Poussé par l’IA, l’avènement de la mobilité autonome s’est accéléré ces dernières années. Elle possède des atouts qui dépassent le bitume.
Au début des années 2010, une des premières expériences de véhicule autonome sur le domaine public a lieu... Une navette sans chauffeur parcourt quelques centaines de mètres d’un circuit préétabli autour du Rolex Learning Center, chaperonnée par un ou une étudiante, à une vitesse bridée de quelques kilomètres/heure.
Quinze ans plus tard, de la Chine à Abou Dhabi, les robots-taxis sont légion dans les villes ; ceux de Waymo empruntent des autoroutes en Californie et en Arizona; Elon Musk affirme que ses robots-taxis Tesla seront présents dans 25 à 50% des États-Unis d’ici la fin de l’année, sous réserve de l’approbation réglementaire; la filiale d’Alphabet se prépare à conquérir l’Europe en déployant ses véhicules sans chauffeur Waymo à Londres. Le Vieux-Continent, y compris la Suisse, a approuvé sous conditions l’autonomie de niveau 3, qui permet de lâcher le volant. En d’autres termes, les véhicules autonomes sont à nos portes quand ils ne sont pas déjà là.
Pour autant, bien malin qui pourra dire quand la voiture sans chauffeur relèvera de l’ordinaire. «Installer une flotte de robots-taxis dans une nouvelle ville demande de collecter beaucoup de données pour entraîner et valider le système», précise Alexandre Alahi, professeur au Laboratoire d’intelligence visuelle dans les transports (VITA) de l’EPFL. Et de détailler: «Chaque ville possède une identité propre: son aspect visuel, ses rues, sa signalétique au sol ou dans la rue, son mode de conduite, le comportement des autres usagers, deux-roues ou piétons, tant dans sa forme statique que dynamique.» La recherche s’attache donc à élaborer des modèles capables de fonctionner pour toutes les villes, des environnements complexes, et d’y gérer des situations imprévues ou critiques.
L’IA pour de la simulation prédictive
«Nous créons ce que l’on appelle des world models qui sont capables, à partir d’une situation réelle donnée, de générer des images vidéo qui prédisent ce qui va se passer ensuite, explique Alexandre Alahi. Grâce à l’IA générative, on peut ainsi simuler des situations critiques (qui ne se sont jamais produites ou qui sont imprévisibles), pour lesquelles on n’a pas ou peu de données réelles, et générer des situations extrêmement réalistes. On peut ensuite tester l’algorithme sur ces simulations, le former sur ces environnements virtuels et améliorer le système de conduite autonome.»
Utiliser des véhicules autonomes comme des taxis contribuera à réduire la conduite privée et potentiellement le trafic urbain.
Kenan Zhang, professeure au Laboratoire pour les écosystèmes de mobilité orientés vers l’humain
Contrairement aux grands modèles de langage (LLM), qui ne disposent pas de capacités de simulation directe ni de prédiction pour les environnements physiques, les «modèles du monde» apprennent des représentations à partir de données sensorielles et prévoient des dynamiques telles que le mouvement, la force et les relations spatiales. Par exemple, lorsqu’un véhicule rencontre une anomalie potentielle devant lui, le modèle du monde génère en continu plusieurs possibilités pour l’instant suivant: freiner, changer de voie ou prendre d’autres mesures préventives.
Dans son laboratoire, Alexandre Alahi s’attache aussi à doter la machine de notre intelligence sociale. «Si un jeune de 18 ans peut apprendre à conduire en une vingtaine d’heures, c’est parce qu’il a une certaine compréhension du monde. Celle-ci est en quelque sorte mise à jour pour la conduite, explique le professeur. Une IA ne peut pas aujourd’hui apprendre à conduire dans toutes les villes en 20 heures. Même si elle sera meilleure que l’humain parce qu’elle a une vision à 360 degrés, des réflexes plus rapides, ou ne regardera jamais son smartphone. Notre objectif est donc de développer l’intelligence individuelle de la machine afin de simuler l’humain. Le défi est de la rendre fiable dans toutes les situations, y compris dans les cas très improbables.»
Vers un système autonome
Aujourd’hui, la conduite autonome a encore des ratés - qui font souvent les gros titres et le jeu de la concurrence. Mais le chercheur en est convaincu, c’est une solution d’avenir. «Les voitures autonomes peuvent créer un monde quasi sans accident. Je ne considère pas seulement les cas graves, mais aussi une petite collision apte à bloquer le trafic durant des heures. Cela a un impact écologique et social énorme en termes d’heures perdues, de retards, qui déclenche toute une chaîne de causalités. En outre, la machine dispose d’une quantité d’informations que nous n’avons pas et ne sommes pas capables de gérer qui lui permettent de prendre des décisions optimales, par exemple en termes de consommation d’énergie.»
De son côté, Kenan Zhang, professeure au Laboratoire pour les écosystèmes de mobilité orientés vers l’humain de l’EPFL, envisage au niveau macro l’intégration des véhicules autonomes dans les systèmes de transport. «Utiliser des véhicules autonomes comme des taxis contribuera à diminuer la conduite privée et potentiellement réduire le trafic urbain, estime-t-elle. Mais nous avons besoin d’un système très efficace qui garantisse que ces robots-taxis soient aussi flexibles que les véhicules privés afin que les gens soient prêts à les adopter.» Elle estime également que les véhicules autonomes créent une nouvelle forme de mobilité partagée: «Au lieu de posséder une voiture et de la laisser garée la plupart du temps, vous pouvez la louer à d’autres voyageurs lorsque vous n’en avez pas besoin.» Combien d’années encore pour y parvenir ?
RéférencesCet article a été publié dans l’édition de mars 2026 du magazine Dimensions, qui met en avant l’excellence de l’EPFL par le biais de dossiers approfondis, d’interviews, de portraits et d’actualités. Le magazine est distribué gratuitement sur les campus de l’EPFL.
