Dans un magasin bruyant, un robot doit faire trois choses en même temps : entendre la bonne personne, comprendre ce qu'elle demande et agir sans interrompre la conversation. C'est exactement le scénario que iFLYTEK a mis en avant lors de son 1024 Global Developer Festival, à Pékin, le 22 octobre 2026. Le géant chinois de la voix y a présenté deux briques complémentaires : SparkAudio 1.0, un modèle vocal présenté comme un socle unique, et Robot Super Brain Platform 3.0, une boîte à outils matérielle et logicielle pour équiper des robots.
Le message est simple : iFLYTEK ne veut pas seulement vendre un moteur de reconnaissance vocale. Elle veut fournir l'oreille, la compréhension et le cerveau d'action d'une génération de robots chinois. Une ambition qui repose sur un modèle entraîné sur des puces domestiques, des démonstrations dans un magasin autonome, et des chiffres de performance que l'entreprise revendique elle-même.
SparkAudio 1.0 : un modèle, plusieurs oreilles
SparkAudio 1.0 n'est pas un simple système de reconnaissance automatique de la parole. iFLYTEK le présente comme un modèle de fondation audio qui réunit reconnaissance vocale, traduction automatique et compréhension sémantique dans une même base. Il gère aussi la séparation de locuteurs en temps réel, la compréhension des sons environnants, l'analyse audio et la reconnaissance des émotions.
L'idée est de faire apprendre les tâches les unes des autres. Un modèle qui sait reconnaître les mots peut aussi apprendre à identifier qui parle, à distinguer une sirène d'un klaxon, ou à déduire une ambiance à partir d'un paysage sonore. Dans une rue bruyante, iFLYTEK affirme que son modèle peut repérer les klaxons, les vendeurs et les bruits de pneus, séparer des voix superposées et inférer le contexte à partir du son. C'est le discours classique du « pas seulement entendre, mais comprendre ce qui se passe ».
Derrière, l'architecture est plus concrète. SparkAudio 1.0 associe un encodeur audio dense de 650 millions de paramètres à un modèle de langage de type MoE 30B-A3B : 30 milliards de paramètres au total, environ 3 milliards activés par token. Le tout a été entraîné sur 13 millions d'heures d'audio et de grands corpus textuels, selon le rapport technique cité par Pandaily.
iFLYTEK revendique trois innovations : un décodeur audio semi-supervisé qui améliore la précision de 20 %, une modélisation end-to-end à segmentation dynamique qui réduit le temps de réponse de 15 %, et un décodage collaboratif à double paradigme qui baisse le coût de 60 %. Ces chiffres sont ceux de l'entreprise. Ils n'ont pas été reproduits par un banc d'essai indépendant.
13 millions d'heures et des puces chinoises
Le point le plus stratégique est ailleurs : SparkAudio 1.0 a été entraîné sur des accélérateurs domestiques, notamment des Huawei Ascend 910B et des Hygon BW1000. iFLYTEK inscrit ce modèle dans une pile « 100 % nationale » qui comprend aussi Spark X2.6, un modèle de langage de 293 milliards de paramètres (30 milliards actifs) entraîné sur du calcul chinois, et un modèle de 4 milliards de paramètres open source pour l'appareil.
Cette revendication de souveraineté technologique n'est pas anodine. Les restrictions américaines sur les puces avancées ont poussé les entreprises chinoises à bâtir des alternatives avec Huawei, Hygon et d'autres fournisseurs locaux. iFLYTEK veut montrer que la chaîne complète — calcul, entraînement, modèle, produits — peut fonctionner sans dépendance extérieure. Le message s'adresse autant aux développeurs qu'aux autorités et aux investisseurs.
Le déploiement est déjà réel dans l'écosystème iFLYTEK. SparkAudio 1.0 est intégré à iFLYTEK Input Method 16.0, à iFLYTEK Hearing, aux carnets intelligents et aux traducteurs de la marque. iFLYTEK a aussi présenté un anneau d'enregistrement de 35 grammes, magnétique, capable de transcrire deux heures d'audio en deux minutes avec une précision revendiquée supérieure à 96 %. Ce sont des produits grand public, pas des démonstrations de laboratoire.
Robot Super Brain Platform 3.0 : le cerveau, pas le corps
La deuxième brique est une plateforme pour robots. iFLYTEK la décrit comme un ensemble de cartes, de modules et d'outils : une carte « Spark super brain », un module d'interaction multimodale, un kit de développement pour l'IA incarnée et un harness d'interaction multimodale incarnée. Le principe : faire tourner une partie du traitement sur l'appareil, une autre dans le cloud, et coordonner l'interaction avec l'exécution des tâches.
Concrètement, le robot peut continuer à parler avec un humain pendant qu'il travaille en arrière-plan. Il peut reconnaître la personne qui s'adresse à lui dans un environnement bruyant, comprendre une demande, planifier un déplacement et exécuter une action. iFLYTEK a montré la plateforme dans un magasin autonome ouvert 24 heures sur 24 et dans un scénario de logistique robotisée. Dans les deux cas, le robot doit gérer plusieurs interlocuteurs, des demandes qui changent et un environnement sonore chargé.
La plateforme est modulaire et configurable par secteur. C'est un choix classique pour les fournisseurs de robots : ne pas construire le robot, mais vendre le cerveau à ceux qui le construisent. iFLYTEK revendique une position centrale dans cet écosystème. Selon Zhitongcaijing, l'entreprise affirme que sa plateforme équipe plus de 500 fabricants de robots, avec des clients comme Unitree, Agibot ou Galaxy General.
Il faut prendre ces chiffres pour ce qu'ils sont : des déclarations d'entreprise, pas un recensement indépendant. Ils montrent néanmoins une stratégie claire. Pendant que les fabricants de robots travaillent sur les jambes, les bras et les actionneurs, iFLYTEK veut standardiser la couche d'interaction et de décision. C'est une position de plateforme, avec les marges et le pouvoir de prescription que cela implique.
Ce que les démonstrations ne prouvent pas
Le scénario du magasin autonome est convaincant en vidéo. Il ne prouve pas que la plateforme fonctionnera dans un entrepôt encombré, un hôpital, une usine ou un appartement. Les démonstrations sont contrôlées, les sons sont choisis, et les robots évoluent dans un espace connu. La vraie difficulté commence quand le bruit change, quand plusieurs personnes parlent en même temps, quand le réseau tombe ou quand une action échoue.
Le rapport technique de SparkAudio 1.0 reconnaît d'ailleurs que le suivi d'instructions et le raisonnement audio complexe restent à améliorer. C'est une limite importante pour un modèle présenté comme un « cerveau » de robot : entendre correctement ne suffit pas si le modèle comprend mal une consigne ambiguë ou ne sait pas demander une clarification.
Il y a aussi la question des langues. « 99 langues et 202 dialectes » ne signifie pas que la qualité est identique partout. Les performances dépendent des données d'entraînement, des accents, du bruit et du domaine. Pour un robot déployé dans une zone rurale chinoise ou dans un pays étranger, le vrai test est local, pas global.
Enfin, la plateforme reste un outil d'intégration. Les fabricants doivent assembler les capteurs, les actionneurs, la sécurité et la maintenance. iFLYTEK fournit le cerveau, pas la garantie que le robot sera sûr. Dans un environnement humain, cette responsabilité reste entière.
Pourquoi c'est stratégique
La Chine a fait de la robotique incarnée une priorité industrielle. Les robots humanoïdes, les quadrupèdes et les robots de service se multiplient, mais la plupart des démonstrations restent loin d'un déploiement de masse. Le goulot d'étranglement n'est plus seulement mécanique. Il est dans la perception, la compréhension du langage, la planification et la coordination avec les humains.
C'est précisément le terrain d'iFLYTEK. L'entreprise ne vend pas un robot star. Elle vend une brique que les fabricants peuvent intégrer, avec un modèle vocal, une plateforme matérielle et un écosystème de développeurs. Si cette couche devient un standard, iFLYTEK peut capter une partie de la valeur sans supporter le coût industriel de chaque robot.
La démonstration du 1024 Developer Festival ne répond pas à la question de la fiabilité à grande échelle. Elle montre en revanche une chose : la course à l'IA incarnée ne se joue pas seulement sur les modèles de langage. Elle se joue aussi sur la capacité à entendre, à comprendre et à agir dans le bruit du monde réel. iFLYTEK veut y être présent dès la couche audio.