Le modèle robotique REKI a été publié le 17 octobre 2026 par Kyutai, le laboratoire français de science ouverte, avec Inria et l'École des Ponts. La page officielle du projet, le code complet et l'ensemble des poids sur Hugging Face ont été rendus publics en même temps. REKI est un modèle vision-langage-action (VLA) de 2,4 milliards de paramètres, avec une tâche concrète : regarder les images des caméras, lire une instruction et produire directement les actions d'un bras robotisé. Ce qui mérite l'attention n'est pas un record de plus, mais la façon dont il donne une mémoire au robot — pour un coût presque nul — tout en corrigeant un mode d'échec fréquent.
Pourquoi les bras robotisés oscillent entre deux poses
Beaucoup de VLA décident à partir de la seule image courante. Le problème : certaines poses se ressemblent presque trait pour trait sur une image isolée. Dans les données de démonstration, l'étape qui suit la pose A mène à B, et celle qui suit B ramène à A. Un modèle sans mémoire ne sait pas d'où il vient, oscille entre les deux poses et gaspille toute la tâche. Kyutai appelle cela l'aliasing perceptuel et l'a mesuré sur RoboTwin : sans mémoire, 18,6 % des épisodes oscillent ; avec mémoire, ce taux tombe à 4,1 %, avec les gains les plus nets sur les tâches à deux bras.
La mémoire vit dans l'expert d'action, pas dans le grand modèle
REKI associe un socle vision-langage Qwen3.5-2B à un expert d'action par flow matching de 200 millions de paramètres. Sa mémoire fonctionne ainsi : pour chaque image, 32 jetons registres dans l'expert d'action résument l'image et l'instruction, puis sont mis en cache pour être relus par les deux images suivantes. Comme ces registres ne regardent jamais les actions elles-mêmes, ils ne sont calculés qu'une fois par image et réutilisés dans toutes les étapes de débruitage et les images suivantes. Le coût se compte après la virgule : lire le cache ajoute 0,1 milliseconde à un bloc d'actions, et chaque image mémorisée coûte environ 2 Mio de mémoire GPU. REKI prédit un bloc d'actions en 21,8 millisecondes sur un seul H100, le plus rapide des modèles comparés.
Entraîné uniquement sur des données publiques : qui le bat, qui ne le bat pas
REKI a été pré-entraîné exclusivement sur des données publiques — téléopération de robots réels, simulation et vidéos humaines en vue subjective, soit environ 1,0 milliard d'images, plus un appoint vision-langage — pendant 200 000 étapes sur 32 GPU H100. Il obtient 90,4 % sur LIBERO-Plus, le meilleur score du comparatif de Kyutai ; 65,8 % sur RoboTwin Clean2Rand, devancé seulement par Qwen-RobotManip, environ deux fois plus gros ; et 38,4 % sur RoboCasa365, loin derrière le modèle robotique de Xiaomi. Son point fort est la généralisation quand l'environnement change, pas la victoire sur tous les bancs d'essai. Sur un vrai bras UR5, 50 démonstrations par tâche et une heure d'ajustement ont suffi pour lui apprendre de nouvelles tâches.
Les poids sont sous licence CC BY-NC-SA 4.0 : la recherche et la reproduction sont libres, l'usage commercial est exclu. La plupart des scores viennent en outre de bancs d'essai en simulation ; jusqu'où REKI ira dans de vraies cuisines et usines reste à vérifier par d'autres équipes. Pour celles et ceux qui travaillent sur l'IA incarnée, le signal de cette publication est clair : donner une mémoire à un robot n'exige pas forcément un modèle plus gros — placer les dernières images au bon endroit peut rapporter plus que des paramètres supplémentaires.
