IA embarquée dans les voitures : conduite assistée et copilote de bord

L'intelligence artificielle embarquée dans les voitures a franchi un seuil qualitatif en 2024. Des puces capables de mille billions d'opérations par seconde, des assistants vocaux propulsés par des modèles de langage, des voitures qui conduisent seules sur autoroute : ce qui relevait de la recherche il y a dix ans équipe aujourd'hui des véhicules de série. Tour d'horizon des technologies, des acteurs et des chiffres concrets.

Les six niveaux d'automatisation : la norme SAE J3016

Pour parler précisément de conduite assistée et de voitures autonomes, il faut un vocabulaire commun. C'est le rôle de la norme SAE J3016, publiée par la Society of Automotive Engineers et reconnue internationalement (référencée également sous le code ISO/SAE PAS 22736:2021). Cette taxonomie définit six niveaux d'automatisation de la conduite, du niveau 0 au niveau 5, en se basant sur le rôle joué par trois acteurs : le conducteur humain, le système d'automatisation (ADS) et les autres systèmes du véhicule.

La distinction la plus importante concerne le transfert de responsabilité. Aux niveaux 0 à 2, le conducteur reste pleinement responsable de la conduite — il doit surveyer la route en permanence. À partir du niveau 3, la voiture peut temporairement prendre en charge toute la tâche de conduite dans des conditions définies (vitesse, type de route, météo), et le conducteur peut détourner son attention. Mais il doit rester capable de reprendre le volant si le système le lui demande.

Les six niveaux en détail

• Niveau 0 — Pas d'automatisation : le conducteur réalise 100 % de la conduite. Le freinage d'urgence automatique (AEB) entre dans cette catégorie car il s'agit d'une intervention momentanée, pas d'une automatisation soutenue.
• Niveau 1 — Assistance au conducteur : un seul aspect de la conduite est automatisé à la fois. Le régulateur de vitesse adaptatif (qui gère l'accélération et le freinage) ou l'aide au maintien de voie (qui gère le directionnel), mais pas les deux simultanément.
• Niveau 2 — Automatisation partielle : le système gère simultanément le longitudinal et le latéral, mais le conducteur doit garder les yeux sur la route en permanence. C'est le niveau de Tesla Autopilot, de GM Super Cruise ou de Nissan ProPILOT.
• Niveau 3 — Automatisation conditionnelle : dans un domaine opérationnel défini (autoroute, vitesse limitée), la voiture conduit seule. Le conducteur peut retirer ses yeux de la route mais doit rester disponible pour reprendre le contrôle. Mercedes-Benz Drive Pilot est le premier système de niveau 3 certifié.
• Niveau 4 — Haute automatisation : la voiture gère toute la conduite et les situations de repli dans son domaine opérationnel. Le conducteur n'a pas besoin d'intervenir. Les robotaxis Waymo opèrent à ce niveau dans des zones géographiques délimitées.
• Niveau 5 — Automatisation complète : conduite entièrement autonome, partout, dans toutes les conditions. Aucun véhicule de niveau 5 n'est disponible sur le marché à la date de rédaction de cet article.

« Les niveaux d'automatisation de la conduite sont définis par référence au rôle spécifique joué par chacun des trois acteurs principaux dans l'exécution de la tâche de conduite dynamique (DDT) et/ou du repli (fallback). » — SAE J3016, Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles, révision 2021.

Une précision importante soulevée par la norme : un véhicule peut être équipé de plusieurs systèmes fonctionnant à des niveaux différents. Le niveau affiché à un instant donné dépend de la fonctionnalité activée, pas du véhicule dans son ensemble. Une voiture peut ainsi rouler en niveau 2 sur autoroute et revenir en niveau 1 en ville.

Architecture matérielle : des supercalculateurs sur roues

L'IA embarquée automobile requiert une puissance de calcul considérable, traitée en temps réel à bord du véhicule. Contrairement à un modèle de langage qui s'exécute dans un data center, les algorithmes de conduite assistée doivent analyser les flux vidéo de plusieurs caméras, fusionner les données radar et lidar, et prendre des décisions en moins de 100 millisecondes. Cette contrainte a donné naissance à une nouvelle catégorie de puces : les SoC automobiles (System-on-Chip), conçus pour supporter les contraintes thermiques et de fiabilité du monde automobile (cycles de température de -40 °C à +85 °C, durée de vie de 15 ans).

NVIDIA DRIVE AGX Thor : la référence haute performance

NVIDIA, déjà leader incontesté des GPU pour l'IA, a conçu la plateforme DRIVE AGX Thor spécifiquement pour l'automobile. Basée sur l'architecture Blackwell, cette puce délivre jusqu'à 1 000 INT8 TOPS (trillions d'opérations par seconde en entier 8 bits) ou 2 000 FP4 FLOPs en virgule flottante. Elle intègre un CPU ARM Neoverse V3AE et un GPU de classe Blackwell sur le même SoC.

La plateforme de référence DRIVE Hyperion 9, annoncée par NVIDIA, illustre l'ampleur du système embarqué : 14 caméras haute définition, 9 radars, 3 lidars et 20 capteurs ultrasonores, le tout traité en temps réel par deux ordinateurs DRIVE AGX Thor redondants. Cette architecture couvre à la fois la perception environnementale, la planification de trajectoire et le contrôle du véhicule, ainsi que la surveillance de l'habitacle (caméras intérieures pour vérifier l'attention du conducteur).

NVIDIA ne fabrique pas de voitures : la entreprise fournit sa plateforme à plusieurs constructeurs et équipementiers. Volvo, Polestar, Xiaomi, Lotus ou encore NIO ont annoncé intégrer la technologie NVIDIA DRIVE dans leurs véhicules de prochaine génération. L'approche platform de NVIDIA permet aux constructeurs de se concentrer sur l'expérience utilisateur et les fonctions spécifiques, tout en s'appuyant sur une base matérielle et logicielle éprouvée.

Qualcomm Snapdragon Ride Flex : le cockpit unifié

Qualcomm, géant des puces mobiles, s'est positionné sur le créneau de la convergence entre ADAS et cockpit numérique. Le Snapdragon Ride Flex SoC, gravé en 4 nanomètres, est conçu pour exécuter simultanément des charges de travail de criticité mixte : fonctions d'aide à la conduite, cockpit numérique (tableau de bord, infodivertissement) et surveillance du conducteur sur la même puce.

General Motors utilise la plateforme Snapdragon Ride pour ses systèmes Super Cruise et Ultra Cruise. L'architecture « Safety Island » séparée physiquement sur le SoC garantit que les fonctions critiques de sécurité restent isolées des fonctions d'infodivertissement, une exigence fondamentale des normes automobiles fonctionnelles (ISO 26262).

Mobileye EyeQ6 : le volume mondial

Mobileye, filiale d'Intel, domine le marché de l'ADAS de masse. Depuis sa création en 1999, l'entreprise a équipé environ 170 millions de véhicules dans le monde avec ses puces EyeQ (à fin 2023, selon les données de Mobileye — ce chiffre continue de croître depuis). En avril 2024, Mobileye a lancé la production de l'EyeQ6 Lite, avec 46 millions d'unités déjà commandées par les constructeurs.

L'EyeQ6 Lite offre une puissance de calcul 4,5 fois supérieure à la génération précédente (EyeQ4M), gravée en 7 nanomètres chez TSMC. Elle intègre deux cœurs CPU et cinq accélérateurs dédiés à l'IA, le tout dans un encombrement réduit de moitié. La puce gère des caméras 8 mégapixels avec un champ de vision latéral de 120 degrés, capables de détecter des conditions de chaussée (sèche, mouillée, enneigée) et d'ajuster les distances de freinage d'urgence.

« Les 46 millions représentent la quantité d'EyeQ6 Lite que nous avons remportée à ce jour. Ce chiffre va croître et sera déployé au cours des prochaines années. » — Nimrod Nehushtan, Vice-président exécutif, Mobileye (Reuters, 17 avril 2024).

La version supérieure, l'EyeQ6 High, est attendue en production début 2025. Elle propulsera les systèmes Mobileye SuperVision (mains libres, yeux sur la route), Mobileye Chauffeur (mains libres, yeux fermés) et Mobileye Drive (conduite autonome niveau 4).

Perception multi-sensorielle : comment la voiture « voit »

La perception est le pilier de toute IA embarquée automobile. Une voiture doit comprendre son environnement en temps réel : identifier les véhicules, piétons, cyclistes, panneaux, marquages au sol, obstacles et conditions météorologiques. Trois familles de capteurs coexistent, chacune avec ses forces et ses faiblesses.

Les trois piliers de la perception

• Caméras (vision) : elles captent la couleur, la texture et les détails fins — indispensables pour lire les panneaux, distinguer un feu rouge d'un feu vert, identifier un piéton. Leur faiblesse : la dépendance à l'éclairage. Pluie, brouillard, nuit, soleil bas ou contre-jour dégradent significativement leurs performances.
• Radar (onde radio) : il mesure la distance et la vitesse relative des objets avec précision, quelles que soient les conditions météorologiques. Les radars à ondes millimétriques (77-79 GHz) sont devenus standard pour le régulateur adaptatif et le freinage d'urgence. Limitation : résolution angulaire faible, incapable d'identifier la nature d'un objet.
• Lidar (lumière laser) : il génère un nuage de points 3D à haute résolution, mesurant la distance avec une précision centimétrique. Le lidar excelle pour détecter les petits obstacles et cartographier la géométrie de l'environnement. Son coût a longtemps été prohibitif, mais les prix chutent : certains modèles automotive-grade descendent désormais sous les 500 dollars.

La plupart des constructeurs — à l'exception notable de Tesla — adoptent une approche de fusion sensorielle multi-modale. Le principe : combiner les forces de chaque capteur pour compenser leurs faiblesses respectives. Une caméra identifie qu'un objet est un piéton, le radar confirme sa distance et sa vitesse, et le lidar précise sa silhouette 3D. Les algorithmes d'IA effectuent cette fusion en temps réel, produisant un modèle cohérent de l'environnement appelé « représentation de l'environnement » (environmental model).

Cette fusion sensorielle repose sur des architectures de réseaux de neurones spécialisées. Les approches dites « late fusion » traitent séparément les données de chaque capteur puis combinent les résultats, tandis que les approches « early fusion » fusionnent les données brutes dès l'entrée du réseau. La recherche académique et industrielle converge vers des architectures de fusion hybride qui adaptent dynamiquement la stratégie selon le contexte (autoroute, ville, nuit, pluie).

Tesla et l'approche vision pure : un pari radical

Tesla fait figure d'exception dans le paysage automobile. L'entreprise a fait le choix d'une approche « vision pure » (camera-only) : ses véhicules sont équipés de huit caméras couvrant 360 degrés, mais sans lidar ni radar (radar avant abandonné en 2021, puis capteurs à ultrasons retirés à partir de 2022). La direction de Tesla estime que si le système de vision par caméra, propulsé par l'IA, atteint une précision suffisante, les autres capteurs deviennent redondants.

Le système Full Self-Driving (FSD) de Tesla a évolué vers une architecture de réseaux de neurones « de bout en bout » (end-to-end). Au lieu d'avoir des modules séparés pour la perception, la prédiction et la planification, les nouvelles versions du FSD (à partir de FSD v12) utilisent des réseaux de neurones entraînés pour produire directement des commandes de direction et d'accélération à partir des flux vidéo.

Pour entraîner ces réseaux, Tesla dispose d'un avantage considérable : sa flotte. Plus de 5 millions de véhicules Tesla circulaient déjà dans le monde en 2024 (plus de 9 millions mi-2026, selon les chiffres cumulés de livraisons Tesla), collectant en permanence des données de conduite. Les cas « difficiles » (situations où le conducteur intervient, ou où le système se trompe) sont automatiquement remontés et utilisés pour améliorer le modèle. Cette boucle d'apprentissage continue constitue un avantage compétitif majeur.

Dojo : le supercalculateur sur mesure de Tesla

Pour traiter cette masse de données, Tesla a conçu Dojo, un supercalculateur dédié à l'entraînement des réseaux de neurones de son système FSD. Basé sur la puce D1, conçue en interne et optimisée pour les calculs d'IA, Dojo vise à accélérer le cycle d'entraînement en traitant les données vidéo de la flotte Tesla de manière massive et parallèle. La puce D1 regroupe 50 milliards de transistors et est fabriquée en 7 nanomètres par TSMC. Tesla a annoncé que Dojo était entré en production, marquant l'ambition de l'entreprise de contrôler l'ensemble de la chaîne, de la collecte de données à l'entraînement du modèle.

L'approche vision pure de Tesla est audacieuse : elle simplifie le matériel (moins de capteurs, coût réduit) mais demande une sophistication logicielle extrême pour compenser l'absence du radar et du lidar. Le débat entre vision pure et fusion multi-sensorielle reste l'un des sujets les plus vifs de l'industrie automobile. Les résultats réels des deux approches continuent d'alimenter la discussion.

Mercedes-Benz Drive Pilot : pionnier du niveau 3

Mercedes-Benz a marqué l'histoire de l'automobile en devenant le premier constructeur au monde à obtenir une certification SAE niveau 3 pour son système Drive Pilot. Le système a été homologué dans le Nevada en janvier 2023, puis en Californie en juin 2023, faisant des États-Unis le premier marché où Drive Pilot est légalement disponible.

En Allemagne, pays d'origine de Mercedes, Drive Pilot a obtenu son homologation fin 2021 (premiers clients dès 2022), et sa vitesse d'utilisation a été portée à 95 km/h fin 2024 (contre 60 km/h initialement), ce qui en fait le système de niveau 3 le plus rapide certifié dans un véhicule de série. Le système fonctionne sur autoroute et dans les embouteillages : le conducteur peut littéralement retirer ses mains du volant et ses yeux de la route, à condition de rester capable de reprendre le contrôle.

Drive Pilot illustre une différence philosophique majeure avec Tesla. Mercedes a opté pour une approche prudente et progressive : un domaine opérationnel très restreint (autoroute, vitesse limitée, embouteillages), une redondance matérielle poussée (double capteur directionnel, double pédalier, double réseau électrique), et une responsabilité légale assumée par le constructeur en cas d'incident pendant l'utilisation du système.

« Mercedes-Benz est le premier constructeur automobile aux États-Unis à atteindre une certification de niveau 3 sur une échelle de 0 à 5. » — Mercedes-Benz USA, communiqué officiel sur la disponibilité de Drive Pilot.

Cette responsabilité juridique transférée au constructeur est la signature du niveau 3 : contrairement au niveau 2 où le conducteur reste responsable en toutes circonstances, Drive Pilot fait de Mercedes l'entité responsable de la sécurité pendant que le système est engagé. C'est un changement de paradigme qui ouvre la voie à une nouvelle génération de systèmes de conduite automatisée.

Mobileye SuperVision : l'ADAS déployé à l'échelle planétaire

Pendant que Tesla et Mercedes attirent l'attention des médias, Mobileye équipe silencieusement des dizaines de millions de voitures. Sa solution SuperVision offre une conduite « mains libres, yeux sur la route » sur tous les types de routes standard. Près de 300 000 véhicules de particuliers sont déjà équipés de SuperVision, selon les données de l'entreprise.

Le système repose sur une perception par vision informatique à 360 degrés via 11 caméras haute définition, traitées par deux puces EyeQ6 High. Trois piliers technologiques complètent l'architecture :

• Road Experience Management (REM) : une cartographie collaborative générée par les données des véhicules équipés, mise à jour en temps réel.
• Responsibility-Sensitive Safety (RSS) : un modèle mathématique formel qui garantit que les décisions du système respectent un cadre de sécurité vérifiable, indépendamment des sorties du réseau de neurones.
• True Redundancy : une architecture à double système de perception (caméras et lidar/radar traités séparément), offrant une redondance de sécurité.

En mars 2024, le groupe Volkswagen a annoncé une intensification de sa collaboration avec Mobileye. Audi, Bentley, Lamborghini et Porsche utiliseront les plateformes SuperVision et Chauffeur pour leurs futures fonctions de conduite automatisée. Volkswagen Commercial Vehicles intégrera la technologie Mobileye pour atteindre le niveau 4 avec le ID. Buzz, visant une flotte de robotaxis en série.

Au-delà du groupe Volkswagen, Mobileye a annoncé (en février 2026) un partenariat avec Mahindra & Mahindra pour équiper au moins six modèles en Inde à partir de 2027. La portée mondiale de Mobileye s'étend ainsi de l'Europe à l'Asie, en passant par l'Amérique du Nord.

Copilotes vocaux : l'IA conversationnelle dans l'habitacle

L'IA embarquée ne se limite pas à la conduite : elle transforme aussi l'interaction conducteur-véhicule. Les assistants vocaux dans les voitures existent depuis plus de deux décennies (BMW a introduit son premier système de commande vocale dès 2001, avec la première génération d'iDrive sur la Série 7), mais l'arrivée des grands modèles de langage (LLM) change radicalement la donne. Fini les commandes rigides et les phrases pré-formatées : les nouveaux assistants comprennent le langage naturel, mémorisent le contexte de la conversation, et peuvent répondre à des questions ouvertes.

Volkswagen et ChatGPT : l'intégration pionnière

Au CES de Las Vegas en janvier 2024, Volkswagen a annoncé l'intégration de ChatGPT dans son assistant vocal IDA. Cette intégration, développée en partenariat avec Cerence (spin-off de Nuance, spécialiste de la reconnaissance vocale automobile depuis plus de 20 ans), a commencé à se déployer en Europe au deuxième trimestre 2024.

Les modèles concernés : ID.7, ID.4, ID.5, ID.3, ainsi que les nouveaux Tiguan, Passat et Golf. Le fonctionnement est transparent pour le conducteur : on active IDA avec « Hello IDA » ou en appuyant sur le bouton au volant. Si la demande dépasse les capacités de l'assistant classique (contrôle de la climatisation, navigation, météo), elle est transmise anonymement à ChatGPT, dont la réponse est vocalisée via IDA.

Cerence a développé un LLM spécifique appelé CaLLM (Cerence Automotive Large Language Model), capable de traiter environ 10 000 questions-réponses spécifiques au véhicule, à la marque et aux opérations. Cette couche automobile vient s'ajouter au modèle généraliste de OpenAI. Les questions et réponses sont supprimées immédiatement après traitement, et ChatGPT n'a pas accès aux données du véhicule.

BMW et Amazon Alexa : le copilote à grande échelle

BMW a choisi une autre voie en s'associant avec Amazon. Dévoilé au CES 2024 sous la forme d'un assistant vocal bâti sur Alexa Custom Assistant, ce partenariat a débouché, au CES 2026, sur l'intégration de la technologie Alexa+ (basée sur un LLM) dans le BMW Intelligent Personal Assistant. BMW devient ainsi le premier constructeur à embarquer Alexa+ dans un véhicule de série.

L'assistant combine la compréhension du langage naturel d'Alexa avec les données spécifiques au véhicule BMW. Il peut répondre à des questions sur l'état de la voiture, le niveau de charge, les alertes de maintenance, tout en conservant une conversation naturelle. Le déploiement démarre au second semestre 2026 avec la BMW iX3, d'abord en Allemagne et aux États-Unis.

Cerence et Microsoft 365 Copilot : la voiture comme bureau mobile

Cerence ne se contente pas de l'intégration ChatGPT chez Volkswagen. L'entreprise a annoncé le développement d'un agent IA de travail mobile intégrant Microsoft 365 Copilot dans la voiture. L'objectif : permettre aux professionnels de gérer leurs emails, leur calendrier et leurs documents de manière mains libres pendant les trajets. Cette intégration reflète une tendance de fond : la voiture devient un espace d'extension du bureau numérique, où l'IA vocale joue le rôle de médiateur entre le conducteur et ses outils professionnels.

Tableau comparatif des principales solutions de conduite assistée

Ce panorama met en lumière la diversité des approches : du niveau 2 au niveau 3, de la vision pure à la fusion multi-sensorielle, des SoC propriétaires aux plateformes ouvertes de NVIDIA et Qualcomm. Chaque constructeur fait des paris technologiques différents, reflets de sa culture d'ingénierie et de sa stratégie commerciale.

Le marché mondial de l'IA embarquée automobile

L'ADAS et l'IA embarquée représentent un marché en croissance rapide. Selon les données compilées par plusieurs cabinets d'études au cours de l'année 2024 :

• Le marché mondial des systèmes d'aide à la conduite (ADAS) est évalué entre 42,9 et 60,4 milliards de dollars en 2024 (selon les périmètres, GMInsights et P&S Intelligence).
• La croissance annuelle composée (CAGR) projetée se situe entre 10 % et 18 % sur la période 2024-2034.
• En Europe, le marché ADAS représente entre 33 et 40 milliards de dollars (Mordor Intelligence, Market Data Forecast), porté par la réglementation qui rend obligatoires plusieurs fonctions (freinage d'urgence automatique, alerte de sortie de voie) sur tous les nouveaux véhicules.
• Mobileye, à elle seule, équiperait 170 millions de véhicules dans le monde (à fin 2023, selon Mobileye) — soit plus d'un véhicule sur neuf en circulation dans le monde équipé d'au moins une fonction ADAS basée sur sa technologie, rapporté à un parc automobile mondial estimé à environ 1,5 milliard de véhicules.

Cette croissance est portée par trois moteurs : la réglementation (UE, Chine, Etats-Unis imposent progressivement l'AEB et le maintien de voie comme équipement standard), la compétition entre constructeurs (chaque marque veut proposer une expérience de conduite différenciante) et la baisse des coûts matériels (les SoC automobiles suivent une courbe de prix similaire à celle des puces mobiles).

La chaîne de valeur : du fabless au véhicule

La chaîne de valeur de l'IA embarquée automobile s'articule autour de plusieurs maillons. Les fonderies (TSMC, Samsung Foundry) fabriquent les puces conçues par les fabless (NVIDIA, Qualcomm, Mobileye/Intel). Les équipementiers (Bosch, Continental, ZF, Magna) intègrent ces puces dans des modules complets (calculateurs, capteurs, logiciels embarqués) qu'ils fournissent aux constructeurs (Volkswagen, Toyota, GM, Mercedes, etc.). À chaque niveau, la marge et la valeur ajoutée se répartissent différemment, et la maîtrise de la logique (logiciels, algorithmes d'IA) devient le principal terrain de concurrence.

Tableau comparatif des principales puces IA automobiles

De l'apprentissage au déploiement : la chaîne de production de l'IA automobile

L'IA embarquée dans une voiture n'est pas un produit figé : c'est un système continuellement entraîné et déployé. La chaîne de production comporte quatre étapes majeures, chacune nécessitant des infrastructures et des expertises spécifiques.

1. Collecte de données

Les véhicules de la flotte collectent des données de conduite : flux vidéo, positions GPS, commandes du conducteur, interventions. Tesla exploite ainsi les données de millions de véhicules pour identifier les situations « intéressantes » (changements de voie complexes, obstacles inhabituels, conditions météo difficiles). Mobileye utilise ses 170 millions de véhicules équipés pour alimlicer son système de cartographie collaborative REM. Ces données constituent le carburant des modèles d'IA.

2. Entraînement des modèles

L'entraînement s'effectue sur des supercalculateurs. Tesla a conçu Dojo dans ce but, tandis que NVIDIA propose ses serveurs DGX pour l'entraînement. Les modèles entraînés incluent des réseaux de neurones pour la détection d'objets, la segmentation sémantique (identifier chaque pixel comme route, piéton, ciel, véhicule), la prédiction de trajectoire des autres usagers, et la planification de la trajectoire propre.

3. Validation et simulation

Avant tout déploiement, les modèles sont soumis à des milliards de kilomètres simulés. NVIDIA fournit la plateforme DRIVE Sim, basée sur sa technologie Omniverse, qui permet de recréer des scénarios de conduite réalistes : pluie, neige, piétons imprévisibles, travaux routiers, comportements agressifs d'autres conducteurs. La simulation permet de tester des situations trop rares ou trop risquées pour être rencontrées dans la conduite réelle.

4. Déploiement par mises à jour OTA

Une fois validés, les modèles sont déployés dans les véhicules via des mises à jour logicielles à distance (OTA, Over-The-Air). Tesla a popularisé cette approche dès 2012, permettant d'améliorer les capacités de conduite sans intervention en concession. Cette approche transforme la voiture en un produit qui s'améliore avec le temps — un changement fondamental dans l'industrie automobile traditionnellement basée sur des cycles de renouvellement de 5 à 7 ans.

La sécurité des mises à jour OTA est encadrée par des normes strictes. Les modèles déployés doivent conserver des certifications fonctionnelles (ISO 26262), et les constructeurs procèdent à des déploiements progressifs (d'abord une petite flotte test, puis extension) pour détecter les régressions avant une généralisation.

Euro NCAP : la validation indépendante de la sécurité

L'Euro NCAP (European New Car Assessment Programme) est l'organisme de référence en Europe pour l'évaluation de la sécurité automobile. En 2024, Euro NCAP a mis à jour son système de notation des systèmes de conduite assistée (Assisted Driving Gradings) pour fournir aux consommateurs une information plus détaillée sur les performances réelles des systèmes ADAS.

L'évaluation d'Euro NCAP se concentre sur deux axes : l'assistance véhicule (capacité du système à maintenir la voie, gérer la vitesse, réagir aux obstacles) et l'engagement du conducteur (capacité du système à vérifier que le conducteur reste attentif, et à gérer la transition de contrôle). Un système qui assiste parfaitement la conduite mais qui permet au conducteur de se désengager complètement reçoit une mauvaise note — car le risque est que le conducteur ne soit pas prêt à reprendre le contrôle en cas de nécessité.

Les résultats d'Euro NCAP révèlent une diversité de performances. Dans les évaluations récentes, Kia, Porsche, Renault et Toyota ont obtenu la note « Très Bien » pour l'équilibre entre assistance et engagement du conducteur. À l'inverse, certaines implémentations très médiatisées se sont révélées moins bien notées sur le critère d'engagement du conducteur, montrant qu'une automatisation puissante ne suffit pas : la gestion de l'attention humaine est tout aussi cruciale.

La mise à jour 2024 du protocole Euro NCAP introduit des exigences renforcées de surveillance du conducteur et de nouvelles mesures d'assistance à la vitesse. Ces évolutions reflètent l'expérience accumulée : les systèmes ADAS les plus sûrs sont ceux qui assistent le conducteur sans jamais lui laisser croire qu'il peut se désengager.

Perspectives : vers une convergence des systèmes

Plusieurs tendances se dégagent du paysage de l'IA embarquée automobile à fin 2024, chacune pointant vers une convergence technologique progressive.

La généralisation des LLM dans l'habitacle

L'intégration de ChatGPT chez Volkswagen et d'Alexa+ chez BMW n'est qu'un début. La quasi-totalité des constructeurs majeurs travaillent à intégrer des modèles de langage dans leurs assistants vocaux. L'enjeu technique est triple : la latence (une réponse doit venir en moins de 2 secondes pour ne pas frustrer le conducteur), la sécurité (le modèle ne doit pas donner de consignes contradictoires avec la conduite) et la confidentialité (les données du véhicule et du conducteur ne doivent pas fuiter vers les serveurs du fournisseur de LLM). L'approche de Cerence avec CaLLM — un modèle spécialisé pour l'automobile, complété par un modèle généraliste — est probablement amenée à se généraliser.

La standardisation matérielle

Le coût de développement d'une puce automobile dépasse 100 millions de dollars. Face à cet investissement, de plus en plus de constructeurs abandonnent le développement de SoC propriétaires pour adopter des plateformes standardisées de NVIDIA, Qualcomm ou Mobileye. Cette standardisation permet de concentrer les efforts de différenciation sur les logiciels et les algorithmes d'IA, plutôt que sur le matériel. Le risque pour les constructeurs est de devenir des « intégrateurs » de technologies tierces, mais le gain en vitesse de développement et en coût est substantiel.

L'horizon du niveau 4

Les robotaxis de niveau 4 (Waymo, Cruise, Zoox) démontrent que la conduite autonome sans conducteur de sécurité est techniquement possible dans des zones géographiques délimitées. Le défi n'est plus purement technologique mais économique : rentabiliser une flotte de robotaxis nécessite un coût d'exploitation par kilomètre inférieur à celui d'un véhicule avec chauffeur humain. Les progrès des SoC automobiles, la baisse des prix des lidars et l'amélioration continue des algorithmes convergent vers cet objectif, mais l'échéance précise reste incertaine.

La réglementation européenne

L'Union européenne joue un rôle moteur dans la généralisation de l'ADAS. Depuis juillet 2024, plusieurs fonctions de sécurité active (freinage d'urgence automatique, alerte de franchissement de ligne, surveillance de l'attention du conducteur) sont obligatoires sur tous les nouveaux véhicules homologués dans l'UE. Cette réglementation, issue du programme General Safety Regulation, va progressivement s'étendre à tous les véhicules neufs immatriculés à partir de 2026. Cet effet réglementaire garantit un marché de volume pour les technologies d'IA embarquée.

Conclusion : l'IA embarquée, maturité et trajectoire

L'IA embarquée dans les voitures a atteint un stade de maturité remarquable en 2024. Les chiffres parlent d'eux-mêmes : 170 millions de véhicules équipés par Mobileye seul, 46 millions de puces EyeQ6 Lite commandées, des SoC capables de 1 000 TOPS, un système de niveau 3 certifié chez Mercedes-Benz, ChatGPT déployé dans les Volkswagen européennes. Chaque avancée — qu'elle vienne de la vision pure de Tesla, de la fusion multi-sensorielle de Mercedes, de l'approche « plateforme » de NVIDIA ou de l'empire ADAS de Mobileye — contribue à une trajectoire commune : des voitures plus sûres, plus communicantes, plus intelligentes.

Les copilotes de bord propulsés par les LLM ouvrent un nouveau chapitre : la voiture n'est plus seulement un moyen de transport, mais un espace interactif où l'IA conversationnelle assiste, informe et accompagne. Les défis restent nombreux — latence, fiabilité, coût, acceptation — mais la direction est tracée. L'IA embarquée automobile ne fait que commencer son déploiement à grande échelle, et les prochaines années promettent d'être aussi riches en innovations que les précédentes.

Pour aller plus loin sur l'architecture des modèles d'IA qui équipent ces véhicules, découvrez notre analyse de l'architecture DeepSeek et notre décryptage du coût d'un LLM. Sur la trajectoire de NVIDIA, acteur central de cette révolution matérielle, notre portrait de Jensen Huang apporte un éclairage complémentaire.

Sources

• SAE International — Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles (J3016) : saemobilus.sae.org/standards/j3016_201806
• ISO/SAE PAS 22736:2021 — Niveaux d'automatisation de la conduite : iso.org/standard/73766
• Mercedes-Benz USA — Drive Pilot, premier système SAE niveau 3 certifié aux États-Unis : mbusa.com/en/drive-pilot
• Mercedes-Benz Group — Certification SAE Level 3 pour le marché américain (Nevada) : group.mercedes-benz.com
• NVIDIA — DRIVE AGX Thor : In-Vehicle Computing pour véhicules autonomes : nvidia.com — autonomous-vehicles
• NVIDIA Developer — DRIVE AGX Specifications : 1000 INT8 TOPS / 2000 FP4 FLOPs : developer.nvidia.com/drive/agx
• Qualcomm — Snapdragon Ride Flex SoC : architecture unifiée cockpit + ADAS : qualcomm.com/automotive/solutions/snapdragon-ride
• Mobileye — SuperVision : la transition de l'ADAS vers les véhicules autonomes : mobileye.com/solutions/super-vision
• Reuters — Mobileye vise 46 millions de puces EyeQ6 Lite (17 avril 2024) : reuters.com — mobileye-eyeq6
• Volkswagen Newsroom — Intégration de ChatGPT dans les véhicules (CES 2024) : volkswagen-newsroom.com — ChatGPT
• TechCrunch — Volkswagen intègre ChatGPT dans ses voitures (8 janvier 2024) : techcrunch.com — VW ChatGPT
• BMW Group Press — BMW Intelligent Personal Assistant avec Amazon Alexa : press.bmwgroup.com — Alexa
• Cerence Inc. — Agent IA mobile intégrant Microsoft 365 Copilot dans la voiture : investors.cerence.com — Microsoft 365 Copilot
• Euro NCAP — Assisted Driving Gradings : notation des systèmes de conduite assistée : euroncap.com/assisted-driving-gradings
• Mordor Intelligence — Europe ADAS Market Size, Share & Trends : mordorintelligence.com — Europe ADAS
• Business Wire — Volkswagen Group et Mobileye intensifient leur collaboration en conduite automatisée (mars 2024) : businesswire.com — VW × Mobileye