AI-powered surgical robotics is best understood as a stack of technologies rather than a single “robot surgeon.” In today’s operating room, the most mature systems still keep the surgeon in control while software improves planning, visualization, instrument guidance, motion control, workflow analysis, or selected automated tasks. The practical question is not whether a platform “uses AI,” but which decisions and actions the software performs, what the clinician still controls, and whether those capabilities are authorized and validated for the intended procedure.
That distinction matters because “precision” can mean several different things: reproducing a planned bone cut more accurately, stabilizing an instrument, constraining motion inside a virtual boundary, measuring tissue force, recognizing phases in surgical video, or proposing a patient-specific plan. These functions can be valuable, but none automatically guarantees a better clinical outcome for every patient or procedure.
| Use case | What the technology does | Typical human role | Practical maturity |
|---|---|---|---|
| Robot-assisted teleoperation | Translates surgeon hand movements into instrument motion; may filter tremor or add motion scaling. | Surgeon continuously controls the instruments. | Established in many minimally invasive procedures. |
| Patient-specific planning | Uses imaging and software to build a plan around individual anatomy. | Surgeon reviews, adjusts, and approves the plan. | Established in several orthopedic, spine, and navigation workflows. |
| Haptic or geometric constraints | Limits or guides instrument movement relative to a planned boundary. | Surgeon performs the task within system-defined constraints. | Established in selected orthopedic and navigation systems. |
| Computer vision and video analytics | Identifies procedural phases, instruments, anatomy, or patterns in recorded video. | Clinician reviews analytics and decides how to use them. | Commercially available for some post-operative analytics; real-time capabilities vary. |
| Task automation | Executes a bounded, preprogrammed task once parameters are set. | Surgeon selects, supervises, and can intervene. | Available in limited, procedure-specific forms. |
| High-level autonomous surgery | Would independently plan and execute major portions of a procedure while adapting to changing anatomy. | Primarily supervisory. | Still research-oriented rather than routine clinical practice. |
The U.S. Food and Drug Administration describes robotically assisted surgical systems as computer-assisted devices that allow trained physicians to control instruments during surgery. For many soft-tissue systems, the robot does not independently perform the operation; the surgeon remains the active controller. The FDA’s computer-assisted surgical systems guidance is a useful baseline because it separates the popular image of an autonomous robot from the actual role of many current systems.
AI can be added to that robotic foundation in several places. A machine-learning model might segment anatomy from an image, recognize a procedural phase, flag a pattern in video, or help generate a patient-specific plan. But advanced robotics can also improve precision without machine learning. Force feedback, tremor filtering, robotic kinematics, motion constraints, and deterministic planning algorithms may all be sophisticated without being “AI” in the regulatory sense.
The FDA’s AI-enabled medical device list can help verify whether an authorized device has been identified as AI-enabled, although the FDA explicitly notes that the list is not comprehensive.
Robotic mechanisms can scale motion, filter tremor, hold an instrument at a fixed pose, or prevent a cutting tool from moving beyond a virtual boundary. In orthopedics, for example, Stryker describes its Mako systems as using patient-specific planning and haptic boundaries that constrain a tool relative to the planned anatomy. The relevant point is not the brand claim itself, but the engineering pattern: software defines a geometric plan and the robot physically helps keep the instrument within that plan.
For a concrete example, Stryker’s Mako Spine documentation describes automatic patient registration, smart segmentation, algorithm-driven screw suggestions, and haptic guidance. Some of those functions are algorithmic rather than necessarily machine learning, which is exactly why buyers should ask what “AI” means in a specific system.
Intuitive’s da Vinci 5 received FDA 510(k) clearance in March 2024. One of its notable additions is force-sensing technology that can measure forces at the instrument and feed a sense of tissue force back to the surgeon. Intuitive describes this capability in its da Vinci 5 clearance announcement.
Force feedback is a good illustration of why “AI-powered” can be an imprecise label. This feature may improve the information available to the surgeon, but it is fundamentally a sensing-and-control capability rather than an autonomous decision-maker.
Video is one of the richest data streams in a modern operating room. AI can divide a procedure into phases, detect instruments, estimate how long anatomy remains in view, and support post-operative review. Medtronic’s Touch Surgery Performance Insights is a current commercial example of AI-enabled analysis for selected procedures.
The limitation is just as important as the capability. Medtronic states that, at present, the platform does not provide real-time decision support or live critical-structure identification. That is a useful reality check: post-operative AI analytics are already practical, while some of the more dramatic “AI guiding the surgeon live” scenarios remain limited, procedure-specific, investigational, or unreleased.
Planning systems can use CT, MRI, intraoperative imaging, registration, and anatomical models to propose where an implant, screw, cut, or trajectory should go. The robot may then help the surgeon execute that plan. This is especially relevant in orthopedics, spine surgery, and stereotactic procedures, where a target can be represented geometrically.
The tradeoff is dependence on data quality and registration accuracy. A perfect robot following an inaccurate model is still following the wrong model. Teams therefore need clear checks for imaging quality, registration error, plan approval, and conditions that require abandoning or revising the robotic workflow.
A 2024 systematic review in npj Digital Medicine examined FDA-cleared surgical robots from 2015 through 2023 using a six-level autonomy framework. Of 49 systems identified, 86% were classified as Level 1 robot assistance, 8% as Level 2 task autonomy, and 6% as Level 3 conditional autonomy. The review found no Level 4 or Level 5 systems in that dataset. It also reported that only two systems had machine-learning-enabled features explicitly recognized in FDA submissions, while some additional products used AI-related claims in marketing materials.
Those numbers should not be treated as a complete picture of the 2026 market because the review stops at 2023. They are still useful as a baseline: clinically deployed surgical robotics has historically been dominated by surgeon-controlled assistance, with higher autonomy appearing in narrow, bounded tasks rather than whole-procedure replacement of the surgeon.
The market has continued to evolve. In July 2026, Johnson & Johnson announced FDA De Novo authorization for the OTTAVA robotic surgical system for multiple upper-abdominal general surgery procedures. That is meaningful competition in soft-tissue robotics, but authorization of a robotic platform should not be interpreted as authorization for autonomous surgery or for every AI feature a company may be developing.
La recherche a démontré la capacité croissante des robots à réaliser des interventions chirurgicales autonomes, notamment dans des environnements précliniques contrôlés. Un exemple souvent cité est celui du robot autonome Smart Tissue Autonomous Robot (STAR), qui a effectué une anastomose intestinale par laparoscopie sur des porcs lors d'une étude de 2022 menée par l'université Johns Hopkins . Ce projet a démontré qu'un robot pouvait planifier et exécuter une suture complexe des tissus mous tout en s'adaptant aux mouvements tissulaires.
C’est scientifiquement important, mais cela ne prouve pas que la chirurgie autonome des tissus mous soit prête pour une utilisation courante chez l’humain. Le passage d’une démonstration préclinique à un système clinique largement déployable exige une performance robuste face à la variabilité anatomique, aux saignements, aux découvertes inattendues, aux défaillances des dispositifs, aux interactions entre équipes et aux situations d’urgence lors des transferts de responsabilité. En chirurgie, les exigences en matière de fiabilité sont bien plus élevées que la simple obtention d’une précision moyenne élevée lors d’un test de laboratoire.
Les hôpitaux doivent dissocier la précision technique du bénéfice pour le patient. Un système peut certes positionner un instrument plus près de la trajectoire prévue ou reproduire une cible géométrique avec plus de précision, mais les résultats cliniques restent tributaires du choix de la procédure, de l'expérience du chirurgien, des complications, de l'anesthésie, de la prévention des infections, de la biologie tissulaire et des soins postopératoires.
La FDA recommande aux patients envisageant une chirurgie robotique de discuter des risques, des avantages, des alternatives, ainsi que de la formation et de l'expérience du chirurgien. Ce conseil reste pertinent malgré le développement croissant des fonctionnalités d'IA. Le recours à une technologie plus avancée doit se justifier par la nécessité clinique, et non par la nouveauté de la plateforme.
Ces questions rejoignent l'importance accordée par la FDA aux contrôles tout au long du cycle de vie. Les principes de bonnes pratiques d'apprentissage automatique de l'agence mettent l'accent sur la représentativité des données, la pertinence clinique des tests, la performance de l'équipe humain-IA, la clarté des informations destinées aux utilisateurs et le suivi des modèles déployés.
Pour les fonctions d'IA susceptibles d'évoluer après autorisation, le guide final de la FDA sur le plan de contrôle des changements prédéterminés d'août 2025 décrit comment les fabricants peuvent définir à l'avance les modifications prévues, les méthodes de validation et les évaluations d'impact.
| Question | Interprétation à moindre risque | Interprétation par les instances supérieures |
|---|---|---|
| Que contrôle l'algorithme ? | Affichage, analyse, recommandation ou conseils ciblés. | Mouvement de l'instrument, exécution de la tâche ou stratégie procédurale. |
| Le clinicien peut-il vérifier le résultat ? | Les résultats sont visibles et faciles à vérifier. | La logique est opaque ou difficile à confirmer indépendamment au cours de la procédure. |
| Le clinicien peut-il passer outre ? | Une commande manuelle immédiate ou un désengagement sont disponibles. | La dérogation nécessite une interruption du flux de travail ou s'avère difficile sous la pression du temps. |
| Que se passe-t-il si les données sont erronées ? | L'erreur sera probablement détectée avant toute action. | Une erreur peut avoir une influence directe sur l'anatomie, la trajectoire, le débit d'énergie ou la manipulation des tissus. |
| Comment le modèle évolue-t-il ? | Version logicielle fixe avec mises à jour contrôlées. | Modèle adaptatif ou fréquemment mis à jour nécessitant une surveillance du cycle de vie. |
Plus un système se rapproche de la colonne de droite, plus la gouvernance formelle devient importante. Celle-ci comprend l'examen multidisciplinaire, la simulation, le signalement des incidents, le contrôle des versions, la surveillance post-commercialisation et une procédure documentée pour suspendre une fonctionnalité en cas d'incertitude quant à ses performances.
À court terme, l'évolution devrait privilégier une augmentation progressive des capacités plutôt qu'une transition brutale vers la chirurgie autonome. Il faut s'attendre à une vision par ordinateur améliorée, une segmentation et un recalage plus automatiques, une détection des forces et des mouvements plus précise, des alertes contextuelles, un indexage vidéo chirurgical plus intelligent et des sous-tâches automatisées bien délimitées. À terme, les modèles multimodaux pourraient combiner la vidéo, la télémétrie des instruments, l'imagerie, les données anatomopathologiques et les données patient afin d'améliorer la perception de la situation.
La difficulté ne résidera pas dans la génération d'une suggestion par l'IA. Il s'agira plutôt de démontrer la fiabilité de cette suggestion pour modifier l'intervention chirurgicale, de définir un comportement sûr en cas de faible confiance et de valider ses performances dans différents hôpitaux, auprès de différents chirurgiens, avec différents dispositifs et populations de patients.
La robotique chirurgicale pilotée par l'IA transforme déjà le bloc opératoire, mais sa véritable valeur réside aujourd'hui dans son rôle de soutien aux équipes d'experts plutôt que dans son remplacement. Les applications les plus pertinentes sont celles où la technologie remplit un rôle clairement défini : planification en fonction de l'anatomie spécifique du patient, stabilisation ou limitation des mouvements, extraction d'informations structurées à partir de vidéos chirurgicales, amélioration de la visualisation ou automatisation d'une tâche précise sous supervision.
Pour les hôpitaux, les chirurgiens et les patients, la question pertinente n'est pas « Ce robot est-il doté d'intelligence artificielle ? » mais plutôt « Que fait exactement ce système, comment cette fonction a-t-elle été validée, qui reste responsable de la décision et que se passe-t-il lorsque la technologie dysfonctionne ? » Ce cadre transforme une tendance technologique générale en une évaluation pratique de la sécurité et de la valeur.
Un guide pratique pour 2026 sur l'IA, les capteurs domotiques, la surveillance à distance, la sécurité contre les chutes, la protection de la vie privée et comment la technologie peut favoriser le maintien à domicile sans remplacer les soins.
Découvrez comment les villes peuvent transformer les données relatives à la mobilité, à l'aménagement du territoire, au climat et à la communauté en quartiers plus sûrs, plus verts et plus accessibles à pied, sans pour autant privilégier la technologie au détriment des personnes.
Comparez les principaux programmes d'ingénierie aérospatiale et de drones pour les drones, l'autonomie, les commandes, les opérations de systèmes aériens sans pilote et la recherche de troisième cycle, avec des mises à jour vérifiées jusqu'en 2026.
A practical guide to AI-powered surgical robotics: current capabilities, levels of autonomy, precision benefits, limits, regulation, and evaluation criteria.
Les investissements dans le captage, l'utilisation et le stockage du carbone (CCUS) sont en hausse, mais le captage du carbone peut-il inverser les émissions mondiales ? Découvrez où cela fonctionne, quelles sont les limites de son déploiement à grande échelle et quelles preuves sont pertinentes.
Comparez sept programmes mondiaux pour les chaînes d'approvisionnement numériques, la logistique, l'analyse de données, le commerce international et les opérations, avec des conseils pratiques pour choisir la solution la plus adaptée.
Découvrez comment les interfaces cerveau-ordinateur décodent les signaux neuronaux pour rétablir la communication et le mouvement, ce que les études récentes ont permis de réaliser et ce qui limite encore l'utilisation des interfaces cerveau-ordinateur.
Découvrez comment les drones commerciaux combinent capteurs, intelligence artificielle embarquée, batteries, communications et logiciels de contrôle de vol, et comment l'autonomie dépend encore de la mission et de la réglementation.
Comparez sept excellentes options de master en batteries et stockage d'énergie en fonction des matériaux, des systèmes, de la recherche, de l'exposition à l'industrie, de la flexibilité, de la langue et des compromis en matière de coûts.
Learn how payload mass, battery limits, weather, propulsion efficiency, and aircraft architecture shape industrial UAV endurance—and how to improve it.
