Un robot apprend une tâche de dix minutes après une seule vidéo humaine
— AGENTS
Skild AI affirme que son modèle S1 reproduit une tâche robotique de dix minutes après avoir vu une seule démonstration filmée, sans réentraînement. L'écart de réussite grandit avec le volume de données, mais aucun résultat indépendant ne confirme encore la fiabilité hors des scènes choisies par l'entreprise.
Un robot qui regarde une vidéo une seule fois et exécute la tâche dans la foulée, sans reprogrammation ni entraînement dédié: c'est la promesse portée par Skild AI avec son modèle S1. Rempoter une plante, préparer un café filtre, retourner un pancake, le tout appris à partir d'une démonstration humaine filmée, parfois en vue subjective, sans que le robot ait jamais vu cette tâche auparavant.
Ce sujet ne concerne aucun métier créatif au sens où l'entendent les studios et agences. Il touche en premier lieu les fabricants de robots industriels, les intégrateurs en logistique et les laboratoires de recherche en manipulation physique, ceux qui aujourd'hui paient des dizaines d'heures de téléopération pour chaque nouvelle tâche à automatiser. Skild AI leur promet de remplacer cette collecte coûteuse par une seule séquence filmée.
Les chiffres publiés donnent une idée de l'enjeu économique. Sur des tâches jamais rencontrées par le modèle, le score de réussite passe de 9 % pour un système piloté par du texte à 66 % pour S1 fonctionnant uniquement sur la démonstration vidéo, à condition d'avoir été entraîné sur un très gros volume de données au préalable. L'écart se referme quand la quantité de données baisse, ce qui rend l'avantage de S1 dépendant d'une infrastructure d'entraînement massive, pas d'un simple algorithme malin.
Ce score reste une moyenne de réussite par étape dans des évaluations internes, pas la preuve que deux tâches sur trois s'achèvent sans qu'une main humaine intervienne pour repositionner le robot après un échec. Skild AI ne publie ni code, ni article scientifique complet, ni benchmark reproductible, et communique via une demande d'accès plutôt qu'une interface ouverte.
L'intérêt de marché dépasse pourtant le cas Skild AI. La méthode s'inscrit dans une course entre plusieurs laboratoires, dont Generalist AI avec son modèle GEN-1.5, sur une même question: réduire drastiquement le coût d'entrée pour automatiser une tâche physique nouvelle. Si cette approche tient ses promesses à grande échelle, elle changera le rapport de force entre les entreprises qui vendent du temps de téléopération et celles qui vendent des modèles capables d'apprendre par simple observation, avec des conséquences directes sur le prix futur de l'automatisation industrielle.
Skild AI annonce des partenaires commerciaux sans les nommer et s'appuie sur l'infrastructure de NVIDIA sans détailler ses coûts d'exploitation. La démonstration spectaculaire existe, la preuve de fiabilité en dehors des scènes choisies par l'entreprise reste à construire.