Pendant trois ans, le récit de l’IA s’est joué presque exclusivement sur les écrans. Les grands modèles de langage, les copilotes d’entreprise, les hyperscalers qui empilaient les data centers : NVIDIA est devenu le symbole définitionnel du boom, avec une capitalisation boursière dépassant les 4 500 milliards de dollars tandis que les hyperscalers déversaient des milliards dans l’infrastructure de calcul, les GPU et les data centers.
Une nouvelle question s’impose désormais : que se passe-t-il quand l’IA quitte l’écran ?
Cette transition donne naissance à ce que l’industrie appelle désormais « l’IA physique » (Physical AI) : une intelligence artificielle déployée dans des systèmes du monde réel, robotique, véhicules autonomes, automatisation industrielle, entrepôts intelligents, infrastructures urbaines.
Selon le cabinet d’études de marché MarketsandMarkets, le marché mondial de l’IA physique devrait connaître une croissance rapide, passant de 1,5 milliard de dollars cette année à 15,2 milliards de dollars d’ici 2032. Les premiers revenus devraient être principalement générés par la robotique industrielle, l’automatisation logistique et les usines intelligentes.
La robotique suscite un intérêt croissant, non seulement auprès des sociétés de capital-risque, mais aussi des gouvernements et des fonds souverains, ainsi que des acteurs industriels établis et des investisseurs en infrastructures.
Effectivement, les capitaux s’intéressent déjà à ce potentiel. Les investissements en capital-risque dans la robotique ont atteint 8,8 milliards de dollars au deuxième trimestre 2025, selon Barclays, soit une multiplication par 15 depuis 2017, et les valorisations des startups leaders du secteur ont connu une croissance rapide.
Cette transition pourrait s’avérer bien plus gourmande en capitaux que la phase logicielle du cycle de l’IA. Usines, robots, systèmes logistiques autonomes, entrepôts, capteurs industriels et infrastructures de déploiement nécessitent des investissements physique massifs, en complément de l’intelligence logicielle.
À bien des égards, l’IA physique représente le moment où l’intelligence artificielle commence à opérer directement au sein de l’économie réelle, et non plus principalement via des interfaces numériques.
1. Qu’est-ce que l’IA physique, précisément ?
L’IA physique désigne les systèmes capables de percevoir leur environnement via des capteurs, de raisonner via des modèles d’IA, et d’agir physiquement dans le monde réel. C’est une intégration technologique complexe combinant trois couches :
- La modélisation 3D et les jumeaux numériques (digital twins), qui permettent de simuler des environnements physiques pour entraîner les systèmes ;
- Les world models (modèles du monde), qui constituent le « cerveau » capable de prédire comment l’environnement va évoluer ;
- Les technologies de contrôle qui traduisent les décisions de l’IA en actions physiques précises.
La rupture conceptuelle est la suivante : on passe de systèmes déterministes (les robots industriels classiques, qui ne fonctionnent que dans des environnements ultra-structurés) à des systèmes probabilistes capables d’opérer dans des environnements dynamiques et non structurés.
C’est cette transition qui ouvre, pour la première fois, l’automatisation à des secteurs entiers historiquement réfractaires : agriculture, logistique du dernier kilomètre, construction, maintenance d’infrastructures, services.
2. La convergence des courbes
Plusieurs dynamiques technologiques et économiques convergent simultanément, ce qui distingue ce cycle des fausses promesses robotiques des décennies précédentes.
Sur le plan technique, trois ruptures majeures se sont produites :
- Les LLM ont radicalement amélioré le raisonnement machine et la compréhension multimodale ;
- Les environnements de simulation sont devenus suffisamment réalistes pour permettre l’entraînement « sim-to-real » à grande échelle ;
- L’infrastructure GPU a scalé plus vite qu’anticipé.
Le marché de l’IA physique illustre une rotation rapide des centres de gravité technologiques. En 2023, Nvidia s’est imposée sur les infrastructures d’entraînement ; en 2024, Tesla a cristallisé l’attention sur la conduite autonome et l’humanoïde.
Depuis, les spécialistes de la mémoire haute performance et du contrôle robotique ont successivement capté les flux. À l’horizon rapproché, les acteurs de la robotique collaborative et du contrôle embarqué devraient prendre le relais, à mesure que l’IA physique quitte les environnements contrôlés, pour s’intégrer aux chaînes de production et aux espaces publics.
L’enjeu industriel est considérable : l’IA physique est appelée à redéfinir la productivité dans des secteurs aussi structurants que la santé, l’industrie manufacturière et la logistique.
Là où l’IA générative a transformé le traitement de l’information, l’IA physique ambitionne de transformer le monde matériel, avec des implications potentiellement plus profondes sur l’emploi, la compétitivité industrielle et les chaînes d’approvisionnement mondiales.
Sur le plan économique et démographique, le moteur structurel est implacable. L’OCDE estime que la population en âge de travailler diminuera de 8% dans les pays membres d’ici 2060, plus d’un quart des pays membres devant connaître des baisses supérieures à 30%.
Les pénuries de main-d’œuvre industrielle ne sont plus conjoncturelles : elles deviennent structurelles. L’automatisation cesse d’être un choix d’efficience pour devenir une nécessité de continuité productive.
3. La chaîne de valeur
C’est probablement la question la plus importante pour un investisseur. L’IA physique n’est pas un secteur, c’est une pile technologique verticale, et chaque couche présente des dynamiques concurrentielles et des rentabilités différentes.
Couche 1 — Semi-conducteurs et compute edge
La couche fondamentale : GPU, FPGA, ASIC, processeurs neuromorphiques pour l’inférence en périphérie, le traitement temps réel des capteurs, et le contrôle embarqué de sécurité.
NVIDIA domine, mais des dynamiques particulières émergent : contrairement aux modèles de texte, qui traitent des requêtes sur une infrastructure partagée, les modèles de robotique doivent générer un état d’environnement toutes les quelques millisecondes par robot, ce qui signifie que chaque déploiement requiert effectivement un pipeline GPU dédié.
Cela crée une demande persistante de compute par unité déployée, très différente du modèle SaaS classique.
Couche 2 — Modèles de fondation et world models
C’est là que se concentre l’innovation la plus récente, et la plus capitalisée. Environ 6 milliards de dollars ont afflué dans six ou sept entreprises de world models au seul premier trimestre 2026.
NVIDIA Cosmos est devenu la plateforme de référence : une famille de world foundation models, réseaux neuronaux capables de prédire et générer des vidéos physiquement cohérentes de l’état futur d’un environnement virtuel, pour aider les développeurs à construire la prochaine génération de robots et de véhicules autonomes. Les early adopters incluent Figure AI, 1X, Agility Robotics, Skild AI, XPENG et Uber.
Couche 3 — Données et simulation
C’est le « moat » sous-estimé. Comme le formule un investisseur de Bessemer : l’avantage déterminant dans l’IA physique ne sera pas la nouveauté du modèle, mais la qualité de l’infrastructure de données qui le soutient. À mesure que les modèles convergent, les entreprises qui gagneront seront celles dotées du data flywheel le plus solide. Cela favorise les acteurs déployés en production tôt, capables d’accumuler des données réelles d’usage, un avantage de type « Tesla FSD », difficile à rattraper.
Couche 4 — Intégrateurs et fabricants
Les quatre acteurs historiques de la robotique industrielle (ABB, FANUC, KUKA, Yaskawa) contrôlent encore plus de 50% du marché installé. SoftBank est en train d’acquérir ABB Robotics pour 5,375 milliards de dollars, opération attendue mi-2026, ce qui marque le retour de SoftBank dans la robotique après la vente de Boston Dynamics à Hyundai. Cette concentration suggère que la course aux humanoïdes ne tuera pas les acteurs établis : elle les forcera à se réinventer.
Couche 5 — Applications verticales
L’application finale, segmentée par secteur (humanoïdes, robotaxis, manutention, agriculture, santé, défense). C’est la couche la plus visible et la plus médiatisée, mais paradoxalement pas toujours la mieux positionnée en termes de capture de valeur, en raison de cycles capex lourds et de risques d’exécution élevés.
L’IA physique ne constitue pas un secteur unique, mais un nouvel écosystème qui évolue rapidement, dans lequel l’intelligence est intégrée à des machines opérant au coeur de l’économie réelle. D’un point de vue analytique, cela pose un défi pour les investisseurs, la création de valeur se répartissant sur plusieurs couches, du matériel et des capteurs aux logiciels et aux plateformes autonomes
4. La géographie de la compétition
C’est l’élément différentiel le plus important par rapport à l’IA générative. En IA numérique, l’issue concurrentielle est de plus en plus jouée.
Un petit nombre d’entreprises américaines de modèles de fondation, tournant sur du matériel NVIDIA, entraînées sur des données internet à dominante anglophone, définissent la frontière mondiale. L’IA physique n’est pas jouée.
Les dimensions sur lesquelles elle sera décidée, capacité manufacturière, données de déploiement, vitesse réglementaire, contrôle des chaînes d’approvisionnement, intelligence des modèles de fondation, sont distribuées entre différents acteurs de manière à rendre l’issue finale véritablement imprévisible.
Quatre pôles, quatre avantages :
- États-Unis : leadership sur la couche d’intelligence (modèles de fondation, software stack). Figure AI à 39 milliards de dollars de valorisation, Apptronik à 5,3 milliards, Anduril à 60 milliards. Écosystème de capital-risque inégalé.
- Chine : domination industrielle. Près de 90% des robots humanoïdes vendus dans le monde en 2025 ont été conçus par des entreprises chinoises, selon les estimations de l’International Federation of Robotics. UBTech, Unitree, Fourier Intelligence et XPeng dominent un marché intérieur largement adossé au programme étatique Made in China 2025. Avantage manufacturier et de coût décisif.
- Europe : avantage de la confiance certifiée et de la densité de déploiement industriel (ABB, KUKA, Siemens). Position défensive forte sur les normes et la sécurité.
- Japon : densité robotique opérationnelle la plus élevée au monde, accumulation décennale de données de déploiement (FANUC, Yaskawa).
Qui plus est en Corée du Sud, KB Asset Management a annoncé la cotation du RISE Hyundai Motor Fixed Physical AI, un nouvel ETF thématique adossé à l’écosystème industriel du premier constructeur automobile coréen.
L’ETF réplique le KEDI Hyundai Motor Fixed Physical AI Index, qui alloue de manière structurelle 25 % du portefeuille à Hyundai Motor et complète l’exposition par 14 valeurs présentant une forte corrélation industrielle avec les segments de la conduite autonome, de la robotique et de l’automatisation manufacturière.
Le fonds entend offrir aux investisseurs une exposition concentrée à la transition stratégique du groupe Hyundai Motor, qui ne se limite plus à la construction automobile pour embrasser la robotique, la conduite autonome et les systèmes manufacturiers intelligents.
Cette mutation s’appuie sur deux atouts structurels : l’expertise robotique acquise via Boston Dynamics, filiale dont le robot humanoïde Atlas doit être déployé dans les usines du groupe à partir de 2028 avec une cible de production mondiale de 30.000 unités annuelles, et un appareil productif de masse déjà éprouvé.
Le constructeur a par ailleurs annoncé un plan d’investissement de 5.800 milliards de wons, dont plus de 60 % d’une enveloppe globale, sera consacré à la construction d’un centre de données dédié au développement de la conduite autonome.
L’automatisation des entrepôts représente à elle seule un marché opérationnel mondial de plusieurs milliards de dollars. La production, la logistique, l’exploitation minière, les infrastructures énergétiques, la construction et la maintenance industrielle sont toutes confrontées à des contraintes croissantes en matière de main-d’œuvre, notamment en Europe, au Japon, en Corée du Sud et dans certaines régions de Chine où le vieillissement de la population crée des pénuries structurelles de main-d’œuvre.
Yook Donghui, responsable du marketing des produits ETF chez KB Asset Management, explique chez Asia Business Daily : « Alors que les investissements passés dans l’IA se concentraient sur la construction d’infrastructures numériques via les semi-conducteurs et les centres de données, la prochaine étape consiste à s’étendre à l’ère de l’IA physique, où l’IA interagit directement avec le monde réel. »
Pour un investisseur, cela signifie qu’il existe plusieurs gagnants régionaux possibles, et que la diversification géographique de l’exposition est moins un confort qu’une nécessité analytique.
Conclusion
L’histoire de l’investissement en IA évolue de l’excitation à l’exécution. En 2026, les investisseurs devraient se concentrer moins sur les récits et plus sur les résultats mesurables. L’IA physique est, à ce titre, la thèse la plus testable : un robot déployé fonctionne ou ne fonctionne pas, un véhicule autonome roule en sécurité ou non, une chaîne d’assemblage atteint son taux de rendement synthétique ou pas.
Pour les trois à cinq prochaines années, trois jalons concentreront l’attention :
- Le « ChatGPT moment » de la robotique : la démonstration publique qui basculera l’opinion : un robot exécutant une tâche complexe dans un environnement inconnu, sans humain dans la boucle.
- La validation des unit economics en production : premiers déploiements à grande échelle (>10 000 unités) avec une rentabilité démontrée.
- Les premiers exits publics de pure-players : IPO de Figure, Anduril, ou consolidation par les hyperscalers.
Si ces trois jalons se matérialisent dans la fenêtre 2026-2028, l’IA physique aura confirmé son statut non pas de thématique parmi d’autres, mais de principal vecteur de productivité macroéconomique de la décennie. Et pour les investisseurs qui auront construit leur exposition tôt, ce sera probablement l’une des plus belles allocations thématiques de la génération.
