % à 30 % exigerait des améliorations simultanées de la productivité, de l’investissement, de la consommation et de l’accès aux marchés.
L’IA pourrait accroître le potentiel productif de l’économie sans générer ce taux de croissance. Les goulets d’étranglement peuvent se déplacer du travail vers l’énergie, les matériaux, le capital, la réglementation ou la demande.
La répartition compte également. La production des robots peut augmenter la production globale tout en concentrant les revenus entre les mains des propriétaires de machines et des fournisseurs d’infrastructures.
Les travailleurs, les gouvernements et les entreprises réagiront par les salaires, les impôts, la formation, la réglementation et la création de nouvelles entreprises. Ces réponses détermineront dans quelle mesure une capacité accrue deviendra une prospérité largement partagée.
L’article de RSSHub 36Kr met en avant le chiffre le plus spectaculaire de Musk, mais l’écart de vérification reste au cœur du sujet. Les lecteurs devraient distinguer la déclaration rapportée des preuves auditées de production et de déploiement.
Un milliard d’humanoïdes d’ici 2036 n’est mathématiquement possible qu’avec une courbe de production exceptionnellement abrupte. Cela exige que de nombreuses entreprises et de nombreux pays, et non Tesla seule, atteignent une échelle gigantesque.
La prédiction gagnera en crédibilité lorsque trois choses se produiront simultanément : les usines expédient des millions d’unités, les clients passent de nouvelles commandes et les robots travaillent en toute sécurité sans interventions de secours constantes.
D’ici là, ce chiffre sert de défi à l’industrie. Il indique aux fabricants, fournisseurs, régulateurs et acheteurs ce qui devrait changer pour que l’IA physique soit à la hauteur de ses promesses les plus ambitieuses.
La prochaine question utile n’est pas de savoir si un humanoïde peut réaliser une nouvelle démonstration spectaculaire. Il faut demander combien d’heures productives il a accomplies, à quelle fréquence une personne est intervenue et si le client en a commandé davantage.
Suivez ces réponses chez Tesla, les fabricants chinois et les déploiements indépendants. Si elles s’améliorent à mesure que la production augmente, le calendrier resserré de Musk mérite une attention sérieuse.
Si les fabricants ne publient que des objectifs de capacité et des vidéos chorégraphiées, la courbe d’adoption plus longue restera plus convaincante. Un milliard de robots serait alors une destination, et non une réalité en 2036.
