L’avènement de l’IA incarnée : comment le consortium robotique MAESTRO façonne la souveraineté européenne
Le 3 juillet 2026, l'écosystème de l'intelligence artificielle et de la robotique s'est réuni pour une étape structurante de la deeptech francilienne et européenne : le lancement officiel du Consortium Robotique MAESTRO, fondé conjointement par Inria et le CNRS pour fédérer la communauté académique et industrielle autour d'une robotique ouverte et souveraine.
Financé à hauteur de 600 000 euros par la Région Île-de-France via le DIM AI4IDF et labellisé « Pionniers de l’IA » dans le cadre du plan national France 2030, MAESTRO est un des joyaux de la recherche publique française et illustre l'impact produit par les soutiens institutionnels publiques. Cela se traduit par la construction d’une infrastructure logicielle ouverte, conçue comme un bien commun de filière.
Les échelles de la puissance publique : converger pour structurer
Le déploiement d'une innovation de rupture ne relève pas du hasard ; il procède d'un emboîtement rigoureux de volontés politiques et académiques, qui s'exprime ici à trois échelles complémentaires. À l'échelle locale, le cluster IA PRAIRIE-PSAI apporte l'ancrage scientifique de premier rang dont une infrastructure de filière a besoin. À l'échelle régionale, la Région Île-de-France et son DIM AI4IDF structurent la concentration francilienne (laboratoires, plateformes, startups) pour qu'elle bénéficie à l'ensemble du tissu économique. À l'échelle nationale enfin, France 2030 accompagne le passage du prototype de recherche à l'infrastructure utilisable par l'industrie. Trois niveaux d'intervention qui ne se concurrencent pas mais s'emboîtent : excellence scientifique, ancrage territorial, engagement de filière dans la durée.
Pour Isabelle Ryl, directrice de l’institut PRAIRIE-PSAI et instigratrice du DIM AI4IDF en 2022, cette dynamique s’inscrit dans une continuité : adossé à la recherche publique, le cluster PRAIRIE a été soutenu par le SGPI et France 2030. La robotique y était déjà présente, et lors du lancement du DIM AI4IDF une part des investissements en robotique lui a été consacré : un domaine stratégique où investir, dont Jean-Paul Laumond avait fait son cheval de bataille, et sur lequel l’effort n’a jamais été relâché.
À l’échelle régionale, cette dynamique s’appuie sur le soutien constant de la Région Île-de-France. Olivier Mousson, représentant la Région, a rappelé la vision de sa présidente, Valérie Pécresse : la Région est convaincue du bien-fondé de la recherche et, avec 52 DIM et 600 millions d’euros investis, l’effort se poursuit, malgré un contexte budgétaire plus contraint, la recherche reste prioritaire et sanctuarisée.
À l’échelle nationale, le Secrétariat général pour l’investissement (SGPI) mobilise les moyens de France 2030. Nina Landes, coordinatrice nationale pour l’IA, a rappelé la priorité stratégique : passer des laboratoires aux cas d’usage industriels complexes. Il s’agit de monter en complexité et ne pas rester cantonné aux démonstrateurs de salons. Avec le PIIEC IA et l’appel « Pionniers de l’IA », l’État sécurise les briques de recherche et leurs applications pour leur faire franchir des seuils industriels.
Au sein de cet emboîtement, le DIM AI4IDF se positionne au cœur de cette philosophie pragmatique : observer la recherche en train de se faire, en être l’entremetteur, le financeur, et donner aux scientifiques les leviers matériels de leurs ambitions.
Le changement de paradigme : l’IA incarnée face au mur de la donnée
Dans sa keynote, Justin Carpentier, responsable de l’équipe-projet WILLOW (commune Inria, CNRS, ENS-PSL), a posé les bases scientifiques et technologiques de MAESTRO. Nous vivons une transition de l'IA digitale vers l'IA physique (ou IA incarnée) : le passage de l'écran au monde réel.
Une tendance lourde de la robotique mondiale postule que cette transition sera résolue par l'accumulation massive de données (approche data-driven, modèles de fondation end-to-end téléopérés). Justin Carpentier a replacé ce débat sur le terrain de l'efficience : ces architectures exigent des infrastructures de calcul considérables, centralisées et énergivores, quand les infrastructures souveraines, tel le supercalculateur national Jean Zay, disposent de capacités nécessairement plus contraintes. Cette massification de la donnée produit en outre des systèmes capables d’exécuter ou de répéter, mais dont les capacités de raisonnement restent limitées, et elle repose sur une collecte de données à grande échelle dont la soutenabilité, humaine comme énergétique, interroge. C'est là que MAESTRO entend se démarquer : faire mieux avec moins, en réintroduisant les lois de la physique au cœur du code plutôt qu'en les réapprenant à grands frais depuis les données.
Concrètement, le consortium s'attaque à trois verrous qui freinent le déploiement de la robotique à grande échelle. La fidélité au réel : les outils actuels reproduisent mal les contacts et les frottements, si bien que des modèles performants en simulation se dégradent sur le terrain (le Sim-to-Real gap) ; le simulateur Simple offre une précision physique qui réduit cet écart. L'intégration : là où simulation, commande et apprentissage fonctionnent habituellement en silos, MAESTRO propose une architecture unifiée et entièrement différentiable, où l'apprentissage profond s'intègre sans sacrifier la rigueur des modèles physiques. La frugalité enfin : une architecture CPU-first, qui tourne sur des systèmes embarqués standards sans connexion au cloud, ce qui limite les coûts opérationnels et énergétiques, affranchit l'utilisateur des plateformes propriétaires distantes et facilite l'auditabilité, qualité essentielle pour la certification des systèmes autonomes.
La suite logicielle MAESTRO se compose de briques interconnectées :
- Pinocchio : Le moteur de calcul de la dynamique du mouvement (200 000 lignes de C++), devenu un standard mondial.
- COAL : Détection rapide de collisions au sein de scènes complexes.
- ProxSuite : Algorithmes d'optimisation numérique pour la prise de décision en quelques millisecondes.
- Aligator : Calcul en temps réel de trajectoires complexes sous contraintes, faisant le lien entre modélisation, optimisation et action.
- Simple : Simulateur physique différentiable de haute fidélité, réduisant l’écart entre simulation et réalité.
Éprouvés sur les plateformes robotiques du Centre Inria de Paris, financées notamment par le DIM AI4IDF et le cluster PRAIRIE-PSAI, ces logiciels ne sont pas des prototypes de laboratoire : ils constituent déjà une infrastructure de fait, que le consortium vient institutionnaliser comme bien commun de la filière.
Paroles d’industriels
Si des industriels de premier plan s'engagent dès le premier jour autour de MAESTRO, c'est que le consortium répond à trois enjeux qui dépassent le simple usage d'un logiciel. D'abord un transfert à double sens : les entreprises ne sont pas seulement utilisatrices des briques logicielles, elles contribuent à orienter la feuille de route. Ensuite, l'accès à une véritable infrastructure de filière : un socle mutualisé, dont les coûts d'ingénierie et de maintenance sont partagés, et qui garantit réversibilité, contrôle et capacité d'audit, là où un outil propriétaire crée une dépendance envers son éditeur. Enfin, la souveraineté : disposer d'une infrastructure construite et maintenue en Europe, condition d'autonomie stratégique pour des secteurs aussi sensibles que l'automobile, le médical, l'aéronautique ou la défense.
Renault (Laurent Duthoit). Le constructeur doit renouveler ses modèles à un rythme inédit, alors que l'apprentissage d'un robot peut prendre jusqu'à six mois en usine, pour un objectif de déploiement d'une ligne complète en moins de dix-huit mois. Le socle mutualisé de MAESTRO doit permettre d'accélérer ces cadences et de réduire les tâches pénibles, sans redévelopper d'outils propres à chaque site.
Wandercraft (Sébastien Dalibard). Le fabricant d'exosquelettes de marche à usage médical s'appuie déjà sur les briques du consortium : la stabilisation d'un robot pouvant peser jusqu'à 100 kg repose sur Pinocchio. Les échanges avec l'équipe de recherche illustrent le transfert à double sens, les retours du terrain nourrissant le développement du logiciel.
Helsing (Antoine Bordes). Pour l'entreprise d'IA de défense, qui déploie son robot quadrupède expérimental RX1, produit en Europe, l'enjeu de souveraineté est central et ne peut être traité isolément. Le verrou technique actuel, la simulation des contacts complexes (boue, flaques, gravats), est un domaine où les techniques hybrides de Pinocchio apportent une réponse.
Safran (Guillaume Duponchel). L'enjeu est double : en aéronautique, la production de petites séries de pièces complexes appelle une robotique versatile et mobile pour amortir les coûts ; en défense, les robots doivent assurer des missions de reconnaissance ou d'évacuation sanitaire aux côtés de l'humain. Dans les deux cas, les contraintes embarquées imposent des briques logicielles légères, performantes et une IA explicable, ce que vise l'approche frugale et auditable du consortium.
Au-delà de la diversité des applications, les échanges ont été équivoques et les témoignages convergent sur la valeur du consortium, qui ne réside pas seulement dans ses logiciels, mais dans ce qu'ils rendent possible collectivement : mutualiser les coûts d'ingénierie, orienter la feuille de route au plus près des besoins du terrain, et ancrer en Europe une capacité technologique critique.
L'open source comme vecteur de transfert
Comment un logiciel né dans un laboratoire devient-il un standard durablement adopté par l'industrie, plutôt qu'un projet open source qui dépérit ? La seconde table ronde a réuni des acteurs de trois trajectoires qui éclairent celle de MAESTRO : Jupyter et son écosystème mondial (Sylvain Corlay, QuantStack), scikit-learn et sa structuration en entreprise à mission (François Goupil, Probabl) et le consortium SOFA en simulation médicale (Hugo Talbot).
De ces expériences croisées se dégagent quelques conditions communes. Un bien commun logiciel ne survit pas par la seule qualité de son code : il lui faut une gouvernance qui associe les industriels à la feuille de route, un modèle économique qui finance l'ingénierie dans la durée, et une structure porteuse qui le protège. Sur ce dernier point, l'Europe accuse un retard culturel : aux États-Unis, les communs logiciels s'appuient sur des fondations à but non lucratif qui assurent l'ombrelle légale et financière, tandis que les projets européens sont trop souvent absorbés par des structures américaines. Un consortium porté par Inria constitue une réponse à ce déficit : c'est le modèle qui a fait ses preuves avec scikit-learn, et que MAESTRO explore.
En synthèse de la matinée, François Cuny, directeur général délégué à l'innovation d'Inria, a résumé les trois défis que le consortium est prêt à relever avec l'appui de l'écosystème francilien : refuser les dépendances technologiques en s'appuyant sur des standards ouverts et souverains ; valoriser la compétence humaine, l'actif le plus précieux du numérique ; et faire vivre un tissu économique de partenaires publics et privés, interconnecté aux grandes initiatives européennes comme les PIIEC.
L’après-midi scientifique : repousser les frontières de l’IA incarnée
L’après-midi, introduite par Pierre-Brice Wieber, a démontré la profondeur des recherches qui alimenteront MAESTRO sur le long terme.
Apprentissage et transfert à partir de la vidéo humaine
Shizhe Chen (WILLOW) a présenté des travaux permettant à un robot d'apprendre des tâches de manipulation en observant de simples vidéos humaines. Le point de départ est le principal verrou des modèles de fondation robotiques : la rareté des données, la collecte sur robot réel étant lente et coûteuse, et la simulation limitée par l'écart entre le simulé et le réel (Sim-to-Real gap). La méthode présentée reconstruit d'abord en 3D la main et l'objet manipulé à partir d'une simple image monoculaire, puis transpose ces mouvements au robot (motion retargeting). Les trajectoires ainsi extraites étant imparfaites, un apprentissage par renforcement guidé par ces références les corrige en simulation avant d'entraîner la politique visuelle finale. Le gain est net : là où la méthode de référence du domaine requiert de 20 à 100 vidéos, une seule suffit, pour des taux de réussite supérieurs, des résultats validés sur robot réel, y compris sur des objets qui n’ont pas été vus à l’entraînement. Ses travaux les plus récents ancrent explicitement l'information 3D dans les modèles vision-langage-action, atteignant l'état de l'art avec une seule caméra là où les modèles 2D, forts sémantiquement, restent imprécis dans leurs gestes.
Vers un changement d'échelle de l'apprentissage par renforcement
Théotime Le Hellard (WILLOW) a abordé le passage à l’échelle de l'apprentissage par renforcement (RL). L'état des lieux tient en trois chiffres : entraîner un quadrupède en simulation prend 15 minutes et 100 millions de transitions, un humanoïde 10 heures et 2 milliards de transitions et la manipulation fine reste hors de portée. Le verrou n'est pas la puissance de calcul, mais la précision des simulateurs et les algorithmes eux-mêmes, un diagnostic que partagent les acteurs de pointe du domaine, qui reviennent aujourd'hui au RL après l'avoir délaissé. L'équipe explore deux voies complémentaires. En apprentissage à partir de jeux de données préenregistrés (offline), ses travaux montrent qu'il ne faut pas imiter indistinctement toutes les démonstrations, mais concentrer l'apprentissage sur les actions à haute valeur du jeu de données. En apprentissage conditionné par objectifs, une reformulation originale (traiter l’atteinte d’un but comme un problème d’analyse de survie, une théorie statistique éprouvée) permet d'apprendre sur des horizons très longs : sur un labyrinthe humanoïde exigeant jusqu'à 3 000 pas, le taux de réussite passe de 45 % à 81 %. La combinaison de ces algorithmes avec le simulateur développé par l'équipe constitue la prochaine étape du changement d'échelle.
La simulation différentiable à haute fidélité physique
Louis Montaut et Yann Dubois de Mont-Marin (WILLOW) ont exposé les fondations de Simple et de COAL, en partant d'un constat d'efficience : un seul entraînement de politique robotique représente environ 60 heures de calcul GPU, 100 milliards d'appels au simulateur, l'équivalent de 55 ans de temps simulé, et quelque 55 kg de CO₂. Accélérer la simulation sans dégrader la physique est donc un levier direct de frugalité. La plupart des simulateurs existants acceptent des relaxations des lois physiques, ce qui génère des artefacts et des données biaisées ; l'approche de l'équipe résout le problème mathématique du contact frictionnel (conditions de Signorini, lois de Coulomb) sans relaxation, grâce à des méthodes d'optimisation adaptées exploitant la structure des systèmes robotiques. Deux contributions sont :
- Repenser le problème de détection de collision sous l’angle de l’optimisation mathématique. Cela permet d’accélérer cette opération mathématique et de la différencier efficacement ;
- Retravailler le problème de la résolution du contact frictionnel sous l’angle d’une cascade de problèmes d’optimisation dont la solution finale peut être différenciée efficacement. Le problème de contact est résolu sans relaxation physique et les dérivées sont obtenus avec la même rapidité qu’est résolu le problème de contact, là où les concurrents proposent des solutions qui violent la physique et dont les dérivées sont plusieurs ordres de grandeur plus coûteuses que la résolution du problème de contact.
La robotique déformable, hybride et biologique
Enfin, Etienne Ménager et Christian Duriez ont défendu une conviction : la robotique du futur sera hybride, combinant structures rigides (robustes et précises) pour le positionnement et structures déformables (adaptatives et sûres) pour l'interaction, notamment face aux objets fragiles. Cette hybridation pose trois défis scientifiques : coupler plusieurs mondes physiques au sein d'une même simulation, via des contraintes et des solveurs communs ; développer des méthodes numériques efficaces qui exploitent la structure des problèmes pour « faire plus avec moins » ; et tirer parti de la dynamique propre des corps déformables dans le contrôle et la conception. Le panorama des méthodes, éléments finis pour les structures souples, méthode des points matériels pour les milieux granulaires comme la boue ou la neige, tiges de Cosserat pour les câbles et robots continus, s'accompagne d'une exigence : loin des simulateurs qui se contentent d'un réalisme visuel, hérités du jeu vidéo, il s'agit de construire des simulations ancrées dans la réalité physique, capables de prédire des efforts et de contrôler des systèmes réels. La perspective ouverte va jusqu'au couplage avec les fluides, au bio-actionnement et à la modélisation du vivant.
L’art invisible de la maintenance
La journée a également mis l'accent sur une dimension déterminante : la qualité industrielle du code. La table ronde a réuni Guilhem Saurel (LAAS-CNRS), Antoine Hoarau (consultant en robotique), Joris Vaillant (Inria) et Hugo Talbot (consortium SOFA) autour des quatre chantiers qui font la fiabilité d'un logiciel dans la durée : l'intégration continue, la gestion des versions et de leur cycle de vie, la dette technique et le support aux utilisateurs.
L'intérêt de l'échange tenait à la comparaison de trois trajectoires. La pile logicielle historique du LAAS, dont MAESTRO factorise déjà les outils de compilation, illustre la modernisation d'un existant ; SOFA, fort de vingt ans de développement et d'une gouvernance en consortium (jusqu'au plugin qui intègre les solveurs de Pinocchio), montre l'étape de maturité suivante. Entre les deux, MAESTRO affiche une intégration continue exigeante, chaque brique étant testée sur Linux, macOS et Windows, sur les deux dernières versions LTS d'Ubuntu et quatre distributions de ROS, et une distribution multi-canaux (Conda, PyPI, APT, Docker, ROS). Les intervenants n'ont pas éludé les chantiers restants : passer d'un processus de publication manuel à la maintenance d'une version long-terme, structurer le traitement de la dette technique et unifier une documentation encore dispersée. L'expérience de SOFA (versions semestrielles avec rétroportage de correctifs, formations, support par contrat de service) dessine la feuille de route. Elle rappelle surtout une réalité : un logiciel libre non maintenu meurt à petit feu, et ce travail invisible est précisément le plus difficile à faire financer ; c’est là toute la raison d’être d'un consortium qui mutualise les moyens d'ingénierie dans la durée.
Perspectives
Justin Carpentier a clôturé la journée, en remerciant les partenaires industriels et institutionnels et en invitant l’ensemble de l’écosystème (chercheurs, industriels, acteurs publics) à rejoindre le consortium.
Le DIM est particulèrement fier de l'initiative MAESTRO, cet écosystème répond à la raison d'être même du DIM qui est de soutenir les acteurs territoriaux pour impulser des dynamiques systémiques et favoriser l'émergence de coalitions souveraines et portées sur le bien commun. Le Consortium MAESTRO est un pur produit de la recherche publique francilienne et témoigne de l'impact attendu du DIM à travers les investissements réalisés auprès des équipes qui mènent cette recherche de haut niveau et s'engagent pour la transférer avec les acteurs socio-économiques territoriaux et à grande échelle.
Le DIM salue chaleureusement et accompagnera cette dynamique : c'est l'illustration d’une recherche scientifique d’excellence qui, par la rigueur mathématique et l’ancrage territorial, pose les fondations de l’autonomie industrielle européenne.