Le fait
Début décembre 2025, à la veille d'iREX Tokyo, FANUC (Yamanashi) officialise un virage longtemps attendu par les intégrateurs et les labos : l'ouverture de ses contrôleurs historiques vers les stacks Physical AI. Le constructeur publie sur GitHub un driver ROS 2 dédié (repo FANUC-CORPORATION/fanuc_driver), active l'exécution Python en natif sur les contrôleurs R-50iA, et annonce une collaboration renforcée avec NVIDIA — Jetson embarqué, jumeau numérique dans Isaac Sim / Omniverse, assets OpenUSD SimReady pour une gamme allant du bras 3 kg au géant 2,3 tonnes, y compris la série cobot CRX.
Le message marketing est net : accélérer l'automatisation en branchant la fiabilité mécanique FANUC sur les environnements ouverts où se développe aujourd'hui l'IA incarnée (startups, universités, centres R&D). Sur le plan technique, le driver ROS 2 vise le framework ros2_control, revendique une boucle de commande ultra-rapide à 1 ms, et s'accompagne de documentation (quick start, MoveIt2, mock hardware puis robot réel). Côté contrôleurs, les notes officielles listent notamment R-30iB Plus / Mate Plus, R-30iB Mini Plus et R-50iA, avec versions firmware minimales et options logicielles (J519 Stream Motion + R912 Remote Motion, ou pack S636 External Control).
En parallèle, Python n'est plus un script PC distant : sur R-50iA, le programme tourne dans le contrôleur, avec bibliothèques FANUC pour I/O et registres, debug distant via VS Code, et commande de mouvement possible via l'interface Remote Motion. Les démos iREX annoncées — commandes vocales, évitement de personnes, pose de câble flexible bi-bras avec FingerVision, suivi de pièces mobiles avec Inbolt (France) — illustrent la thèse : le bras jaune entre dans la boucle perception → décision → motion sans tout réécrire en TP propriétaire.
Contexte
Pendant des décennies, FANUC a incarné le jardin clos de la robotique industrielle : langage TP, teach pendant, écosystème propriétaire, cycle de vie ultra-long. Ce modèle a bâti la confiance usine (uptime, support, sécurité). Il est devenu un frein relatif dès que les équipes veulent brancher des VLA, du reinforcement learning, des stacks ROS / MoveIt, ou des pipelines data générés dans Isaac / Omniverse. Les labos Physical AI parlent ROS et Python ; les usines FANUC parlent encore souvent registres et TP. L'écart culturel et technique freinait les PoC.
La pression concurrentielle a changé la donne. Universal Robots, ABB, KUKA, Yaskawa et une vague d'acteurs chinois ont multiplié les ponts open source ou « open enough ». NVIDIA a imposé le narratif Physical AI : sim photoréaliste, GPU edge, modèles de fondation robotique. À iREX 2025, Georg Stieler (The Robot Report) souligne précisément le pivot FANUC : partenariat NVIDIA, ROS 2 public, Python officiel, modèles 3D pour tests virtuels — tout en rappelant que l'ouverture reste cadrée (options licence J519/R912/S636 ; le cœur sécurité / motion packagé).
Le timing n'est pas anodin. L'industrie japonaise sort de deux années de commandes robotiques difficiles ; l'export reprend. FANUC a besoin d'attirer développeurs AI et startups sans cannibaliser sa base installée. Ouvrir le dernier mètre logiciel — driver streaming, Python on-controller, digital twin ROBOGUIDE ↔ Isaac Sim — permet de vendre la même mécanique à une génération qui ne veut plus tout réapprendre en TP. C'est aussi une réponse au risque de voir les données d'apprentissage et les politiques IA se concentrer sur des bras plus « friendly » (cobots low-cost, humanoïdes) au détriment des flottes industrielles lourdes. La gamme couverte par le driver (du CRX collaboratif aux payloads extrêmes) envoie un signal clair : l'ouverture n'est pas réservée à un toy cobot de salon.
Pourquoi ça compte
1. L'open source change le time-to-PoC, pas encore le modèle économique. Un driver ROS 2 public + MoveIt + mock robot réduit les semaines d'intégration maison. Mais le déploiement usine reste conditionné aux options contrôleur et au support FANUC. Lecture correcte : FANUC ouvre la couche développeur pour accélérer l'innovation périphérique, tout en gardant la rente sur le firmware et la validation sécurité. Pour un DSI / responsable robotique, c'est une bonne nouvelle R&D — pas un basculement « tout gratuit ».
2. Python on-controller rapproche AI et motion. Exécuter Python sans PC intermédiaire simplifie les chaînes où un modèle analyse une image, écrit des registres, déclenche une trajectoire. L'écosystème (NumPy, vision, stats) arrive au plus près du temps réel usine. Limites : maturité des libs, latence bout-en-bout, gouvernance IT (qui pousse quel script sur le contrôleur ?), et coexistence avec les programmes TP historiques. Les usines dual-stack (TP + Python) devront inventer des procédures — versioning, rollback, cybersécurité OT.
3. NVIDIA devient le « système nerveux » du Physical AI industriel. Jetson + Isaac Sim + Omniverse positionnent FANUC dans le standard de fait de la sim → reality. Avantage : data synthétique, virtual commissioning, assets OpenUSD partageables. Risque stratégique souligné à iREX : concentration fournisseur GPU / stack AI, dépendance bargaining power, et questions de souveraineté pour les sites EU/JP qui ne veulent pas que toute la chaîne d'entraînement repose sur un seul hyperscaler silicon. FANUC ne devient pas un vendeur de modèles ; il devient une cible de contrôle pour les policies entraînées ailleurs.
4. Signal concurrentiel Japon / Occident / Chine. Pendant que les humanoïdes chinois saturent les allées iREX, FANUC rappelle que le bras industriel reste le volume économique. Ouvrir ROS 2 + Python, c'est défendre l'installed base face à des stacks AI qui auraient pu contourner les majors. Pour l'Europe : Inbolt au booth FANUC montre que les deep-tech EU peuvent scaler via OEM japonais plutôt que de reconstruire un bras.
Lecture Neurone21
Thèse : décembre 2025 marque moins une « révolution open source FANUC » qu'une industrialisation du Physical AI sur contrôleurs éprouvés. Le vrai produit, ce n'est pas le repo GitHub : c'est la jonction fiabilité FANUC × outils AI modernes × jumeau NVIDIA. Pour une équipe FR/EU : (1) cartographier les cellules où un streaming 1 ms ROS 2 change réellement le use case (force, tracking pièce mobile, bi-bras) vs un pont TCP/IP basique ; (2) budgéter les options J519/R912/S636 et le coût d'intégration OT avant le PoC « gratuit » ; (3) tester le pipeline ROBOGUIDE ↔ Isaac Sim sur un programme réel (cycle time, trajectoire) pour juger l'écart sim/réel ; (4) définir une politique Python on-controller (qui commit, qui valide, air-gap, SBOM) ; (5) croiser avec les offres concurrentes (Yaskawa AI packing, Kawasaki open controller, UR + startups EU) sur TCO 36 mois, pas sur le seul slide NVIDIA.
À suivre : adoption réelle du driver (issues GitHub, forks industriels), maturité Python R-50iA hors démo, premiers déploiements FingerVision / Inbolt en production, et la façon dont FANUC documentera sécurité + AI externe sans diluer sa promesse uptime.
Sources : FANUC — Open Platforms & Physical AI, déc. 2025 · FANUC Europe — Robot New Technology · GitHub FANUC-CORPORATION/fanuc_driver · FANUC ROS 2 Driver Docs — Quick Start · FANUC America — Python on R-50iA · The Robot Report — iREX 2025 / pivot FANUC, 15/12/2025. Image : bras FANUC (Wikimedia Commons, CC BY 2.0).