Autonomous Vehicles

Les véhicules autonomes (AVs), souvent appelés véhicules autonomes, utilisent des capteurs et l’intelligence artificielle (AI) pour percevoir leur environnement, prévoir le comportement des autres usagers de la route, planifier un itinéraire et diriger, accélérer et freiner sans conducteur humain. Le terme recouvre toute une gamme de véhicules, des voitures qui maintiennent leur voie sur l’autoroute sous la supervision d’une personne aux robotaxis sans personne au volant. Le service sans conducteur est désormais commercialisé : Waymo, qui a lancé en 2020 à Phoenix des trajets entièrement sans conducteur accessibles au public, transporte des passagers payants dans au moins dix agglomérations américaines, et Apollo Go de Baidu exploite des robotaxis sans conducteur dans des villes chinoises comme Wuhan. La plupart des voitures grand public proposent une aide à la conduite qui exige une surveillance humaine constante, la forme d’IA dans l’automobile la plus répandue à ce jour.

Fonctionnement des véhicules autonomes#

Un système de conduite autonome répète la même chaîne de traitement plusieurs fois par seconde :

• Détection : les caméras lisent les marquages au sol, les panneaux et les feux de circulation ; le lidar mesure précisément les distances en 3D à l’aide d’impulsions laser ; le radar mesure la distance et la vitesse et continue de fonctionner dans le brouillard et sous la pluie ; le GNSS, les capteurs inertiels et l’odométrie des roues suivent les mouvements du véhicule.
• Perception : les réseaux neuronaux détectent, classent et suivent chaque voiture, cycliste et piéton, repèrent les voies et les zones praticables et estiment les distances.
• Prédiction : le système prévoit où chaque usager de la route est susceptible d’aller au cours des prochaines secondes, souvent en produisant plusieurs trajectoires possibles assorties de probabilités.
• Planification : un planificateur choisit un itinéraire et une vitesse qui permettent d’avancer, respectent le code de la route et maintiennent une marge de sécurité par rapport à chaque trajectoire prédite.
• Commande : un contrôleur de bas niveau convertit le plan en commandes de direction, d’accélération et de freinage.

Aucun capteur ne fonctionne dans toutes les conditions ; la fusion de capteurs les combine donc. La perception repose sur la détection d’objets, la segmentation sémantique de la chaussée, des trottoirs et de la végétation, la détection d’objets 3D dans les nuages de points lidar et le suivi multi-objets, tandis que les systèmes fondés uniquement sur des caméras estiment la distance grâce à l’estimation de profondeur et à la vision stéréoscopique. Les contrôleurs de suivi de trajectoire utilisent souvent la commande prédictive par modèle pour suivre la trajectoire planifiée en respectant les limites de braquage et d’accélération. Des jeux de données publics comme KITTI et Argoverse fournissent des données de conduite annotées pour entraîner et évaluer ces modèles.

Suivi des usagers de la route dans le code#

La prédiction a besoin de connaître les mouvements de chaque usager de la route ; la perception doit donc suivre chaque objet d’une image à l’autre en conservant une identité stable. Ultralytics YOLO26 en mode tracking s’en charge en attribuant un ID persistant à chaque boîte détectée. Cet exemple suit les piétons dans une vidéo de personnes en train de marcher :

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# Track pedestrians (COCO class 0) across video frames, keeping one ID per person
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"
results = model.track(source=video, classes=[0], stream=True)

ids_seen = set()
for result in results:
    if result.boxes.is_track:
        ids_seen.update(result.boxes.id.int().tolist())

print(f"Unique pedestrians tracked: {len(ids_seen)}")

Le programme affiche le nombre de personnes distinctes auxquelles un ID a été attribué pendant la séquence. Chaque ID relie les boîtes d’une même personne d’une image à l’autre ; le déplacement de la boîte d’une image à l’autre constitue l’historique du mouvement que le module de prédiction extrapole.

Conduite modulaire et de bout en bout#

Les logiciels traditionnels de véhicules autonomes sont modulaires : des composants distincts, testés séparément, gèrent la perception, la prédiction, la planification et la commande, et communiquent au moyen d’interfaces conçues manuellement, telles que des listes d’objets suivis. Les systèmes de bout en bout remplacent la majeure partie de cette chaîne par un seul réseau neuronal qui convertit les données des capteurs en trajectoire et qui est entraîné par imitation du comportement sur de grandes quantités de données de conduite humaine. En 2024, Tesla a fait passer son logiciel d’aide à la conduite FSD (Supervised) à un réseau de bout en bout avec la version 12 ; le modèle de recherche UniAD, qui relie perception, prédiction et planification dans un réseau optimisé pour la planification, a remporté le prix du meilleur article de CVPR 2023. De nombreuses chaînes de production se situent entre les deux approches : leurs modules appris sont entraînés conjointement, mais fournissent toujours des résultats interprétables que les ingénieurs peuvent tester.

La simulation prend en charge une grande partie de la validation, car les événements rares ne peuvent pas être collectés à la demande. Un modèle du monde entraîné sur des données de flotte, comme le Waymo World Model annoncé en février 2026, génère des données réalistes de caméra et de lidar pour des scénarios que la flotte n’a jamais enregistrés ; l’apprentissage par renforcement en simulation aide les planificateurs à gérer des situations rarement couvertes par les données de conduite humaine.

Niveaux d’automatisation de la conduite#

La norme SAE J3016, révisée avec l’ISO en 2021, définit six niveaux d’automatisation de la conduite. Les niveaux 0 à 2 correspondent à des fonctions d’aide à la conduite : l’humain conduit, même si ses pieds ne touchent pas les pédales et ses mains ne tiennent pas le volant, et doit rester vigilant en permanence. Les niveaux 3 à 5 correspondent à des systèmes de conduite automatisée qui conduisent eux-mêmes, au moins dans leur domaine de conception opérationnelle, c’est-à-dire les routes, les vitesses et les conditions pour lesquelles ils sont conçus :

Les systèmes mains libres sur autoroute, comme Super Cruise de GM, sont de niveau 2, car le conducteur doit continuer à surveiller la route. Drive Pilot de Mercedes-Benz est un système de niveau 3 homologué sur certaines autoroutes en Allemagne, en Californie et au Nevada ; le conducteur peut détourner le regard, mais doit reprendre la conduite lorsqu’il y est invité. Les robotaxis de Waymo sont de niveau 4 : ils roulent sans conducteur dans des zones de service cartographiées. Aucun véhicule de niveau 5, capable de conduire partout où un humain pourrait le faire, n’existe aujourd’hui.

Applications concrètes#

• Robotaxis : Waymo, Baidu Apollo Go et d’autres transportent des passagers sans conducteur de sécurité à bord, dans des zones de service définies, avec l’appui à distance d’employés qui peuvent répondre aux questions du véhicule.
• Transport routier : Aurora a commencé à transporter les marchandises de ses clients avec des camions sans conducteur entre Dallas et Houston en 2025, sur des itinéraires autoroutiers où la conduite prévisible sur de longues distances se prête à l’automatisation.
• Aide à la conduite : le régulateur de vitesse adaptatif, le centrage dans la voie et le freinage d’urgence automatique utilisent des modèles de perception similaires dans des millions de voitures grand public, souvent associés à des caméras de surveillance du conducteur qui vérifient son attention.
• Véhicules industriels : les camions autonomes des mines, les tracteurs de cour et les chariots élévateurs d’entrepôt fonctionnent sur des sites privés où les itinéraires et la circulation sont contrôlés.

Véhicules autonomes et termes associés#

• Systèmes avancés d’aide à la conduite (ADAS) : fonctions de niveau 0 à 2 qui aident un conducteur humain, lequel reste responsable de la conduite. Au sens strict, un véhicule autonome effectue lui-même l’ensemble de la tâche de conduite.
• Véhicules connectés (V2X) : véhicules qui échangent des données entre eux et avec les infrastructures, comme les feux de circulation. Une voiture peut être connectée sans être automatisée, et la connectivité peut étendre le champ de vision d’un véhicule autonome au-delà de ses propres capteurs.
• Assistance à distance et conduite à distance : la révision de 2021 de SAE distingue ces deux notions. Un assistant à distance conseille un véhicule sans conducteur, par exemple en confirmant qu’il peut dépasser un camion en panne, tandis que le véhicule continue de se conduire lui-même ; un conducteur à distance commande directement le véhicule depuis un autre lieu.
• IA physique et robotique : un véhicule autonome est un robot mobile spécialisé pour les routes publiques, le plus grand déploiement commercial de l’IA physique ; ses méthodes de perception et de planification sont également utilisées par les robots d’entrepôt, les drones et les humanoïdes.