Deux robots au ping-pong : ce que la vidéo ne montre pas

Une séquence circule et vous l'avez peut-être vu : deux robots humanoïdes se renvoient une balle de ping-pong en alternance, chacun son tour, sans se rentrer dedans. Épatant, incroyable : les uns s'émerveillent, les autres s'inquiètent.

Pourquoi le ping-pong, encore ?

On pourrait croire à une lubie d'ingénieurs. C'est le contraire : le tennis de table est devenu l'un des bancs d'essai les plus exigeants de la robotique, parce qu'il impose de réussir quatre choses à la fois, et vite : 1- Voir la balle. 2- Prévoir où elle arrivera, avant qu'elle n'y soit. 3- Déplacer tout le corps jusqu'au bon endroit. 4- frapper avec une précision de quelques centimètres, dans une fenêtre de temps qui se compte en dixièmes de seconde. Échouez sur un seul de ces quatre points, et la balle est au sol. Pas de rattrapage, pas de seconde chance, pas de moyenne sur dix essais. C'est un juge de paix.

Ce que l'équipe a cherché à faire

Non pas faire jouer un robot contre un humain, mais faire jouer deux robots ensemble, en double. Le changement est moins anodin qu'il n'y paraît : les partenaires frappent à tour de rôle dans un espace réduit, donc chacun doit s'écarter vite pour libérer la place, puis revenir. D'où deux difficultés nouvelles — un robot qui se déplace précipitamment frappe moins bien, et deux robots qui bougent en même temps dans deux mètres carrés finissent par se heurter.

Les résultats annoncés, en conditions réelles : un déplacement de 2,15 mètres bouclé en 2,4 secondes, une précision de placement d'environ 2 centimètres, et plus de dix échanges consécutifs en alternance stricte.

Voilà pour la vidéo. Passons maintenant à la section que personne ne reprend : celle où les auteurs énoncent leurs limites.

Premier détail : personne ne regarde la balle

Ils l'écrivent noir sur blanc, et c'est tout à leur honneur : le système repose sur une capture de mouvement externe. Des caméras installées autour de la table mesurent en permanence la position des robots et celle de la balle, puis leur transmettent l'information.

Autrement dit : les robots ne voient pas la balle. Ils reçoivent des coordonnées.

Reprenez les quatre épreuves du ping-pong énumérées plus haut. La première, voir, a été confiée à l'installation. Ce qui est démontré ici, c'est la coordination de deux corps rapides dans un espace étroit — ce qui est déjà beaucoup. Pas l'autonomie.

Second détail, et c'est le plus lourd : l'effet

Le dispositif ne mesure pas l'effet donné à la balle. Et puisqu'il ne le mesure pas, l'effet n'entre ni dans la prédiction de trajectoire, ni dans le modèle de contact entre la raquette et la balle. Les auteurs annoncent vouloir y travailler — preuve que ce n'est pas fait.

Prenez un instant pour mesurer ce que cela veut dire. Au tennis de table, l'effet n'est pas un raffinement de joueur confirmé : c'est le jeu lui-même. Une balle coupée, liftée ou latérale ne rebondit pas où la géométrie le laisserait croire, et ne repart pas de la raquette dans la direction où on l'a frappée. Tout le travail d'un joueur consiste à lire l'effet adverse dans le geste et la trajectoire, à y adapter l'angle de sa raquette, et à en imposer un à son tour. Un pongiste de club perd systématiquement contre un joueur classé, non parce qu'il court moins vite, mais parce qu'il ne lit pas l'effet.

Un système qui ignore l'effet ne joue donc pas au ping-pong au sens où nous l'entendons. Il pratique un exercice d'échange de balles, dans des conditions où l'effet a été neutralisé. C'est un excellent exercice de robotique. Ce n'est pas le sport.

Deux ans en arrière, le même sport

Le recul historique achève d'éclairer la scène. En août 2024, une équipe de Google DeepMind publiait Achieving Human Level Competitive Robot Table Tennis. Le robot — un bras fixe, pas un humanoïde — avait disputé 29 matchs contre des joueurs humains qu'il ne connaissait pas, de tous niveaux. Bilan : 13 victoires sur 29, soit environ 45 %. Il avait battu tous les débutants, gagné un peu plus d'un match sur deux contre les joueurs intermédiaires, et perdu tous ses matchs contre les joueurs avancés.

Comparez les deux moments. En 2024, un bras immobile joue de vrais matchs contre de vrais humains et gagne parfois. En 2026, deux corps entiers se déplacent et coopèrent, mais s'échangent une balle entre eux, sous l'œil de caméras extérieures qui perçoivent à leur place.

Ce n'est pas un recul, c'est un déplacement du problème. Chaque avancée sur un front révèle le retard sur un autre. On a gagné le corps et la coopération ; il reste à conquérir le regard — et l'effet.

Le procédé, et pourquoi il faut le nommer

Soyons précis sur les responsabilités, parce que c'est tout l'enjeu.

Les chercheurs, ici, ont fait leur travail. Ils ont énoncé leurs limites, nommé ce qui manque, annoncé ce qu'il reste à faire. Rien ne leur est reprochable, et leur texte est consultable par quiconque veut le lire — c'est d'ailleurs ce que nous venons de faire.

Ce qui pose problème se situe après : dans la chaîne qui transforme un résultat mesuré en spectacle. Une vidéo de quelques secondes, un titre qui affirme que des robots « jouent au ping-pong », et toute la partie énoncée par les auteurs eux-mêmes — les caméras extérieures, l'effet absent, le décor calibré — disparaît en route. Nul n'a menti. On a seulement laissé tomber ce qui gênait.

Appelons cela par son nom : c'est une forme d'escroquerie douce. Elle ne consiste pas à inventer un fait, mais à montrer une image vraie en taisant ce qui en fixe la portée. Elle prospère parce qu'elle arrange tout le monde — l'entreprise qui lève des fonds, le média qui cherche l'audience, le lecteur qui veut être étonné. Et elle produit, à la longue, une population convaincue que les robots font déjà ce qu'ils ne font pas, et qui s'inquiétera ou s'enthousiasmera sur une base fausse. Les deux erreurs se valent.

La grille de lecture

Alors la prochaine fois qu'une vidéo de robot vous arrive — et il en arrivera d'autres — posez-lui ces cinq questions. Elles tiennent en deux minutes et elles suffisent presque toujours.

1. Qu'est-ce qui, dans cette scène, n'est pas fait par le robot ? Qui perçoit, qui calcule, qui décide, qui a préparé le terrain. C'est la question la plus rentable des cinq.
2. Que mesure-t-on, et que ne mesure-t-on pas ? L'absence est rarement anodine : ici, l'effet. Ailleurs, le poids d'un objet, le bruit ambiant, la lumière changeante.
3. Combien de fois ? Un geste réussi filmé en boucle n'est pas un taux de réussite. Cherchez le pourcentage, et sur combien d'essais.
4. Dans quelles conditions ? Un laboratoire calibré n'est pas un salon, une rue, un atelier. Demandez ce qui se passe quand on déplace la table.
5. Que disent les auteurs eux-mêmes ? Les articles scientifiques comportent presque toujours une section sur leurs limites. Elle est rarement reprise dans les médias, et c'est souvent la partie la plus instructive.

C'est exactement la mécanique que je décris dans L'intelligence artificielle, entre écrans et laboratoires : le cinéma nous a appris à voir dans un robot une créature qui perçoit, décide et veut. Les laboratoires, eux, avancent par morceaux — la marche, la prise d'objet, la coopération, la perception — et chaque morceau résiste à sa façon.

Dix échanges réussis, c'est un beau résultat. Un robot qui ne voit pas la balle et ignore l'effet, c'est une information. Les deux phrases décrivent la même expérience. Une seule des deux fait un bon titre, et ce n'est pas celle qui vous apprend quelque chose.

Sources

• Jiang, H., Zhong, Y., Zhang, K. et al., « PingpongDuo: Agile Humanoid Table Tennis Doubles with Safe Team Coordination », prépublication arXiv, 14 octobre 2026 — arxiv.org/abs/2610.20579
• Google DeepMind, « Achieving Human Level Competitive Robot Table Tennis », 7 août 2024 — deepmind.google

Une prépublication est une étude mise en ligne par ses auteurs avant d'avoir été relue par d'autres chercheurs : une piste sérieuse, pas encore une certitude.