Oui. Pour tester réellement notre nouveau bouton, le mieux est justement de créer uniquement le corps de l’article, sans chapô, résumé social ni description SEO. Nous laisserons GPT-OSS produire ces trois éléments depuis l’interface.
Véhicules autonomes : quand l’IA embarquée prend le volant
La voiture autonome fait partie de ces technologies annoncées depuis suffisamment longtemps pour que l’on puisse avoir l’impression qu’elle n’arrivera jamais.
Pourtant, elle existe déjà.
Dans plusieurs villes américaines, des véhicules sans conducteur transportent quotidiennement des passagers. Waymo exploite désormais un service commercial entièrement autonome dans plusieurs métropoles et annonce avoir dépassé 20 millions de trajets cumulés. Waymo
Dans le même temps, des millions de voitures particulières disposent de systèmes capables de maintenir leur trajectoire, d’adapter leur vitesse, de freiner automatiquement ou de prendre en charge une partie de la conduite sur certaines routes.
Mais ces réalités très différentes sont souvent regroupées sous une même expression : « véhicule autonome ».
Entre une voiture qui corrige momentanément sa trajectoire et un robotaxi sans conducteur, l’écart technologique, juridique et opérationnel est pourtant considérable.
Comprendre le véhicule autonome impose donc de regarder moins le volant que ce qui se passe derrière lui : capteurs, puissance de calcul, intelligence artificielle embarquée, cartographie, réseaux et prise de décision en temps réel.
De l’assistance à l’autonomie
La classification généralement utilisée distingue six niveaux, de 0 à 5.
Au niveau 0, la machine peut avertir ou intervenir ponctuellement, mais le conducteur réalise la conduite.
Au niveau 1, elle prend en charge soit la direction, soit l’accélération et le freinage.
Au niveau 2, elle peut contrôler simultanément direction et vitesse, mais le conducteur reste responsable de la conduite et doit surveiller continuellement l’environnement.
À partir du niveau 3, la logique change : lorsque le système est actif dans les conditions prévues, il réalise lui-même l’ensemble de la tâche de conduite, même si un humain peut devoir reprendre le contrôle lorsqu’il le demande.
Le niveau 4 va plus loin : dans un domaine de fonctionnement défini, le véhicule peut conduire sans intervention humaine.
Le niveau 5 correspondrait enfin à une autonomie universelle, quelles que soient les routes ou les conditions. Ce dernier stade reste aujourd’hui un objectif théorique plutôt qu’un produit disponible. La NHTSA américaine rappelle d’ailleurs que les systèmes de niveaux 3 à 5 ne sont pas largement disponibles sur les véhicules destinés au grand public. NHTSA
Cette distinction est essentielle.
Une voiture équipée d’une assistance de niveau 2 peut donner une impression d’autonomie très avancée tout en exigeant que son conducteur reste constamment attentif.
À l’inverse, un robotaxi de niveau 4 peut transporter ses occupants sans conducteur, mais uniquement dans une zone et dans des conditions pour lesquelles il a été conçu.
L’autonomie est donc moins une propriété absolue qu’une capacité définie dans un environnement donné.
Conduire commence par percevoir
Un conducteur humain utilise principalement sa vue, complétée par l’ouïe, son expérience et sa compréhension du contexte.
La machine doit reconstruire cette perception avec des capteurs.
Caméras.
Radars.
Lidars.
Capteurs ultrasoniques.
Centrale inertielle.
GPS.
Chaque technologie apporte une information différente.
La caméra fournit une représentation très riche de l’environnement. Elle permet de reconnaître les voies, les panneaux, les feux, les véhicules, les piétons ou les obstacles.
Le radar mesure efficacement des distances et des vitesses relatives, y compris dans certaines conditions où la vision est dégradée.
Le lidar construit une représentation tridimensionnelle extrêmement précise de l’espace en mesurant le temps nécessaire à des impulsions lumineuses pour revenir vers le capteur.
Ces informations peuvent ensuite être combinées.
Cette fusion de capteurs permet à la machine de construire une représentation dynamique de son environnement.
Une automobile n’est plus seulement devant elle.
Elle possède une position.
Une vitesse.
Une direction probable.
Un piéton ne constitue pas simplement une forme détectée sur une image.
Le système doit déterminer s’il se trouve sur le trottoir, s’il se dirige vers la chaussée et s’il risque de traverser.
Percevoir signifie déjà interpréter.
L’intelligence artificielle transforme les capteurs en situation
C’est ici qu’intervient l’intelligence artificielle.
Les réseaux neuronaux utilisés dans les systèmes de perception peuvent reconnaître et classifier les éléments présents dans les images et les autres données issues des capteurs.
Mais identifier les objets ne suffit pas.
Il faut reconstruire une scène.
Où se trouve la route ?
Quelles voies sont utilisables ?
Le feu concerne-t-il cette voie ?
Ce véhicule est-il garé ou en mouvement ?
Ce cycliste va-t-il continuer tout droit ?
Cette voiture située sur une voie adjacente commence-t-elle à se rabattre ?
Le système construit en permanence un modèle du monde qui l’entoure.
Cette représentation doit également intégrer le temps.
Un véhicule autonome n’analyse pas une succession indépendante de photographies.
Il doit suivre l’évolution des objets et anticiper leurs mouvements.
L’intelligence artificielle sert donc autant à comprendre ce qui existe qu’à estimer ce qui pourrait se produire dans les secondes suivantes.
Puis il faut décider
Une fois l’environnement représenté, le véhicule doit déterminer ce qu’il va faire.
Continuer.
Ralentir.
Changer de voie.
S’arrêter.
Laisser passer un piéton.
Contourner un obstacle.
S’insérer dans une circulation dense.
Une partie de ce processus relève de la planification.
Le véhicule dispose généralement d’un itinéraire global mais doit continuellement adapter sa trajectoire aux événements locaux.
Prenons une situation banale.
Une camionnette de livraison bloque partiellement la voie.
Pour un humain, la décision peut sembler simple.
Il regarde si la ligne peut être franchie, vérifie qu’aucun véhicule n’arrive en face, ralentit, contourne la camionnette et revient sur sa voie.
Pour un véhicule autonome, chacune de ces étapes doit être reconstruite explicitement.
La situation est-elle réellement bloquée ?
L’obstacle est-il temporaire ?
La voie opposée est-elle disponible ?
Un véhicule approche-t-il ?
Quelle marge faut-il conserver ?
La trajectoire respecte-t-elle les règles ?
Peut-elle être exécutée sans danger ?
La difficulté de l’autonomie réside largement dans cette multiplication de situations ordinaires que les humains résolvent presque inconsciemment.
Pourquoi l’IA doit être embarquée
Une partie essentielle du calcul doit être réalisée directement dans le véhicule.
Il serait dangereux qu'une automobile doive attendre la réponse d’un serveur distant avant de décider de freiner.
À 90 km/h, quelques centaines de millisecondes représentent déjà plusieurs mètres parcourus.
Les fonctions critiques doivent donc disposer d’une puissance de calcul locale.
C’est une illustration particulièrement claire de l’edge computing : rapprocher le calcul du lieu où la donnée est produite et où la décision doit être appliquée.
Le véhicule possède ainsi ses propres accélérateurs dédiés au traitement de l’intelligence artificielle.
Les images provenant des caméras et les informations des autres capteurs peuvent être analysées en continu sans dépendre d’une connexion permanente.
Cette architecture présente également un autre avantage.
Une automobile doit continuer à fonctionner dans un tunnel, dans une zone sans couverture mobile ou lorsqu’une infrastructure réseau rencontre une panne.
La connectivité peut améliorer le système.
Elle ne doit pas constituer une condition nécessaire à une réaction de sécurité immédiate.
Embarqué ne signifie pourtant pas isolé
Le véhicule autonome reste connecté à une infrastructure beaucoup plus large.
Le cloud peut servir à entraîner les modèles d’intelligence artificielle.
À analyser les données collectées par des flottes.
À préparer des cartes.
À distribuer des mises à jour.
À superviser les véhicules.
À optimiser les opérations d’une flotte de robotaxis.
La frontière est donc relativement claire.
Les décisions immédiates doivent être prises localement.
Les traitements nécessitant davantage de temps ou une vision globale de la flotte peuvent être réalisés à distance.
Un véhicule autonome devient ainsi une architecture informatique distribuée.
Capteurs → calcul embarqué → décision locale → services distants.
Cette répartition ressemble de plus en plus à celle utilisée dans d’autres systèmes d’intelligence artificielle physique.
Le robotaxi constitue aujourd’hui le cas le plus visible
Le service de taxi autonome possède plusieurs caractéristiques favorables.
L’exploitant contrôle sa flotte.
Il choisit les véhicules.
Il peut les équiper de capteurs coûteux.
Il assure leur maintenance.
Et surtout, il peut définir précisément la zone dans laquelle ils fonctionneront.
Cette dernière caractéristique est fondamentale.
Un robotaxi n’a pas nécessairement besoin de savoir conduire partout dans le monde.
Il peut être conçu pour circuler dans une ville donnée dont les routes ont été cartographiées et testées.
Waymo exploite aujourd’hui des services sans conducteur dans plusieurs villes américaines. En 2026, l'entreprise a notamment ouvert ses services à Dallas, Houston, San Antonio et Orlando, portant alors à dix le nombre de zones métropolitaines commerciales annoncées. Waymo
L'entreprise prépare également une implantation à Munich. Le processus commence par de la cartographie et des essais avec des spécialistes humains à bord avant une éventuelle ouverture commerciale prévue pour la fin de 2027. Waymo
Cette progression illustre parfaitement la logique du niveau 4.
Le système n’est pas rendu universel.
Son domaine de fonctionnement est progressivement étendu.
Le véhicule particulier pose un problème différent
Un propriétaire attend de sa voiture qu’elle fonctionne presque partout.
Autoroute.
Centre-ville.
Petite route.
Parking.
Pluie.
Nuit.
Travaux.
Vacances dans une région inconnue.
La diversité des situations devient donc beaucoup plus importante que pour une flotte exploitée dans une zone parfaitement connue.
C’est l’une des raisons pour lesquelles les fonctions d’assistance avancée peuvent progresser rapidement sans conduire immédiatement à une autonomie totale.
Un constructeur peut automatiser progressivement certaines situations :
circulation autoroutière ;
embouteillages ;
stationnement ;
changements de voie ;
maintien de trajectoire.
La responsabilité reste alors partagée ou conservée par le conducteur selon le niveau d’automatisation.
La différence entre assistance à la conduite et conduite automatisée n’est donc pas simplement commerciale. Elle détermine qui doit réellement surveiller l’environnement et intervenir.
La NHTSA distingue explicitement les systèmes de niveau 2, dans lesquels le conducteur doit rester continuellement engagé, des systèmes ADS de niveaux 3 à 5 pouvant prendre en charge l’ensemble de la tâche dynamique dans certaines conditions. NHTSA
Le transport de marchandises constitue un autre terrain naturel
Un camion effectuant régulièrement le même trajet autoroutier rencontre un environnement beaucoup plus prévisible qu’une voiture circulant dans un centre-ville historique.
L’automatisation du fret peut donc être envisagée progressivement.
Trajets entre plateformes logistiques.
Déplacements dans des zones portuaires.
Circulation sur des sites industriels.
Mines.
Entrepôts.
Dans ces environnements, la valeur économique de l’autonomie peut être importante.
Le véhicule peut fonctionner pendant des périodes plus longues.
L’exploitation peut être organisée autour d’une flotte homogène.
L’infrastructure elle-même peut parfois être adaptée aux machines.
La route ouverte à tous n’est donc pas nécessairement le premier endroit où l’autonomie totale est la plus facile à déployer.
Une mine, un port ou une plateforme logistique fermée peut constituer un environnement beaucoup plus simple.
L’autonomie peut aussi répondre à des besoins de mobilité
La technologie ne se limite pas au remplacement d’un conducteur professionnel.
Elle peut modifier l’accès même à la mobilité.
Personnes âgées.
Personnes présentant certains handicaps.
Habitants de zones où les transports collectifs sont rares.
Un véhicule pouvant réellement fonctionner sans conducteur pourrait apporter une nouvelle autonomie à des personnes qui ne peuvent pas conduire elles-mêmes.
Mais cette promesse dépend précisément du niveau réel d’automatisation.
Une assistance nécessitant qu’un conducteur reprenne immédiatement le volant ne répond évidemment pas au même besoin qu’un véhicule capable d’assurer seul tout le trajet.
Le vocabulaire devient ici essentiel.
Une fonction « mains libres » n’est pas nécessairement une fonction « sans conducteur ».
Le problème le plus difficile reste l’exception
Une voiture n’a pas besoin d’être intelligente uniquement lorsque tout va bien.
Elle doit surtout savoir gérer ce qui n’était pas prévu.
Travaux temporaires.
Policier faisant des gestes différents du feu de circulation.
Objet tombé sur la chaussée.
Véhicule en contresens.
Ambulance.
Route partiellement inondée.
Piéton au comportement inhabituel.
Animal.
Marquage effacé.
Capteur masqué.
Ces événements sont parfois appelés edge cases, des situations situées à la périphérie des scénarios habituels.
Ils constituent l’un des grands problèmes de l’autonomie.
Un système peut fonctionner parfaitement pendant des milliers de kilomètres et rencontrer soudainement une situation rare qu’il interprète mal.
L’enjeu n’est donc pas seulement d’augmenter la performance moyenne.
Il faut également réduire la probabilité d’une erreur dans les cas inhabituels.
Une voiture autonome doit aussi savoir qu’elle ne sait pas
Cette propriété est essentielle.
Lorsqu’un système est incertain, continuer comme si son estimation était correcte peut être dangereux.
Il doit pouvoir adopter un comportement conservateur.
Réduire sa vitesse.
Augmenter les distances.
S’arrêter.
Demander une assistance.
Certaines architectures de robotaxis permettent ainsi une supervision distante lorsque le véhicule rencontre une situation ambiguë.
Cela ne signifie pas qu’un opérateur distant conduit nécessairement le véhicule comme une voiture télécommandée.
Il peut fournir une information ou une orientation permettant au système de résoudre la situation.
L’autonomie réelle n’exclut donc pas nécessairement l’existence d’une infrastructure humaine de supervision.
La sécurité ne peut pas être mesurée par une démonstration
Une vidéo spectaculaire ne démontre pas qu’un système autonome est sûr.
Un trajet réussi non plus.
La sécurité doit être évaluée sur des volumes considérables d’utilisation et en tenant compte de la gravité des événements observés.
Les autorités américaines imposent notamment certaines obligations de déclaration des accidents impliquant des systèmes automatisés ou certaines assistances avancées. La NHTSA avertit cependant que ces données doivent être interprétées avec précaution, car les conditions d’utilisation, les flottes et les mécanismes de déclaration peuvent différer. NHTSA
Waymo affirme pour sa part qu’après 127 millions de miles parcourus en conduite entièrement autonome, ses véhicules présentaient une réduction de 90 % des accidents entraînant des blessures graves par rapport à son référentiel de conduite humaine. Cette donnée provient de l’entreprise elle-même et doit donc être distinguée d’une évaluation indépendante, mais elle montre l’échelle à laquelle les acteurs cherchent désormais à mesurer leurs performances. Waymo
Le débat n’est ainsi plus seulement de savoir si une voiture autonome peut circuler.
Il consiste à déterminer si elle peut le faire avec un niveau de risque acceptable et mesurable.
La cybersécurité devient une composante de la sécurité routière
Une automobile autonome est également un système informatique connecté.
Elle reçoit des mises à jour.
Elle utilise plusieurs calculateurs.
Elle communique avec des services distants.
Elle traite des données provenant de nombreux capteurs.
Une vulnérabilité informatique peut donc avoir des conséquences physiques.
La cybersécurité ne consiste plus uniquement à protéger des données personnelles ou un service numérique.
Elle doit empêcher qu’un attaquant puisse perturber la perception, modifier une fonction critique ou prendre le contrôle d’un composant du véhicule.
La séparation des systèmes devient particulièrement importante.
Un problème affectant le système multimédia ne devrait pas pouvoir compromettre le freinage.
Les mises à jour doivent être authentifiées.
Les communications protégées.
Les anomalies détectées.
Les fonctions de sécurité capables de continuer à fonctionner même lorsqu’une partie du système rencontre un problème.
Le véhicule autonome rapproche ainsi encore davantage deux disciplines longtemps traitées séparément : sécurité informatique et sûreté de fonctionnement.
La donnée est également un enjeu
Les véhicules modernes produisent énormément d’informations.
Images.
Positions.
Trajets.
État des composants.
Événements de conduite.
Ces données servent à améliorer les systèmes.
Une situation nouvelle observée par plusieurs véhicules peut être analysée, intégrée à l’entraînement puis prise en compte dans une future version du logiciel.
La flotte devient alors un gigantesque système d’apprentissage distribué.
Mais cette richesse crée aussi des questions.
Quelles données sont conservées ?
Pendant combien de temps ?
Où sont-elles transférées ?
Peuvent-elles identifier des personnes ?
Peuvent-elles révéler les déplacements d’un utilisateur ?
L’autonomie automobile est donc également une question de gouvernance des données.
Le véhicule autonome est en réalité un robot
Cette manière de regarder la technologie permet de mieux comprendre son évolution.
Une automobile autonome possède :
des capteurs pour percevoir ;
une représentation de son environnement ;
des modèles pour interpréter ;
un système de planification ;
des actionneurs pour agir ;
une boucle de contrôle pour vérifier le résultat.
C’est précisément l’architecture d’un robot.
La différence tient essentiellement à l’environnement et aux actionneurs.
Le véhicule autonome constitue ainsi l’un des exemples les plus avancés de l’intelligence artificielle incarnée dans une machine physique.
Il ne produit pas seulement une information.
Il transforme une décision algorithmique en déplacement réel dans un environnement partagé avec des humains.
L’intelligence embarquée pourrait transformer l’automobile au-delà de la conduite
Cette évolution peut également modifier la conception même du véhicule.
Si une part croissante de ses capacités repose sur le logiciel, la voiture devient une plateforme informatique évolutive.
Une mise à jour peut modifier certaines fonctions de conduite.
Un modèle plus performant peut améliorer la perception sans changer les caméras.
De nouvelles capacités peuvent apparaître après la fabrication.
La valeur du véhicule se déplace alors partiellement du matériel vers le logiciel et les modèles qui l’exploitent.
Cette évolution existe déjà dans l’automobile moderne, mais l’autonomie l’amplifie considérablement.
Le système informatique devient progressivement aussi important que le moteur ou le châssis.
L’autonomie totale n’est peut-être pas le bon objectif à court terme
Le débat est souvent présenté comme une course vers le niveau 5.
Pourtant, les usages les plus pertinents pourraient se développer bien avant qu’un véhicule soit capable de circuler seul absolument partout.
Un robotaxi de niveau 4 dans une grande métropole peut constituer un service économiquement viable.
Un camion autonome entre deux plateformes peut être utile.
Une navette circulant dans une zone définie peut répondre à un besoin.
Une machine autonome dans un port ou une mine peut produire de la valeur sans jamais rencontrer une route publique.
L’autonomie pourrait donc progresser par domaines d’usage, plutôt que par apparition soudaine d’une automobile universellement autonome.
C’est déjà largement ce que l’on observe.
Waymo étend ses services ville après ville et commence les nouvelles implantations par une phase de cartographie et de validation avant de supprimer progressivement le conducteur de sécurité. Waymo
Le changement essentiel est peut-être ailleurs
Pendant longtemps, une voiture était essentiellement une machine commandée par un humain.
L’électronique assistait le conducteur.
ABS.
Contrôle de stabilité.
Régulateur de vitesse.
Aide au stationnement.
Puis les systèmes ont commencé à percevoir l’environnement.
À reconnaître.
À anticiper.
À décider.
La frontière entre automobile et robot devient progressivement moins nette.
L’enjeu ne consiste donc pas seulement à savoir à quelle date toutes les voitures se conduiront seules.
Il consiste à observer combien de décisions auparavant prises par un conducteur sont progressivement transférées à une intelligence embarquée.
Dans certains véhicules, ce transfert reste limité et l’humain demeure intégralement responsable.
Dans certains robotaxis, il est déjà suffisamment important pour qu’aucun conducteur ne soit présent.
Entre les deux s’étend probablement une longue période de coexistence.
Assistance.
Automatisation partielle.
Autonomie limitée à certaines situations.
Autonomie complète dans certaines zones.
Le véhicule autonome ne devrait donc pas être considéré comme une technologie qui apparaîtra soudainement lorsque toutes les difficultés auront été résolues.
Il est déjà en train de se déployer, fonction par fonction, environnement par environnement et usage par usage.
Et derrière cette évolution se trouve moins une automobile capable de « penser » qu’une architecture complexe associant capteurs, intelligence artificielle embarquée, puissance de calcul, cartographie, communications, logiciels de sécurité et supervision.
La voiture autonome est ainsi l’un des laboratoires les plus concrets d’une mutation beaucoup plus générale : celle d’une intelligence artificielle qui ne se contente plus d’analyser le monde, mais commence à y agir.
Commentaires 0
Aucun commentaire pour le moment.