Figure AI a envoyé ses humanoïdes Figure 03 plier du linge, ranger des chambres et faire des lits dans 30 maisons louées de la baie de San Francisco. Aucun robot du groupe n’avait cartographié ces intérieurs ni manipulé les objets présents avant l’expérience. L’architecture neuronale Helix 2.5 opère sans ré-entraînement ni ajustement local, en s’appuyant sur un unique checkpoint, c’est-à-dire un ensemble de poids figé et identique pour chaque tâche d’un foyer à l’autre. Cette approche zéro-shot s’affranchit des phases d’apprentissage sur place et s’adapte petit a petit a son environnement.
Les données publiées par l’entreprise californienne affichent 237 séquences complètes menées à terme sur 420 essais, ce qui correspond à un taux de réussite global de 56 %. Sans le pré-entraînement apporté par la base de données Index, ce score plafonnait à 9 %, ce qui représente une multiplication par six de la performance. Le protocole de test écarte toute validation partielle. Chaque essai exige l’exécution intégrale d’une suite d’actions sans téléopération, tandis que le moindre blocage ou toute intervention humaine de sécurité compte comme un échec. Dans le détail des relevés, la préparation des lits arrive en tête avec un score de 67 % obtenu sur 94 réussites pour 140 tentatives, le pliage de serviettes totalise 62 % avec 87 réussites pour 140 essais et le rangement de jouets variés dans des bacs plafonne à 40 % sur 56 réussites pour 140 essais.
Brett Adcock, président-directeur général de Figure AI, a déclaré dans la vidéo de présentation officielle, « projet le plus important jamais entrepris chez Figure ». Le modèle divise par deux le volume de données spécifiques réclamé pour chaque tâche et multiplie par trente la surface de généralisation spatiale. Son prédécesseur Helix 02 nécessitait 200 heures de collecte dans un entrepôt logistique ou devant un lave-vaisselle ciblé pour réussir ses manipulations. Helix 2.5 transpose ses compétences vers des logements jamais visités, poussant la direction à avancer de deux ans son calendrier pour l’arrivée d’une version domestique. Ces tests restent cantonnés au territoire américain, sans tarif public ni date de commercialisation en France.
Le moteur de cette capacité d’adaptation s’appelle Index, un jeu de données dévoilé le 25 août 2026. La plateforme ingère environ 35 minutes de vidéo d’expérience humaine par seconde, fournie par des dizaines de milliers de contributeurs rémunérés chaque semaine. Figure AI met en évidence une loi d’échelle entre le volume de données Index et l’erreur du modèle. Doubler les enregistrements humains permet d’anticiper la baisse de la fonction de perte avec une régularité mathématique, offrant une trajectoire de perfectionnement graduel pour les prochaines versions.
Ces chiffres éclairent la confrontation technique entre constructeurs. La jeune entreprise Sunday Robotics affiche par exemple un taux de réussite de 99,1 % sur le pliage de vêtements, avec 778 pièces pliées sur 785. Cette comparaison oppose néanmoins deux démarches différentes, puisque Sunday évalue une action répétée sur un vêtement isolé alors que Figure AI mesure des séquences longues dans des environnements domestiques découverts à froid. Ce match de méthodes intervient pendant que Tesla repousse les premières ventes d’Optimus à 2027 et que la Chine accélère le developpement d’humanoïdes avec BYD et XPeng.
Adossée à une levée de fonds de plus d’un milliard de dollars en série C bouclée le 16 septembre 2025 et à un accord avec Brookfield scellé le lendemain, la société dispose des capitaux pour soutenir ses tests de grande ampleur. Réussir 56 % de tâches ménagères dans un logement inconnu constitue une étape technique concrète, loin des promesses d’intelligence artificielle générale immédiate, tout en soulignant la marge de progression indispensable pour concevoir une aide domestique autonome. La démonstration filmée dans la vidéo Helix 2.5 30-Home Generalization montre ces mouvements réels, entre réussites et ajustements physiques laborieux.
