Le fait
Le 18 mars 2026, The Robot Report titre sans ambiguïté : IntBot mise l’avenir des humanoïdes sur l’intelligence sociale, pas sur le kung-fu. Fondée en 2024 à Sunnyvale (Californie), la startup a mis un peu plus d’un an à passer du concept à des humanoïdes full-body qui accueillent des milliers de visiteurs à NVIDIA GTC et tournent en lobbies d’hôtels. Le CEO Lei Yang annonce à GTC que IntEng — le General Social Intelligence Engine — supporte désormais plusieurs plateformes humanoïdes et service robots de constructeurs différents : un pas explicite vers le déploiement hardware-agnostic dans le monde réel.
Sur le salon, IntBot aligne trois robots / trois hardwares, tous pilotés par le même moteur social, en interaction non scriptée avec les participants : concierge d’accueil (navigation, infos événement), robot d’engagement mobile sur le floor, et assistant de training. En parallèle, la société revendique la première déploiement edge du VLM NVIDIA Cosmos Reason-2 dans sa stack — compréhension de scène temps réel sur compute embarqué, y compris dans un hall de conférence saturé. Le héros produit reste Nilo (aussi orthographié Nylo selon les sources) : humanoïde full-body, concierge multilingue 24/7, déjà en service dans trois hôtels US — The Nap York (NYC), Otonomous (Las Vegas) et un Marriott à Tulsa (Oklahoma) — en complément, pas en remplacement, du staff humain.
Contexte
Pendant que Figure, Tesla Optimus, Boston Dynamics ou Unitree saturent les feeds de locomotion acrobatique et de manipulation dextre, IntBot choisit un angle presque contrarien : quand le robot travaille parmi les humains — pas derrière une cage — l’interaction sociale devient une partie essentielle de la tâche. Yang le martèle : la première génération de robots « émotionnels » était pré-programmée ; chez IntBot, les émotions et micro-mouvements sont générés (hochements subtils, posture d’écoute, signaux « je suis vivant ») même hors tour de parole — le tout piloté par le moteur social.
IntEngine / IntEng fusionne vision, audio et langage en boucles multimodales temps réel pour coordonner parole, expression faciale et geste. L’architecture ne se contente pas de répondre : elle décide quand et comment engager, capacité critique en environnement public ouvert (hall d’aéroport, lobby, salon). La fusion audio-visuelle aide à savoir qui parle dans une scène multi-locuteurs et quelle est l’intention — échec classique des kiosques et de Pepper dans le bruit. Perception et génération de langage corporel restent on-device ; les LLM cloud prennent le relais pour les requêtes plus profondes.
Le positionnement business est cohérent avec ce choix technique. IntBot ne cherche pas à gagner le benchmark de marche sur terrain accidenté : elle vend une couche logicielle sociale qui peut « rider » sur le hardware que l’industrie produira ensuite — analogie OS / puces dans le discours LinkedIn de l’équipe. Les use cases cités : front desk, divertissement kids, city tour guide, hospitality, hubs de transport, healthcare facilities, venues publics. Le communiqué GTC du 16 mars détaille le stack : perception multimodale (parole, cues visuels, comportement), compréhension de scène sociale, conversation contextuelle, contrôle d’expression incarnée. En séparant software social et corps robotique, IntBot veut accélérer l’adoption là où l’HRI est non négociable.
Le timing GTC 2026 n’est pas anodin : NVIDIA pousse Cosmos / Physical AI à l’échelle écosystème ; IntBot se glisse dans la narrative en montrant Cosmos Reason-2 au edge — latence basse, meilleure privacy — plutôt qu’un bras qui fait du parkour. Quelques jours plus tard, le même fil narratif se prolongera avec le pilote José à l’aéroport San José Mineta (SJC) (Terminal B), directions et infos en 50+ langues — preuve que la thèse « social first » vise les lieux à fort trafic humain, pas l’usine cage.
Pourquoi ça compte
1. Contre-thèse utile au hype kung-fu. Le marché humanoïde 2025–2026 est obsédé par DoF, TOPS et backflips. IntBot rappelle qu’en hospitality et lieux publics, l’échec historique (Pepper, kiosques) vient surtout de l’interaction multi-party bruitée, pas d’un genou manquant. Pour un hôtelier ou un aéroport, un robot qui sait quand se taire vaut mieux qu’un robot qui sait faire un salto.
2. Hardware-agnostic = go-to-market intégrateur. Si IntEng tourne vraiment sur plusieurs corps, l’offre ressemble à une middleware HRI plutôt qu’à un OEM de plus. C’est attractif pour les intégrateurs FR/EU qui veulent ajouter une couche sociale sans verrouiller un seul chassis chinois ou US.
3. Données 24/7 en hôtel = moat sous-estimé. Yang insiste sur le footage d’interaction continue et l’analyse de sentiment pour entraîner le moteur. Trois sites hoteliers en production 24/7, c’est un dataset social incarné rare — plus difficile à copier qu’un checkpoint VLA téléchargé.
4. Edge Cosmos Reason-2 = alignement NVIDIA sans être un clone GR00T. IntBot ne revendique pas de battre MolmoSpaces ; elle montre qu’un VLM world/reason peut servir la conscience de scène sociale à faible latence. Lecture Neurone21 : la Physical AI NVIDIA se fragmente déjà en verticales (usine dextre vs. HRI public).
5. Risques à surveiller. Autonomie « sociale » en open world = responsabilité (propos inappropriés, biais, accessibilité, privacy caméra/micro). Le robot GTC était souvent stationnaire / sécurisé pour le shift help desk — le gap entre démo salon et mobilité libre reste réel. Et « hardware-agnostic » devra prouver la portabilité au-delà de trois plateformes vitrine.
Lecture Neurone21
Thèse courte : au 18 mars 2026, IntBot (Nilo/Nylo + IntEng) incarne la verticale social intelligence de la Physical AI — déployée en hôtels US 24/7 et démontrée multi-hardware à GTC avec Cosmos Reason-2 edge — pendant que le reste du peloton humanoïde court après le kung-fu industriel. Pour une équipe FR/EU (hospitality, aéroports, retail, intégrateurs HRI) : (1) évaluer IntEng comme couche, pas comme robot unique — demander la liste des hardwares supportés et les KPI d’engagement (taux de résolution, NPS, escalade humaine) ; (2) exiger une gouvernance audio/vidéo (rétention, opt-out, RGPD) avant tout pilote lobby ; (3) comparer au TCO d’un concierge humain + kiosque, pas au TCO d’un Optimus usine ; (4) suivre le passage GTC → hubs transport (SJC) comme test de fiabilité multi-locuteurs.
À suivre : métriques des trois hôtels (uptime, tickets résolus sans humain), portage IntEng sur un quatrième OEM, maturité Cosmos Reason-2 edge hors salon, et éventuelle levée au-delà des ~4,1 M$ déjà mentionnés côté LinkedIn.
Sources : The Robot Report — IntBot social intelligence not kung fu, 18/03/2026 · PR Newswire — IntBot IntEng multi-platform + Cosmos Reason-2 edge, 16/03/2026 · NVIDIA Investor — Physical AI GTC partners, 16/03/2026.