[TRIBUNE de Winston Leung, QNX] Pendant longtemps, la robotique industrielle a reposé sur des systèmes confinés, évoluant dans des environnements strictement contrôlés. Ce modèle est aujourd’hui en train d’évoluer rapidement. Une nouvelle génération de robots mobiles autonomes, capables d’opérer dans des environnements ouverts et non structurés, s’impose progressivement dans des secteurs comme la logistique, la santé ou la construction. Winston Leung, Responsable des partenariats stratégiques chez QNX explique ici les grandes tendances à l’œuvre sur ce domaine de la robotique.

Selon la société d’analyse de marché ABI Research, environ 150 000 robots sont désormais déployés chaque année dans l’ensemble des industries à travers le monde. Ce changement d’échelle transforme en profondeur la manière dont les systèmes robotiques sont conçus avec trois tendances structurantes qui se dessinent.

1 - Des robots conçus pour interagir avec leur environnement

La première évolution tient à la nature même des environnements dans lesquels les robots sont désormais déployés. Contrairement aux systèmes industriels traditionnels, les robots mobiles et de service évoluent dans des contextes dynamiques où les situations ne sont ni fixes ni totalement prévisibles. Ils doivent percevoir leur environnement à partir de multiples sources de données - caméras, lidars, radars - interpréter ces informations et adapter leur comportement en temps réel.

Parallèlement, les interactions avec les humains sont constantes, qu’il s’agisse d’éviter un obstacle, de partager un espace ou de coordonner des actions avec d’autres systèmes. A mesure que les robots quittent des environnements isolés pour évoluer dans des espaces collaboratifs et dynamiques, leur efficacité ne repose plus uniquement sur leur précision mécanique, mais aussi sur leur capacité à comprendre leur environnement et à réagir de manière appropriée.

Les robots doivent donc désormais interpréter des environnements complexes et changeants tout en opérant en toute sécurité aux côtés des humains. Cette évolution transfère une part importante de la complexité du matériel vers le logiciel, qui devient le principal moteur de l’intelligence, de la coordination et du fonctionnement sûr du système.

2 - La sécurité, un enjeu désormais logiciel

L’évolution vers des robots plus autonomes et interactifs transforme profondément la manière dont la sûreté est pensée. Les systèmes robotiques ne fonctionnent plus comme des machines isolées mais comme des ensembles interconnectés combinant capteurs, logiciels, réseaux et services externes.

Dans ce contexte, la sûreté ne peut plus reposer uniquement sur des mécanismes physiques. Elle dépend désormais du fonctionnement global du système car les robots interprètent en permanence des données issues de leur environnement, prennent des décisions et coordonnent leurs actions avec d’autres composants.

Cette complexité introduit de nouvelles dépendances entre les différentes couches du système. Une défaillance logicielle, un problème de communication tout comme un comportement inattendu peuvent désormais avoir des conséquences directes sur le fonctionnement global du robot.

Dans ce contexte, la cybersécurité devient indissociable de la sûreté de fonctionnement. À mesure que les systèmes gagnent en connectivité, leur exposition aux risques augmente également. Une interférence malveillante ou une altération des données peut affecter directement la prise de décision ou le comportement du robot. La protection des logiciels, des communications et des données devient donc une condition essentielle du fonctionnement des systèmes robotiques.

3 - L’intelligence artificielle face au défi de la certification

L’intelligence artificielle joue un rôle central dans cette évolution, en particulier dans les systèmes de perception. Les approches fondées sur l’apprentissage automatique permettent d’améliorer significativement la reconnaissance d’objets et l’interprétation des environnements complexes, ce qui les rend indispensables pour les robots opérant en milieux non structurés.

Mais cette progression introduit une difficulté majeure : celle de la certification. Les méthodes traditionnelles de sûreté reposent sur des systèmes déterministes dont le comportement peut être entièrement vérifié. Les modèles fondés sur l’apprentissage automatique fonctionnent au contraire selon des logiques probabilistes, fortement dépendantes des données et du contexte d’exploitation. Dans ce contexte, l’industrie s’oriente vers des architectures hybrides.

L’intelligence artificielle y est principalement utilisée pour la perception et l’interprétation des environnements, tandis que les fonctions critiques continuent d’être supervisées par des mécanismes de sûreté déterministes. Cette approche permet de tirer parti des capacités de l’IA tout en conservant un cadre de fonctionnement maîtrisé. L’IA améliore ainsi la capacité des robots à comprendre des environnements complexes et évolutifs, mais son utilisation doit rester encadrée par des règles strictes définies au niveau de l’architecture système.

Ces mécanismes garantissent que les comportements du robot demeurent prévisibles, quelles que soient les décisions produites par les modèles d’apprentissage. Cette évolution confirme une transformation plus profonde de la conception des systèmes robotiques.

L’intégration de l’IA ne réduit pas les exigences de sûreté : elle impose au contraire de les structurer plus explicitement au niveau logiciel et architectural, afin de garantir que les comportements adaptatifs restent toujours compatibles avec les règles fondamentales de sécurité.