HomeBody se souvient de votre maison. Cela change la question de la propriété des données.

Un robot qui n'oublie pas

HomeBody, un système de robot humanoïde dévoilé à la mi-2026, fait quelque chose que ses prédécesseurs ne savaient pour la plupart pas faire : il explore un espace physique sans qu'on lui dise où aller, construit une mémoire de travail de ce qu'il y découvre, puis agit plus tard sur la base de cette mémoire, de façon autonome, sans qu'un humain ait à planifier chaque tâche. Ce n'est pas un Roomba qui suit un quadrillage. C'est un système qui détermine que la cuisine est généralement plus en désordre après 19 h et qui ajuste lui-même son emploi du temps en conséquence.

Cet écart de capacité, entre des robots qui exécutent des instructions et des robots qui accumulent du contexte, est la véritable nouvelle. La plupart des robots humanoïdes annoncés en 2024 et 2025 étaient impressionnants en tant que démonstrations matérielles, mais dépendaient encore de chaînes de commande reposant sur le cloud et d'instructions humaines explicites. HomeBody est présenté comme un système où le modèle que le robot se fait de votre maison devient son système d'exploitation.

Comment le mécanisme fonctionne réellement

Trois composants rendent cela possible lorsqu'ils travaillent ensemble. Premièrement, la cartographie spatiale continue : le robot utilise des caméras et des capteurs de profondeur pour construire et mettre à jour un modèle 3D de son environnement, en signalant les changements (une chaise déplacée, un nouveau carton dans le couloir) comme des événements significatifs plutôt que comme du bruit. Deuxièmement, la mémoire épisodique : au lieu de traiter chaque session comme une page blanche, le système enregistre ce qu'il a observé et ce qu'il a fait, de sorte que les décisions futures peuvent s'appuyer sur des schémas passés. C'est la pièce qui manquait à la plupart des robots grand public ; leur « mémoire » se limitait à un plan d'étage statique, et non à un historique d'événements. Troisièmement, la prise de décision embarquée : le système est conçu pour exécuter son raisonnement localement plutôt que d'envoyer de la vidéo et des données spatiales à un serveur cloud pour chaque choix. Cela compte pour la latence, mais aussi, de façon considérable, pour la vie privée, un point que les documents de lancement présentent comme un argument de vente sans en affronter pleinement les complications.

La difficulté résolue, en gros, est celle de l'intégration. Chacune de ces trois capacités existait dans des contextes de recherche. Les combiner dans une plateforme qui fonctionne de manière fiable dans des environnements domestiques non contrôlés, où la lumière change, où les objets bougent de façon imprévisible et où un tout-petit est une variable, est l'exploit d'ingénierie revendiqué ici.

Ce que l'industrie signale réellement

L'architecture de HomeBody est un pari sur le fait que la mémoire persistante à domicile est un avantage concurrentiel durable. Une fois qu'un robot a accumulé six mois de contexte appris sur un foyer, passer au produit d'un concurrent signifie repartir de zéro. Cette logique rappelle ce qui a rendu les premiers écosystèmes d'enceintes connectées si captifs, sauf que les données accumulées ici sont infiniment plus riches : plans des lieux, routines quotidiennes, contenu des placards, qui est à la maison et quand. L'entreprise qui possède la couche de mémoire possède la relation.

Les régulateurs n'ont pas rattrapé leur retard. Les catégories à haut risque de l'AI Act européen se concentrent sur l'identification biométrique et les infrastructures critiques. Un robot qui enregistre passivement des schémas comportementaux à l'intérieur d'un domicile privé occupe une zone grise que les cadres existants n'ont pas été conçus pour traiter. Attendez-vous à ce que cela devienne un débat politique bruyant avant la fin de 2026, notamment à mesure que des systèmes de type HomeBody approchent de la commercialisation.

Les questions à vous poser

• Où se trouve réellement la mémoire épisodique, et qui y a légalement accès ? Les affirmations « embarqué » doivent être vérifiées au regard des conditions d'utilisation, de l'architecture des mises à jour du firmware et de toute télémétrie que le fabricant collecte pour améliorer ses modèles.
• Que devient la mémoire accumulée lorsque l'appareil est revendu, retourné ou que l'entreprise est rachetée ? Les garanties de portabilité et de suppression des journaux spatiaux et comportementaux n'existent pas encore en tant que norme.
• Comment le système se comporte-t-il lorsque son modèle appris est erroné ? Un robot qui agit sur une mémoire périmée ou incorrecte dans un environnement domestique peut causer de réels dommages ; les modes de défaillance comptent autant que les promesses de capacités.
• Le consentement des membres du foyer a-t-il une signification juridique ici ? Le propriétaire qui achète l'appareil peut accepter des conditions, mais les autres occupants (conjoint, enfants, invités) sont cartographiés et enregistrés sans consentement individuel.
• Quelle est la frontière de calcul réelle entre l'appareil et le cloud ? Les fournisseurs décrivent fréquemment l'inférence comme locale, alors que les mises à jour d'entraînement, les journaux d'erreurs et les cas limites transitent vers des serveurs distants.

Ce qu'il faut surveiller ensuite

Le signal à surveiller est de savoir si une autorité de protection des données (l'ICO au Royaume-Uni, ou un régulateur au niveau d'un État américain) ouvre une enquête sur la mémoire persistante des robots domestiques avant qu'un produit majeur de type HomeBody n'arrive en rayon à grande échelle. Si c'est le cas, la stratégie de la mémoire comme avantage concurrentiel s'effondre et l'architecture de chaque plateforme concurrente devra changer. Si les produits sortent d'abord et que les enquêtes viennent plus tard, les acteurs en place disposant des plus grands jeux de données de mémoire l'emportent, et le combat réglementaire portera sur la remédiation plutôt que sur la conception.