Les modèles VLA — Vision-Language-Action — peuvent déjà recevoir une instruction orale comme « amène cette palette en zone B », observer la scène et enchaîner les mouvements par eux-mêmes. Mon verdict, d'emblée : la technologie fonctionne en principe, mais il lui manque au moins trois obstacles avant de porter un vrai volume d'entrepôt : la conformité de sécurité, la précision du temps de cycle et le coût total de possession. N'attendez pas qu'elle remplace votre logique de dispatch avant 2027. Mais mettez-la dès maintenant sur votre radar technologique, car la première chose qu'elle réécrit n'est pas l'algorithme de planification — c'est l'interface entre humains et machines.

Ce qu'est vraiment VLA, en une phrase

Un AMR classique fonctionne sur ordres de travail : le WMS dit « va au point A, prélève, livre au point B », et le robot suit un script figé. Inclinez une palette sur son chemin et il se fige. Un modèle VLA fait entrer le flux caméra et l'instruction en langage naturel dans un seul grand modèle, qui produit directement la séquence d'actions. Une phrase : les robots d'hier exécutaient un script ; VLA leur permet de lire la situation, de comprendre le langage courant et d'improviser.

Ce n'est plus un concept de recherche. Figure a livré Helix en février 2025, Google DeepMind a sa ligne RT, Physical Intelligence a π0 — tous VLA. Amazon pilote l'humanoïde Digit d'Agility pour la manutention de bacs dans ses centres de traitement depuis 2023, et les robots de Figure ont mené des pilotes de manutention dans l'usine américaine de BMW en 2024. Prenez les détails de chaque fournisseur « selon ses derniers documents », mais le signal est sans équivoque : du capital sérieux mise sur vision plus langage plus action dans un seul modèle.

Ce film, je l'ai déjà vu trois fois

Plus de trente mises en production vous apprennent le schéma. Acte un : les AGV, il y a dix ans. La démo du fournisseur tournait comme une horloge, le client a signé sur place — et la première semaine, un joint de sol de cinq centimètres a arrêté toute la flotte. Le hall de démo avait un sol époxy ; l'entrepôt avait du béton de vingt ans. Acte deux : la vague de frénésie AMR. Un patron de 3PL est revenu d'un salon en exigeant « l'extinction totale des feux ». Trois questions l'ont arrêté : qui couvre les coupures de roaming Wi-Fi, qui est responsable quand un robot bloque une voie de secours incendie, et que deviennent les files de charge quand le volume de pointe triple. Acte trois : la préparation par vision. 99 % de reconnaissance au labo, 80 % sur le plancher du client dès que les références ont changé et que la lumière a baissé — et le temps takt s'est effondré.

VLA rejoue maintenant le même script pour la quatrième fois. Dans la démo, un opérateur dit « mets le carton rouge sur le convoyeur » et le robot l'exécute avec aisance. Dans un vrai entrepôt, le carton est scotché de travers, la moitié de l'étiquette a été arrachée par un chariot élévateur et un transpalette roule dans l'allée au milieu de la tâche. Les démos répondent « est-ce qu'il peut ». Les mises en production répondent « est-ce qu'il peut, tous les jours, à 2 heures du matin, en décembre ». J'ai déjà vu ce piège trois fois. VLA n'a aucune exemption.

Trois scénarios d'entrepôt où VLA pourrait atterrir en premier

Au-delà du battage, trois cas d'usage ont une vraie chance d'atterrir en premier :

1. Le dispatch vocal pour AMR : la réaffectation en une phrase. Le flux d'exception d'aujourd'hui, c'est : repérer le problème, le signaler à la radio, un dispatcheur modifie la tâche dans le système, re-dispatch. Chaîne longue, facile à déformer. La version VLA : un superviseur parle dans un terminal — « Unité 3, saute l'allée C, il y a de l'eau au sol, redirige par l'allée D » — et le robot comprend et replanifie seul. Ça ne remplace pas le système de dispatch ; ça confie au modèle le dernier kilomètre de la traduction des instructions WMS. Le gain, ce ne sont pas quelques secondes — c'est la réponse aux exceptions qui passe de quelques minutes à quelques secondes.

2. Le coaching de préparation : les intérimaires apprennent du robot. Former les intérimaires en saison de pointe est le cauchemar de chaque entrepôt. Un de mes clients a embauché 40 intérimaires pour le pic et a brûlé deux semaines entières de capacité en formation et correction d'erreurs. Un robot VLA peut narrer en travaillant — en annonçant la référence et la quantité à chaque emplacement, en corrigeant les erreurs sur le champ. Chaque débutant obtient un mentor infatigable.

3. Les exceptions en boucle fermée : quand il est coincé, il appelle à l'aide. Aujourd'hui, un robot coincé est un robot mort jusqu'à ce que quelqu'un marche jusqu'à lui — des arrêts de dix minutes sont la routine. Un robot VLA peut décrire sa propre situation : « je suis bloqué par une palette vide tombée, il y a un passage deux mètres à ma gauche ». Un humain à distance répond « contourne par la gauche », et il bouge. Le temps d'arrêt passe de « attendre une personne » à « une phrase ».

Ingénieur donnant des ordres de dispatch vocal à un robot d'entrepôt

La checklist de la veille du go-live : cinq tests de préparation

Si un fournisseur vous dit aujourd'hui que son robot VLA est prêt pour l'entrepôt, sortez ma checklist de go-live et notez chaque point de 0 à 2. En dessous de 8 sur 10, ne parlez même pas de pilotes :

  1. Clôture de sécurité (2 pts) : y a-t-il une couche de contrainte dure indépendante du modèle ? Les grands modèles hallucinent. S'il interprète mal une instruction et fonce sur un rack, y a-t-il un arrêt d'urgence séparé et une clôture électronique ? Échouez ici et le reste n'a plus d'importance — c'est la première question que poseront l'OSHA et votre assureur.
  2. Budget de latence (2 pts) : de la parole au mouvement du robot, quel est le délai de bout en bout ? L'inférence cloud prend de centaines de millisecondes à plusieurs secondes ; l'évitement d'obstacles d'un AMR exige une réponse en millisecondes. Demandez directement : l'inférence tourne-t-elle sur l'appareil ou dans le cloud ? Si le réseau tombe, le robot s'arrête-t-il ou se dégrade-t-il avec élégance ?
  3. Repli en cas d'exception (2 pts) : que se passe-t-il quand le modèle n'est pas sûr — s'arrête-t-il et attend-il, ou « devine-t-il » et continue-t-il ? Dans un entrepôt, une mauvaise supposition peut signifier un module de rack démoli. Il vous faut un seuil de confiance plus une chaîne de reprise humaine, inscrite dans la SOP.
  4. Le calcul du coût (2 pts) : quel est le surcoût par unité ? Ne vous arrêtez pas au prix affiché quand vous calculez le TCO : le calcul (puces edge ou frais d'inférence cloud), la mise à niveau réseau, et le coût caché de maintenir une version du modèle. J'ai vu trop de projets mourir sur « on pouvait l'acheter mais pas l'exploiter ».
  5. La boucle de données (2 pts) : quand le modèle se trompe dans votre bâtiment, cette erreur devient-elle une leçon qu'il ne répétera pas ? Y a-t-il une remontée de données terrain et un réglage fin continu ? L'intelligence sans boucle atteint son pic le premier jour.

L'appel contre-intuitif : VLA remplace la radio, pas le dispatcheur

Tout le monde demande si VLA met les dispatcheurs au chômage. Mon appel est l'inverse : le premier travail de VLA dans l'entrepôt est de tuer la couche de traduction entre humains et machines, pas les humains. La vraie valeur d'un dispatcheur n'a jamais été de cliquer sur « assigner la tâche » — c'est le jugement pendant les exceptions. VLA automatise l'étape qui convertit le jugement en instructions machine, donc un dispatcheur couvre une flotte plus grande : vingt AMR par personne deviennent soixante, parce que le travail de « relais de messages » a été mangé par l'interaction vocale.

Il y a un compromis qui mérite d'être soupesé : la généralité de VLA et le besoin de déterminisme de l'entrepôt tirent en sens opposés. Plus le modèle est général, moins son comportement est prévisible ; l'entrepôt exige « même instruction, même mouvement, à chaque fois ». Donc l'architecture réaliste pour les prochaines années est hybride — VLA gère la compréhension et la planification, le contrôle déterministe éprouvé gère l'exécution. Du VLA pur de bout en bout à l'échelle de l'entrepôt ? Je ne parierais pas dessus avant 2030.

Une chronologie pour les propriétaires d'entrepôts : que faire maintenant

Ma chronologie (basée sur l'avancement public des pilotes ; prenez les détails de chaque fournisseur « selon ses derniers documents ») :

  • Maintenant jusqu'en 2027 : pilotes encadrés. Tâches à faible risque comme le tri et la manutention simple, supervisées, en petits lots. Parlez PoC, ne signez pas de gros contrats.
  • 2027–2029 : tâches ciblées à petite échelle. Des tâches fixes dans la clôture de sécurité, avec les premières vraies données de ROI. C'est la fenêtre pour évaluer sérieusement un achat.
  • Vers 2030 : surveillez la courbe de coûts. Le calcul edge devient assez bon marché, un ou deux clients phares tournent une année complète sans incident — alors on parle d'échelle.

Trois choses que vous pouvez faire dès maintenant, par ordre de priorité :

  1. Mettez VLA sur le radar technologique et passez-le en revue chaque trimestre. Pas de budget nécessaire — désignez quelqu'un pour suivre les progrès publics de Figure, Agility et Physical Intelligence.
  2. Réparez d'abord votre chaîne de réponse aux exceptions. VLA amplifie votre capacité de processus ; il ne la remplace pas. Un entrepôt où la radio reste sans réponse ne gagne rien d'un robot parlant.
  3. Cadrez tout PoC sur des scénarios d'exception, pas sur le remplacement de main-d'œuvre. Faites piloter le fournisseur sur votre exception la plus douloureuse — disons les arrêts du poste de nuit — et mesurez les « heures d'arrêt réduites ». C'est le seul chiffre de ROI qui tient la route.

La technologie arrivera en retard, mais elle ne sera pas absente. VLA est encore à distance du plancher d'entrepôt, mais la direction est bonne — verdict d'abord : ne courez pas après le battage, mais ne manquez pas non plus l'appel d'embarquement.

Par Lin Xiao, Consultant en implémentation WMS Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.