Les robots apprennent le soudage et la pose de carrelage sur chantier

La vision devient une composante de la boucle de contrôle

Je n’y vois pas une nouvelle vidéo spectaculaire d’un bras manipulateur, mais un changement technique concret : le robot ne répète plus simplement un mouvement enregistré à l’avance. Une publication de Vision IA présente le soudage robotisé, tandis qu’un dossier d’OVACEN est consacré à la pose de carrelage. Dans les deux cas, l’idée centrale est la même : une caméra détermine la position réelle de l’objet, puis le système corrige le mouvement.

Pour le soudage, la vision par ordinateur détecte les bords et la ligne du cordon, convertit les coordonnées de pixels en trajectoire et transmet les corrections au contrôleur. Les études techniques mentionnées font état d’une erreur d’environ 0,008 mm pour une commande fondée sur ANFIS. Un autre travail revendique une précision de localisation allant jusqu’à 99,998% sur près de 96 000 opérations, avec une precision de 1,00 et un recall supérieur à 0,99.

Pour le carrelage, les mathématiques sont proches, mais la physique diffère. Le système doit estimer la position et l’orientation de l’élément, compenser un champ de vision limité, puis contrôler le joint et la planéité après la pose. Il s’appuie pour cela sur la détection de contours, la transformée de Hough, des automates finis et des mesures optiques.

Les supports commerciaux annoncent une erreur de joint entre carreaux allant jusqu’à ±0,1 mm, un écart de planéité inférieur à 1 mm et une vitesse de travail multipliée par cinq ou six. En septembre 2026, je considérerais ces chiffres comme des déclarations de fournisseurs, non comme un résultat universel pour tous les chantiers. Un support irrégulier, la poussière, les reflets, des lots de matériaux différents et une géométrie instable ramènent vite le robot de la démo à la réalité.

Ce n’est pas un métier qui s’automatise, mais une partie contrôlable du travail

Le changement majeur est que des opérations manuelles spécialisées deviennent accessibles à l’automatisation en boucle fermée. La caméra détecte un écart, un capteur confirme le contact ou l’effort, le planificateur recalcule le mouvement et le contrôle qualité intervient immédiatement, plutôt qu’après la fin de la zone.

C’est un progrès réel, mais pas une preuve d’autonomie complète. Je vérifierais d’abord la part de préparation manuelle, la fréquence des arrêts, les besoins de recalibrage et la robustesse face aux défauts rares. La précision en laboratoire dit peu de la productivité si une personne doit sans cesse sauver le cycle.

Les soudeurs et carreleurs ne disparaissent pas encore, mais la frontière entre le métier artisanal et le travail d’opérateur évolue. La question la plus intéressante n’est plus de savoir si le robot peut réaliser un passage parfait, mais quelle quantité de chantier imparfait il peut supporter sans intervention.

Nous avons déjà étudié comment les démonstrations d’IA incarnée peuvent brouiller la frontière entre un prototype impressionnant et un système déployable. Cette distinction compte aussi lorsque les robots investissent les métiers qualifiés, où la fiabilité physique et la conception opérationnelle déterminent la réussite de l’automatisation.