Comment fonctionne vraiment une voiture autonome (et pourquoi ce n'est pas que de l'IA)

En bref : Une voiture autonome ne « pense » pas la route comme un cerveau unique. Elle repose d'abord sur de l'ingénierie : des capteurs lidar qui mesurent les distances, des cartes au centimètre préparées à l'avance, et un logiciel qui découpe la conduite en étapes. L'intelligence artificielle y joue un rôle réel, mais comme un composant, pas comme le pilote.

Une Waymo qui se faufile seule dans le trafic de San Francisco, sans personne au volant, ça ressemble à de la magie. On se dit qu'une intelligence artificielle a « appris à conduire », comme un humain qui passe son permis. C'est l'image qui colle à la voiture autonome aujourd'hui. Elle est trompeuse.

La voiture autonome n'a rien d'un ChatGPT au volant

Depuis deux ans, « IA » évoque surtout ChatGPT : on lui donne des données en masse, il se débrouille. Beaucoup transposent cette image à la voiture, et imaginent un cerveau unique, gavé de millions d'heures de vidéo, qui aurait deviné les règles de la route tout seul.

Le leader du secteur ne fonctionne pas comme ça. Une Waymo, c'est une machine patiemment assemblée, où chaque brique est construite, testée et mesurée. L'IA est dedans. Elle n'en est pas le centre. Comprendre ça évite d'acheter du rêve, sur la route comme au bureau.

Sous le capot d'une Waymo : du lidar, des cartes, des règles

Trois piliers font rouler la voiture, et aucun des trois ne s'appelle « IA ».

Le lidar, d'abord. Un radar laser qui balaie l'environnement et mesure les distances au centimètre, des centaines de milliers de fois par seconde. Là où une caméra voit une image plate, le lidar dessine un nuage de points en relief. La dernière Waymo embarque treize caméras, quatre lidars et six radars. Si un capteur doute, un autre confirme.

Les cartes, ensuite. Avant d'ouvrir une ville au public, Waymo la cartographie au centimètre : feux, bordures, voies, passages piétons, tout est enregistré à l'avance. En roulant, la voiture compare ce que voient ses capteurs à ce plan mémorisé. D'où une limite assumée : elle ne circule que dans ces zones déjà relevées, pas n'importe où un dimanche pluvieux.

Le logiciel, enfin. La conduite est découpée en étapes qui s'enchaînent : percevoir ce qui entoure la voiture, prédire où vont les piétons et les vélos, planifier la trajectoire, commander le volant et les freins. Des modules distincts, qu'on inspecte un par un quand quelque chose cloche. Le résultat : 100 millions de miles sans chauffeur à l'été 2025, près du double, dans plus de dix villes, début 2026.

« L'IA n'apprend pas à conduire toute seule. Elle est un composant dans une machine que des ingénieurs ont construite, capteur par capteur. »

Alors, où est l'IA là-dedans ?

Elle est bien là, mais à des postes précis. Le mot « IA » désigne ici l'apprentissage automatique : des modèles entraînés sur des exemples plutôt que programmés à la main.

Chez Waymo, l'apprentissage fait le gros de la perception : reconnaître un piéton d'un panneau, lire un feu, fusionner le nuage de points du lidar avec les pixels des caméras en une scène 3D cohérente. Il sert aussi à la prédiction, pour anticiper le cycliste qui va déboîter. Sur ces tâches, l'IA dépasse de loin le code écrit à la main.

Et le pari du « tout-IA », un seul modèle qui regarde et conduit de bout en bout ? Waymo l'explore, mais en laboratoire. Son modèle de recherche EMMA, propulsé par Gemini, produit une trajectoire directement à partir des capteurs. Le détail qui change tout : il reste de la recherche, n'exploite ni lidar ni radar, et coûte cher en calcul. Même chez le pionnier, l'IA de bout en bout n'est pas ce qui vous transporte.

Tesla a fait le pari inverse. Pas de lidar, pas de carte préparée. Huit caméras et un réseau de neurones de bout en bout, entraîné sur des millions de vidéos de sa flotte de clients. Depuis la version 12 de son logiciel, ce réseau a remplacé des centaines de milliers de lignes de règles écrites à la main. C'est l'approche la plus proche de l'image populaire, une IA qui apprend à conduire en regardant. C'est aussi la plus dure à prouver sans filet.

Waymo contre Tesla : deux paris opposés

D'un côté, le maximum d'ingénierie. Waymo empile capteurs, cartes et zones balisées pour viser la fiabilité avant l'échelle, puis ouvre ville par ville. De l'autre, le minimum de matériel. Tesla mise sur la caméra et le réseau de neurones, avec l'ambition d'aller partout sans rien cartographier.

Pour l'instant, l'ingénierie patiente mène. La conduite vraiment sans chauffeur de Tesla reste cantonnée à une seule ville, avec un opérateur de sécurité à bord, quand Waymo transporte déjà des passagers payants à grande échelle. Et presque tous les autres acteurs sérieux, de Zoox à Mobileye, ont convergé vers le multi-capteurs avec lidar.

Deux paris, point par point :

• Capteurs — Waymo : lidars, radars et caméras. Tesla : caméras seules, pas de lidar.
• Cartes haute définition — Waymo : oui, ville cartographiée à l'avance. Tesla : non, la voiture lit la route en direct.
• Rôle de l'IA — Waymo : perception et prédiction, dans une pile modulaire. Tesla : un réseau de neurones de bout en bout.
• Sans chauffeur, aujourd'hui — Waymo : dix villes et plus, à grande échelle. Tesla : une ville, flotte réduite.

Ce que ça change concrètement pour vous

Vous n'allez pas construire de robotaxi. Mais le malentendu sur la voiture autonome est exactement celui qu'on croise quand une entreprise décide de « se mettre à l'IA ». On rêve d'un cerveau magique à qui on confie le problème et qui se débrouille seul. Ce rêve déçoit presque toujours.

La version qui marche ressemble à une Waymo. L'IA y est un composant, branché sur un processus précis, nourri de données propres, encadré de règles et de garde-fous, puis testé avant d'être lâché. Le « lidar et les cartes » de votre entreprise, ce sont vos données bien rangées, vos règles métier explicites, votre validation. Moins spectaculaire que le grand modèle, et bien plus déterminant.

C'est notre conviction de terrain : on commence par une tâche concrète, pas par « l'IA » en général. La relecture d'un type de contrat, le tri d'une boîte mail, l'extraction d'une facture. On l'outille proprement, on mesure, on étend. L'autonomie d'une Waymo s'est gagnée en amont, dans le travail invisible. La valeur de l'IA en entreprise aussi.

Trois idées reçues sur l'IA au volant (et au bureau)

Questions fréquentes

Les voitures autonomes utilisent-elles vraiment de l'intelligence artificielle ?

Oui, mais de façon ciblée. L'apprentissage automatique excelle à reconnaître et à anticiper ce qui entoure la voiture. La conduite complète, elle, repose sur un ensemble plus large : capteurs lidar, cartes haute définition, logiciel et règles. L'IA est un composant essentiel, pas le système entier.

Pourquoi Tesla refuse-t-il le lidar alors que Waymo l'utilise ?

Ce sont deux paris opposés. Tesla mise sur la vision seule, caméras et IA, pour imiter la façon dont un humain conduit et pouvoir rouler partout. Waymo ajoute lidar et radar pour mesurer les distances directement et créer de la redondance. Sans chauffeur et à grande échelle, c'est aujourd'hui l'approche multi-capteurs qui domine.

Reste une question à se poser avant de signer pour « de l'IA ». Ce qu'on vous vend, est-ce un cerveau magique qui réglera tout d'un coup, ou une mécanique que quelqu'un a vraiment construite, capteur par capteur, donnée par donnée ?