1. Contexte et Points Clés

En novembre 2026, un magasin de proximité situé dans le district de Jing’an, Shanghai, a accueilli un test de terrain de 24 heures avec six robots AGIBOT G2. Au cours de la période, les robots ont exécuté 1 730 tâches incluant le service client, le réapprovisionnement des produits, la gestion des paiements et le contrôle des stocks. À la fin du test, quatre des six robots ont dépassé les critères d’évaluation de performance établis par l’opérateur du magasin, tandis que les deux autres ont montré des limites dans l’interaction multilingue et l’adaptation à des flux de clients inattendus.

L’expérience est pertinente car elle constitue l’un des premiers déploiements à grande échelle de robots de service capables de dialogue basés sur des modèles de langage de grande taille (LLM) dans un environnement de vente au détail réel. Les résultats offrent une référence empirique aux directeurs technologiques (CTO) et aux responsables des opérations qui évaluent la viabilité de remplacer ou de compléter le personnel humain par des agents physiques autonomes.

2. Points Techniques Saillants

L’AGIBOT G2 est la deuxième génération de la famille de robots de service développée par l’entreprise chinoise AGI Robotics. L’architecture combine une plateforme mobile omnidirectionnelle avec un bras articulé à 7 degrés de liberté, une caméra RGB‑D, des capteurs LiDAR 2D et une unité de traitement embarquée basée sur le NVIDIA Jetson AGX Orin. Le choix de l’Orin permet d’exécuter des inférences de modèles de langage de plusieurs centaines de millions de paramètres sans dépendre de la connectivité 5G, ce qui réduit la latence perçue par le client à moins de 300 ms dans les dialogues simples.

Au niveau logiciel, le robot utilise une pile d’IA à trois niveaux : (1) perception, qui fusionne les données de vision et de LiDAR via un réseau convolutif léger entraîné avec des techniques de distillation ; (2) planification, qui utilise un modèle de renforcement basé sur PPO pour générer des trajectoires sûres en temps réel ; et (3) dialogue, qui s’appuie sur un LLM aligné grâce à DPO (Direct Preference Optimization) et affiné avec des données d’interaction en mandarin et en anglais. L’alignement des préférences a été réalisé avec un ensemble de 150 000 tours de conversation annotés par des opérateurs humains, garantissant des réponses cohérentes et respectueuses dans les contextes de vente. Le processus de re‑entraînement du modèle de dialogue a été exécuté sur le cloud Alibaba Cloud, où les poids ont été mis à jour chaque semaine via un apprentissage fédéré incorporant les journaux d’interaction du test. Cette approche permet aux robots d’adapter leur répertoire de réponses aux schémas de consommation locaux sans exposer de données sensibles. Du point de vue de l’intégration, l’AGIBOT G2 se connecte au système de gestion du magasin (POS) via une API RESTful qui permet de consulter les prix, la disponibilité et les promotions en temps réel. L’architecture de messagerie repose sur MQTT avec QoS 1, garantissant la livraison des commandes critiques même sous des conditions de réseau intermittentes. En ce qui concerne la sécurité physique, le robot intègre un module de détection de collision basé sur un algorithme de vision stéréoscopique qui arrête la locomotion lorsqu’il identifie des obstacles à moins de 0,3 m. De plus, le bras possède un contrôleur de couple limitant la force à 15 N, évitant ainsi d’endommager les produits fragiles ou les utilisateurs. Les deux robots qui n’ont pas passé l’évaluation ont présenté des pannes récurrentes dans la gestion des files d’attente lorsque la demande a dépassé 30 clients simultanés. L’analyse post‑test a révélé que la capacité du cache de tokens du modèle de dialogue (environ 4 k tokens) était saturée, entraînant des réponses tronquées. Ce goulot d’étranglement suggère que les futures versions devront élargir la fenêtre de contexte ou implémenter des techniques de compression d’historique.

3. Impact Secteuriel et Répercussions sur le Marché

Le secteur de la vente au détail de proximité en Chine subit une pression croissante pour réduire les coûts opérationnels et améliorer l’expérience client. Selon les données de l’Association chinoise des détaillants, la marge brute moyenne dans les magasins de proximité se situe autour de 22 % et le turnover du personnel dépasse 30 % par an. L’introduction de robots de service comme l’AGIBOT G2 offre une voie pour stabiliser la main‑d’œuvre et libérer les employés humains des tâches répétitives.

Du point de vue de la chaîne d’approvisionnement, la capacité du robot à effectuer des réapprovisionnements automatiques réduit le délai de réapprovisionnement d’environ 15 %, en éliminant la dépendance à l’intervention manuelle pour transporter les produits de l’entrepôt aux rayons. Cette économie se traduit par une meilleure disponibilité des SKU critiques et, potentiellement, par une hausse des ventes allant jusqu’à 3 % dans les catégories à forte rotation. Sur le marché du capital, les investisseurs montrent un intérêt croissant pour les startups de robotique de service. Depuis le début de 2025, le capital‑risque destiné aux entreprises chinoises de robotique a dépassé 1,2 milliard de dollars, avec un accent particulier sur les solutions intégrant LLM et vision par ordinateur. Le succès partiel du test de l’AGIBOT G2 renforce le récit selon lequel la convergence de l’IA générative et du matériel en périphérie atteint la maturité commerciale. Cependant, l’adoption massive fait face à des barrières réglementaires liées à la protection des données et à la responsabilité civile en cas d’accident. La réglementation de la Commission nationale du développement et de la réforme (NDRC) exige que les systèmes d’IA interagissant avec les consommateurs conservent les enregistrements de conversation pendant au moins 30 jours et que les fabricants mettent en place des mécanismes d’audit des décisions. En termes de compétitivité, les principaux acteurs internationaux (Boston Dynamics, SoftBank Robotics) développent des versions de robots de service avec des capacités de dialogue similaires, mais l’avantage d’AGI Robotics réside dans l’intégration native avec les plateformes de paiement locales et la disponibilité de données d’entraînement en mandarin, ce qui réduit la friction de localisation.

4. Perspectives de Marché

Les analystes du cabinet de recherche IDC China indiquent que le taux de passage de 66,7 % (quatre robots sur six) suffit à justifier des pilotes élargis dans des chaînes de magasins comptant plus de 500 points de vente. Ils recommandent aux opérateurs de prioriser la segmentation des tâches à forte valeur ajoutée (paiement sans contact, gestion des retours) pour les robots, tandis que le personnel humain se concentre sur la vente consultative et la gestion des incidents complexes.

Du point de vue de l’architecture IA, les experts en apprentissage fédéré avertissent que la collecte de données d’interaction en environnement de vente au détail doit être accompagnée de protocoles d’anonymisation robustes pour se conformer à la loi sur la protection des informations personnelles (PIPL). L’absence de tels protocoles pourrait exposer les opérateurs à des sanctions allant jusqu’à 5 % de leur chiffre d’affaires annuel. Les directeurs des opérations de chaînes de proximité qui ont déjà déployé des robots de livraison dans des entrepôts internes constatent une réduction de 12 % des coûts de main‑d’œuvre directe. Cependant, ils soulignent que l’intégration des systèmes hérités (ERP, WMS) représente le principal défi technique, car l’API de l’AGIBOT G2 nécessite des adaptateurs personnalisés pour chaque plateforme. En matière de durabilité, la consommation énergétique de l’AGIBOT G2 est estimée à 150 W en mode actif, soit 3,6 kWh sur une journée de 24 heures. Comparé à la consommation moyenne d’un employé à temps plein (environ 1 kWh par heure de bureau), le robot présente une empreinte énergétique compétitive, à condition que l’énergie provienne de sources renouvelables. Les stratèges en investissement suggèrent que les fonds de capital‑investissement devraient envisager l’acquisition de startups proposant des couches logicielles de gestion de flottes, car la capacité à surveiller et mettre à jour à distance des centaines de robots sera un différenciateur clé au cours des cinq prochaines années.

5. Prochaines Étapes

Au cours des 12 prochains mois, AGI Robotics prévoit de lancer une version « G2‑Plus » qui intègre une fenêtre de contexte de 8 k tokens et un module de reconnaissance vocale multilingue supportant le cantonais et le japonais. L’amélioration de la capacité de contexte devrait éliminer les goulots d’étranglement observés lors du test de Shanghai, portant le taux de passage à plus de 85 %.

À moyen terme (18‑24 mois), l’entreprise prévoit d’intégrer un moteur de planification d’itinéraires basé sur des graphes dynamiques permettant aux robots d’optimiser simultanément le réapprovisionnement des produits et le service client, réduisant le temps moyen de service de 45 s à moins de 30 s par interaction. D’ici 2028, les analystes projettent qu’au moins 20 % des magasins de proximité dans les principales villes chinoises emploieront au moins un robot de service dans leurs opérations quotidiennes, stimulés par la réduction des coûts matériels (le prix catalogue de l’AGIBOT G2 devrait baisser de 30 % par rapport à 2026) et par la maturité des cadres réglementaires de l’IA.

6. Conclusion et Évaluation

Le déploiement de six AGIBOT G2 dans un magasin de proximité de Shanghai montre que la robotique de service capable de dialogue est prête à passer de la phase pilote à l’adoption commerciale. Les résultats indiquent qu’avec une architecture IA bien alignée et une intégration soigneuse aux systèmes de gestion du magasin, les robots peuvent exécuter des centaines de tâches quotidiennes avec un taux de succès supérieur à 60 %.

Pour les CTO et les directeurs des opérations, le message est clair : la priorité doit être (1) d’établir une infrastructure de données garantissant la confidentialité et la traçabilité ; (2) de sélectionner des cas d’usage à fort retour où l’automatisation réduit les coûts opérationnels sans compromettre l’expérience client ; et (3) de planifier une feuille de route de mise à jour du matériel et du logiciel incluant l’extension de la fenêtre de contexte et l’expansion multilingue. Ce n’est qu’avec une stratégie globale que la preuve de 24 heures pourra se transformer en un avantage concurrentiel durable.