Le 18 septembre 2026, Toyota a officiellement annoncé son entrée dans le commerce des robots destinés aux sites de production. La nouvelle en soi ne surprend pas — la maison pratique le robot depuis des années et a tout essayé, du robot basketteur CUE au robot d'assistance à la vie quotidienne HSR. Ce qui change cette fois : la création d'une nouvelle organisation baptisée « Toyota Robotics », l'intention de vendre à l'extérieur des robots embarquant son IA développée en interne, et un chiffre avancé pour le moyen et long terme — environ 400 000 unités.
400 000 unités, cela représente quoi ? Les expéditions annuelles de robots industriels du Japon entier tournent autour de 50 000 à 60 000 unités. Ce n'est donc manifestement pas un objectif commercial ordinaire. Mis à côté d'une autre information, le chiffre s'éclaire : sur ces 400 000 unités, 150 000 serviraient le groupe Toyota lui-même et 250 000 ses fournisseurs, en accompagnement d'un renouvellement d'équipements de l'ordre de 1 000 milliards de yens par an (environ 50 milliards de CNY) à partir de 2028, le tout déployé au fil des grandes réfections d'environ 60 usines dans le monde. Autrement dit, Toyota planifie son propre groupe et toute sa chaîne d'approvisionnement comme un réseau destiné à collecter les données des sites de production.
Posons d'abord le squelette de l'affaire :
- Le 18 septembre 2026, Toyota annonce son entrée dans les robots pour sites de production et crée une nouvelle organisation, « Toyota Robotics », chargée de vendre à l'extérieur des robots embarquant son IA développée en interne ;
- Objectif d'application d'environ 400 000 unités à moyen et long terme : 150 000 pour le groupe + 250 000 pour les fournisseurs, en appui sur un renouvellement d'équipements d'environ 1 000 milliards de yens par an dès 2028 et sur la rénovation d'environ 60 usines dans le monde — un chiffre qui inclut les robots industriels existants et ne correspond pas aux ventes d'un modèle unique ;
- Le robot central « ELEY » pèse environ 50 kg, est doté d'une main à deux doigts et se déplace sur roues ; il embarque l'IA de fondation comportementale développée par le Toyota Research Institute (TRI), le « Large Behavior Model » (LBM) ;
- Toyota compte transformer le travail d'environ 18 000 artisans experts, les « takumi », en modèles d'apprentissage pour ses robots ; les indicateurs de mesure de réussite n'ont toutefois pas encore été publiés.
ELEY : des roues, une main à deux doigts et un socle qui s'affine à mesure qu'on le nourrit
Commençons par la machine. ELEY pèse environ 50 kg, porte une main à deux doigts et roule pour se déplacer — il n'imite pas l'homme marchant sur deux jambes. Ce parti pris n'a rien de timoré, il est d'un pragmatisme assumé : la marche bipède est difficile à commander, expose au risque de chute et dévore l'énergie, tandis que les sols d'usine sont plats par définition ; les roues sont moins chères, plus rapides et surtout plus faciles à déployer en série. Et le déploiement en série compte par lui-même : plus tôt les robots arrivent par lots sur les lignes, plus vite les données s'accumulent. La morphologie du châssis n'est pas une fin : c'est le moyen d'une collecte de données continue.
Le vrai protagoniste est l'IA qu'il abrite. Le LBM (Large Behavior Model) est un « modèle de fondation du comportement » : là où les grands modèles de langage deviennent intelligents en ingurgitant des masses de texte, le LBM apprend les mouvements du robot à partir d'un grand nombre de démonstrations. À la différence de la voie classique — programmer chaque mouvement manuellement, un par un —, il acquiert, en observant le travail humain et à partir d'un apprentissage restreint, des gestes peu sujets à l'erreur. Dans les démonstrations rendues publiques, ELEY, après avoir appris à plier un T-shirt, est capable de répéter la tâche de façon autonome. La force de ce type de modèle de fondation : assimiler une nouvelle tâche avec seulement un peu d'apprentissage complémentaire ; mais la qualité du socle dépend du volume de démonstrations réelles, étendues et de haute qualité, avec lesquelles on le nourrit.
Il faut alors évoquer l'actif que Toyota détient et que d'autres peineront à répliquer : ses quelque 18 000 « takumi ». Le toucher et les tours de main de ces techniciens d'élite constituent précisément la source de démonstrations de la meilleure qualité. Comment le vieux briscard dose-t-il son effort, comment gère-t-il une pièce défectueuse : ce savoir implicite, celui qui ne s'écrit pas dans un dossier de fabrication, peut se convertir tel quel en matière d'apprentissage pour les robots.
Un point encore facile à négliger : le LBM n'est pas lié à un matériel particulier. Le TRI a rendu publique en 2025 une démonstration où le LBM pilotait Atlas, le robot humanoïde de Boston Dynamics. Puisque l'IA n'est pas captive d'un châssis, ce qui départage les candidats, c'est le nombre de terrains où l'on parvient à la faire tourner et le volume de données qu'on en rapatrie. En vendant des robots, Toyota ajoute du même coup des nœuds à son réseau.
Ce que les acteurs se disputent vraiment : les terrains où se collectent les données
En reculant la focale, on découvre sur cette même piste une belle collection de silhouettes — et la posture de chacune est, à elle seule, révélatrice.
Tesla est la plus explicite. À la mi-2026, elle avait déployé à l'échelle du millier des Optimus dans ses usines de Fremont et ailleurs, pour zéro vente externe. Elon Musk lui-même admet que ces robots « servent surtout à apprendre et à collecter des données, sans encore fournir de contribution opérationnelle réelle en usine ». Autant l'avouer sans détour : ce que l'on cherche maintenant, ce sont les données. Seule limite : ses terrains de collecte se concentrent sur ses propres usines, avec une diversité de situations restreinte.
BMW et Mercedes-Benz, en Allemagne, empruntent une autre voie : ne pas fabriquer de robots eux-mêmes, s'associer à des startups spécialisées. BMW a soumis le Figure 02 de Figure AI à une validation de dix longs mois dans son usine américaine de Spartanburg, au service des procédés de production de plus de 30 000 X3, avant de passer à un contrat commercial pour le modèle successeur Figure 03 — environ 40 unités au départ, facturées autour de 25 dollars par robot et par heure de travail. Mercedes, de son côté, a introduit l'Apollo d'Apptronik sur son site berlinois, en commençant par la logistique interne et les premiers contrôles qualité. Un détail de ce modèle de division du travail mérite réflexion : les données réelles des lignes des constructeurs s'accumulent du côté des entreprises d'IA. Ce sont Figure et Apptronik qui détiennent les données, pas BMW ni Mercedes.
Côté production en série et vitesse de déploiement, les constructeurs chinois mènent la course. UBTECH a inauguré en septembre 2026 à Liuzhou, dans le Guangxi, une usine intelligente d'une capacité annuelle supérieure à 10 000 unités — noter qu'il s'agit de capacité, non de réalisations en déploiement ; mais son Walker S2 compte effectivement plusieurs centaines d'unités en service, entré dans les usines de BYD, Geely, FAW-Volkswagen, Dongfeng, FAW-Audi, BAIC ou encore Foxconn, et Airbus, en Europe, mène des travaux en ce sens depuis janvier 2026. Unitree Robotics, à juillet 2026, avait produit environ 18 000 humanoïdes au cumul, avec un taux d'autoproduction de composants supérieur à 90 %, et projette en outre une capacité de 75 000 unités par an. XPeng vise la production de masse de son humanoïde IRON pour fin 2026. Le gouvernement chinois s'est fixé pour objectif des expéditions annuelles supérieures à 100 000 unités d'ici 2027. Au premier semestre 2026, les expéditions mondiales d'humanoïdes ont dépassé 22 000 unités, et les cinq premiers du classement seraient tous chinois. Envoyer vite et en masse des robots dans des terrains variés : voilà comment les constructeurs chinois accumulent leurs données de terrain.
Les atouts de Toyota, et une horloge déjà en retard
Passons en revue le patrimoine de Toyota sous l'angle des données : les atouts ne sont pas minces. Elle possède l'un des plus vastes ensembles de sites de production au monde, plus l'hinterland de sa chaîne d'approvisionnement — les 250 000 unités prévues côté fournisseurs signifient d'innombrables sites aux procédés variés, autant de sources de données massives et diversifiées ; les 18 000 « takumi » fournissent des modèles de premier ordre ; IA, robots et usines sont tous en interne, et la boucle de données peut tourner entièrement à l'intérieur du groupe. Sur ce point, c'est exactement la trajectoire inverse de celle des constructeurs européens tributaires d'entreprises externes spécialisées.
Mais l'horloge pose problème. Les 400 000 unités relèvent du moyen et long terme, et l'effort de plein régime n'interviendra qu'après 2028. Or Tesla collecte dès maintenant des données à l'échelle du millier, et les constructeurs chinois installent dès maintenant leurs robots dans les grandes usines automobiles. L'accumulation de données procède par intérêts composés : plus la boucle tourne tôt, plus l'apprentissage est profond et plus le prochain palier de performance est haut — inversement, une fois distancé, l'écart tend à se creuser avec le temps plutôt qu'à rester en l'état.
Second motif d'inquiétude dans l'ombre : le biais des données. Si les terrains se limitent à Toyota elle-même et à son système de fournisseurs, les données collectées risquent de manquer de la diversité nécessaire pour se généraliser aux usines d'autres entreprises. Que ce vaste réseau de sous-traitants se transforme ou non en véritable avantage de données dépendra, en dernière instance, de son degré d'ouverture au-dehors du groupe.
Pour jauger les chances : surveiller ces trois points
Le rythme du déploiement. Quand, combien d'unités, sur quelles lignes réellement en marche — ne pas regarder les démonstrations de conférence de presse, mais la densité de mise en service des machines réelles. L'étendue des données. Le degré de traversée entre sites propres, sites du groupe et sites externes détermine directement la généralité du modèle. Le bulletin de notes du terrain. Quel gain effectif sur le taux de rendement et le taux d'exploitation le LBM apportera-t-il ? Toyota n'a pas encore publié cet indicateur, et il faudra bien un jour rendre la copie.
Au fond, le chiffre de 400 000 n'est pas, en soi, la carte décisive. Ce qui tranchera, c'est la capacité de Toyota à mettre des machines réelles sur les lignes le plus tôt et le plus largement possible sans attendre 2028, pour que la boucle de collecte et d'apprentissage de données de haute qualité se mette à tourner d'abord. Pour nous, professionnels de l'équipement, il y a aussi une résonance directe : quand le geste du « takumi » commence à devenir actif de données, les coordonnées de valeur du métier de maintenance et de mise au point bougent avec. À lire également : couverture des marques et documentation des modèles, services de modernisation et de mise à niveau des lignes.
À lire également
- Pourquoi Kawasaki, FANUC et Yaskawa s'unissent exceptionnellement
- Les négociants japonais se positionnent sur l'IA incarnée
- Maintenance et réparation de robots industriels, toutes marques
