Panasonic Holdings dévoile KMC, des modèles de référence pour l’IA physique

Le 11 novembre 2026, Panasonic Holdings a annoncé une initiative intitulée Manufacturing Commons, dont le nom de projet est KMC, visant à développer au Japon des modèles de référence pour l’IA et la robotique grâce à une collaboration entre l’industrie, les pouvoirs publics et le milieu universitaire, puis à les déployer dans les lieux de travail.

KMC s’inscrit dans un effort plus vaste visant à accélérer le développement d’une IA physique ancrée dans le terrain, en appliquant l’IA aux lieux de travail physiques et en la combinant à l’expertise manufacturière. L’entreprise veut améliorer les processus de recherche, de conception et de production à mesure que l’utilisation de l’IA s’étend au-delà des environnements numériques.

La boucle d’apprentissage proposée commence par l’apprentissage de l’IA à partir de l’expérience, des compétences et du jugement des travailleurs. Ceux-ci utilisent ensuite les analyses et les propositions qui en résultent, et les nouvelles connaissances et données générées par ce travail sont réinjectées dans l’IA afin qu’elle poursuive son apprentissage. Panasonic vise un apprentissage continu et bidirectionnel entre les personnes, les lieux de travail et l’IA, dans les domaines de la recherche, de la conception et de la fabrication.

Dans le cadre de KMC, les organisations partageraient des technologies, des connaissances et des relations humaines liées à la fabrication, au-delà des frontières entre entreprises et organisations. Panasonic ambitionne, selon ses déclarations, de mettre en commun les capacités manufacturières japonaises afin de créer un modèle de production compétitif à l’échelle mondiale.

L’annonce renvoie également à la vision technologique à l’horizon 2040 de la division Technologie, qui associe le développement technologique à la création conjointe avec des partenaires. Elle désigne l’IA et les systèmes cyberphysiques — qui relient l’analyse numérique aux opérations physiques — comme des technologies communes à plusieurs domaines de recherche, notamment la robotique, la détection et les approches fondées sur des modèles.

Données manufacturières et applications des procédés

La stratégie s’appuie sur plus d’un siècle d’expérience manufacturière dans les matériaux, les dispositifs, la détection, le contrôle et les procédés de production. Elle mobilise également les techniques des travailleurs qualifiés et les méthodes permettant de transformer les phénomènes physiques en données exploitables, ce qui ancre les travaux sur l’IA dans les opérations en usine autant que dans les logiciels.

Les cellules solaires à pérovskite de type verre figurent parmi les domaines manufacturiers mentionnés dans l’annonce. La technologie des matériaux de Panasonic, ainsi que les techniques de revêtement par jet d’encre, de traitement au laser et de scellement issues de la fabrication d’écrans, permettent de produire du verre générateur d’électricité destiné aux fenêtres et aux murs. L’entreprise prévoit de recourir à l’informatique et à l’IA pour développer les matériaux et optimiser les conditions des procédés ; l’activité commerciale a débuté avec la vente d’unités de préproduction en septembre 2026, et le lancement de la production de masse à grande échelle est prévu pour avril 2029 sur le site de développement des technologies de production de masse de Nagahama, dans la préfecture de Shiga.

Les travaux sur les semi-conducteurs portent sur des équipements avancés de fabrication en aval, destinés à l’empilement tridimensionnel de puces et à d’autres applications de fabrication de nouvelle génération. Ils combinent des technologies de modification de surface par plasma, de collage de précision, d’impression, d’inspection et de transport. Un projet d’emballage de semi-conducteurs par l’IA, lancé récemment, rassemble les activités de recherche et de développement commercial. L’analyse par l’IA des données de procédé et des images d’inspection doit contribuer à la prédiction de la qualité, à la recherche des conditions de procédé et à la définition des spécifications des équipements.

T-Rex, un exemple d’application robotique

Une autre publication de recherche de Panasonic datée du 5 novembre 2026 illustre les travaux en robotique qui sous-tendent la stratégie. Panasonic Holdings et Panasonic R&D Company of America ont développé T-Rex avec des chercheurs de UC Berkeley, de NVIDIA, de Stanford University, de Sapienza University of Rome et d’ItalAI. Le système intègre les informations tactiles recueillies au bout des doigts dans un modèle vision-langage-action, qui transforme des images et des instructions en langage naturel en actions robotiques, permettant d’ajuster les mouvements lorsque les conditions de contact changent.

T-Rex génère ses actions de haut niveau au moyen d’un module de vision et de langage fonctionnant à environ 5 Hz, soit cinq mises à jour par seconde, tandis qu’un module tactile corrige les mouvements à environ 20 Hz. Le système peut ainsi réagir aux glissements ou à une pression excessive sans devoir répéter la reconnaissance d’image, plus lente, à chaque ajustement. L’article consacré à T-Rex présente un jeu de données riche en informations tactiles, constitué sur 100 heures, ainsi que l’architecture Mixture-of-Transformers à fréquence variable, qui permet de gérer ces différentes fréquences de traitement.

Panasonic fait état d’un taux de réussite moyen de 65 % pour 12 tâches de contact en conditions réelles, contre 35 % pour sa méthode de comparaison la plus performante et 42 % lorsque les informations tactiles étaient supprimées. L’évaluation comprenait le tournage de pages, le transfert d’œufs, l’application de dentifrice, le déverrouillage de serrures, le retrait de cartes et le vissage d’ampoules, autant de tâches exigeant un contrôle délicat de la force et la manipulation d’objets déformables.

Panasonic envisage des applications futures, notamment l’insertion, le retrait et le serrage de composants dans la fabrication, ainsi que la manipulation d’articles flexibles ou fragiles dans la logistique, afin de réduire la charge de travail des employés et d’atténuer les pénuries de main-d’œuvre. Le principal enjeu de KMC est de déterminer si le partage des connaissances manufacturières peut contribuer à transformer des résultats de recherche tels que T-Rex en modèles de référence réutilisables dans les lieux de travail des secteurs de la production et de la logistique.