Le fait
Le 8 octobre 2026, Amazon Web Services lance le Physical AI Toolchain, une solution open source destinée aux entreprises qui développent des robots et machines pilotés par l’IA. Elle réunit des recommandations d’architecture, de l’automatisation de déploiement et du code prêt à l’emploi, et intègre la pile d’IA physique de NVIDIA. Le code est publié dans un dépôt GitHub d’AWS.
Cinq étapes en boucle
La chaîne couvre cinq piliers qui s’enchaînent : génération de données synthétiques, entraînement à partir de démonstrations humaines et de simulation, simulation et validation avant passage au matériel, déploiement en périphérie sur les machines, et amélioration continue, les données remontées du terrain servant à réentraîner les modèles.
Côté AWS : Amazon SageMaker pour l’entraînement, des instances EC2 à GPU pour la simulation, AWS IoT Greengrass pour le déploiement sur les machines et Amazon Bedrock AgentCore pour l’orchestration. Côté NVIDIA : Isaac Sim, Isaac Lab, Isaac GR00T et Cosmos. Les entreprises peuvent adopter toute la pile ou n’en prendre que des briques.
Neutre vis-à-vis du matériel
Selon Sri Elaprolu (AWS), interrogé par The Robot Report, la chaîne ne prescrit aucun robot : elle doit servir des machines très différentes. Il précise qu’elle ne remplace pas directement RoboMaker, le service de simulation robotique fermé en 2025. Il cite Telexistence, qui a selon lui déployé plus de 300 humanoïdes dans des supérettes au Japon, et le coréen RLWRLD, qui développe un modèle de fondation de 8,1 milliards de paramètres pour la manipulation fine. Amazon dit tirer des leçons de ses propres opérations, qui comptent plus d’un million de robots, et promet aux industriels de lancer leurs projets en quelques semaines plutôt qu’en années, une promesse à vérifier.
Lecture Neurone21
Le message d’AWS est simple : le goulet d’étranglement de la robotique n’est plus le modèle, mais l’assemblage des outils autour de lui. Pour une PME industrielle ou un intégrateur, une chaîne open source réduit le temps passé sur l’infrastructure, mais crée une dépendance forte au couple AWS et NVIDIA. Avant de s’engager, il faut vérifier ce qui reste portable : formats de données, modèles entraînés et scripts de simulation.