En ce moment, les modèles de langage peuvent passer des examens, mais l'IA incarnée échoue encore dans les cuisines, les entrepôts et les hôpitaux. L'adjectif "robotique" évoque une vision qui n'est pas particulièrement fluide ou capable. Le problème n'est pas le niveau d'avancement du modèle, mais la qualité des données sur lesquelles il est entraîné. L'IA qui fonctionne dans le monde réel a besoin de données du monde réel : vidéo, audio, mouvement, cas limites. Les entreprises qui construisent des systèmes d'IA fonctionnant dans la nature seront celles qui résoudront le problème de la fidélité des données.