Des véhicules définis par logiciel aux véhicules définis par l’IA : la prochaine évolution de l’automobile
Du logiciel au défini par l’IA : prochaine évolution des automobiles
Les automobiles ne deviennent plus simplement plus intelligentes ; ils commencent à comprendre, à s’adapter et à agir. L’industrie a déjà établi les bases numériques de cette transition. En janvier 2024, Qualcomm a signalé que plus de 350 millions de véhicules équipés de solutions Snapdragon Digital Chassis étaient en service dans le monde entier. La prochaine étape est le véhicule défini par l'IA, qui utilise l'intelligence pour interpréter les conditions routières, personnaliser l'habitacle, prédire les pannes de composants et optimiser la consommation d'énergie. Cette évolution fait déjà son chemin dans les programmes de développement de véhicules. En janvier 2025, NVIDIA a annoncé que Toyota construirait des véhicules de nouvelle génération en utilisant sa plate-forme DRIVE AGX Orin compatible avec l'IA et DriveOS certifié en matière de sécurité. L’avantage concurrentiel ne dépendra de plus en plus de la quantité de logiciels contenus dans un véhicule, mais de la manière dont ces logiciels peuvent apprendre et créer de la valeur en toute sécurité et en continu.
La transition est évidente dans la technologie axée sur la production. En janvier 2024, Bosch et Qualcomm ont présenté un ordinateur central de véhicule capable d'exploiter des fonctions d'infodivertissement et d'aide à la conduite avancées sur un seul système sur puce, réduisant ainsi le besoin de systèmes informatiques distincts spécifiques à un domaine. La plate-forme DRIVE Thor de NVIDIA démontre la demande croissante d'une intensité de calcul plus élevée dans les véhicules. L'ordinateur centralisé du véhicule a été introduit avec des performances allant jusqu'à 2 000 téraflops pour prendre en charge les charges de travail du poste de pilotage, du stationnement et de la conduite automatisée.
Les mises à jour logicielles sont également devenues une responsabilité réglementée tout au long du cycle de vie. Règlement ONU n° 156, entré en vigueur le 22 janviersd, 2021, oblige les constructeurs automobiles à établir des systèmes formels de gestion des mises à jour logicielles et à garder le contrôle des versions logicielles pertinentes pour la sécurité.
Les logiciels de véhicules conventionnels suivent principalement des règles prédéfinies, fonctionnent dans des domaines fonctionnels individuels et réagissent uniquement aux conditions anticipées lors du développement. Un véhicule défini par l'IA ajoute de la perception, un raisonnement contextuel et un apprentissage continu de la flotte. NVIDIA décrit cette transition comme une évolution vers des modèles d'IA plus grands, une plus grande capacité de calcul et une utilisation plus large des données des véhicules.
La course à la construction d’automobiles définies par l’IA ne se définit pas par une seule avancée majeure, mais par l’efficacité avec laquelle les constructeurs appliquent l’intelligence à l’ensemble du véhicule et de son cycle de vie plus large. Le plus grand nombre d'opportunités émerge dans cinq domaines interconnectés : la sécurité de conduite, l'expérience dans le cockpit, la santé des véhicules, la gestion de l'énergie et le développement et la fabrication automobiles.
Conduite intelligente et sécurité prédictive
L’IA transforme la sécurité des véhicules en passant de la réaction à un danger détecté à la prévision de l’évolution possible des usagers de la route et des conditions de circulation. Les caméras, les radars, les LIDAR, les systèmes de surveillance du conducteur et les capteurs de mouvement du véhicule peuvent être combinés avec une fusion de capteurs basée sur l'IA pour identifier les piétons, interpréter le comportement sur la voie, évaluer l'attention du conducteur et lancer des actions préventives.
Le freinage d’urgence automatique démontre la valeur potentielle de la perception et de l’intervention assistées par l’IA. La National Highway Traffic Safety Administration des États-Unis a estimé que sa norme de freinage d’urgence automatique d’ici 2024 pourrait prévenir au moins 24 000 blessures, sauver au moins 360 vies et éviter plus de 5 milliards de dollars de dommages matériels par an.
Le véhicule défini par l’IA va encore plus loin dans cette idée. Au lieu de traiter le freinage, la direction et la surveillance du conducteur comme des fonctions distinctes, il les rassemble pour créer une vision commune du risque. Cela permet au véhicule de mieux comprendre ce qui se passe autour de lui et de réagir plus efficacement.
Cockpits adaptatifs et contextuels
Le cockpit numérique évolue d'un centre de contrôle sur écran à une interface intelligente capable de comprendre la conversation naturelle, les préférences de l'utilisateur et le contexte du voyage. Les assistants IA peuvent connecter la navigation, le divertissement, la climatisation, la recharge et les informations sur le véhicule sans obliger le conducteur à naviguer dans plusieurs menus.
BMW a annoncé que son assistant personnel intelligent basé sur l'IA, amélioré avec les capacités d'Amazon Alexa+ et basé sur l'assistant personnalisé Alexa d'Amazon, pourrait faire ses débuts dans la BMW iX3 au cours du second semestre 2026. Le système utilise un grand modèle de langage pour comprendre le discours de forme libre, traiter plusieurs questions en une seule phrase et répondre aux demandes de suivi. Les utilisateurs peuvent poser des questions liées à la fois aux caractéristiques du véhicule et à des sujets de culture générale. Au fil du temps, le cockpit pourrait reconnaître les trajets de routine, recommander des arrêts de recharge ou de repos, s'adapter aux paramètres de la cabine et expliquer les fonctions du véhicule en fonction du comportement passé du conducteur.
Prédiction de l’état et de la disponibilité du véhicule
L’IA fait également évoluer la maintenance, passant d’un programme fixe ou d’une réponse à un voyant d’avertissement à une évaluation continue de l’état des composants. En analysant la température, les vibrations, les codes d'erreur, les charges de fonctionnement et les informations historiques sur les réparations, les véhicules peuvent identifier un comportement anormal avant qu'il ne provoque une panne. En mars 2026, Mack Trucks a signalé que sa plate-forme GuardDog Connect, alimentée par l'IA, pouvait interpréter la signification du code d'erreur et des réparations nécessaires avec une certitude de 95 %, tout en prédisant souvent le code avant qu'il n'apparaisse sur le tableau de bord. Mack a également indiqué que les contrats de maintenance adaptative avaient réduit les temps d'arrêt planifiés de 38 %, tandis que des intervalles de vidange d'huile optimisés pourraient permettre d'économiser environ 6 000 USD par camion et par an.
Intelligence énergétique et motorisation
Dans les véhicules électriques et hybrides, l’IA peut optimiser la consommation d’énergie en prévoyant les besoins en énergie, en gérant la distribution d’énergie et en réduisant la consommation d’énergie inutile. Il peut évaluer le trafic, la pente, la température, le comportement de conduite, l'état de la batterie et la disponibilité du chargeur pour produire des estimations d'autonomie et des recommandations de charge plus précises. Des modèles d’apprentissage automatique sont également en cours de développement pour estimer l’état de charge, l’état de santé et la durée de vie utile restante de la batterie dans des conditions de fonctionnement changeantes.
BMW utilise l'analyse back-end des données d'arrêt de recharge précédentes pour améliorer le guidage routier. L'entreprise a indiqué que cette analyse a permis d'obtenir des informations de localisation plus précises pour environ un tiers des points de recharge enregistrés dans son système.
L'IA dans l'ingénierie et la fabrication
L'IA est appliquée à la conception générative, au codage, à la simulation, à la validation virtuelle, à la logistique d'usine, à l'inspection qualité et à la planification de la chaîne d'approvisionnement. Cela peut raccourcir les cycles de développement tout en permettant aux ingénieurs d’examiner divers scénarios de conception et de test avant la production de prototypes physiques.
Dans l’usine BMW de Ratisbonne, le système GenAI4Q génère des recommandations individuelles d’inspection qualité pour environ 1 400 véhicules fabriqués chaque jour. L'IA analyse les spécifications du véhicule ainsi que les informations de fabrication en temps réel pour déterminer la séquence d'inspection appropriée pour chaque unité du véhicule. De même, General Motors intègre également l’IA, les jumeaux numériques, la robotique et la simulation pour accélérer les tests virtuels et optimiser les processus de fabrication.
La compétition automobile définie par l’IA ne se limitera pas à celui qui construit la voiture la plus intelligente, rendant ainsi l’application plus large. Cela dépendra également de celui qui développera, fabriquera, soutiendra et améliorera continuellement ce véhicule le plus efficacement possible.
Un véhicule défini par l'IA est une intégration de plusieurs fonctionnalités intelligentes ; Les écosystèmes cloud et de développement fonctionnent comme une boucle d’apprentissage continu. Les capteurs capturent d’abord des informations sur la route, le conducteur, les passagers, la batterie, le groupe motopropulseur et l’environnement. Des ordinateurs hautes performances à l’intérieur du véhicule traitent ensuite les informations critiques pour la sécurité localement, là où les décisions immédiates ne peuvent pas dépendre de la connectivité cloud.
L’informatique centralisée constitue la base de cette intelligence. En janvier 2026, Qualcomm et Leapmotor ont annoncé un système informatique central unifié pour le D19 qui combine le cockpit, les systèmes avancés d'aide à la conduite, le contrôle de la carrosserie et la connectivité. La consolidation de ces fonctions réduira la complexité architecturale tout en permettant aux modèles d'IA d'utiliser des informations sur des domaines de véhicules auparavant séparés.
Le cloud joue un rôle différent. Il prend en charge le stockage de données à grande échelle, la formation de modèles, l'analyse de flotte, la distribution de logiciels et la comparaison de modèles sur des milliers de véhicules. Hyundai Motor Group, par exemple, développe des modèles d'IA avec NVIDIA pour prendre en charge des assistants personnalisés, un infodivertissement intelligent et des fonctions de confort adaptatives qui peuvent évoluer grâce à des mises à jour en direct. Cependant, pour construire ce cycle d'apprentissage, les constructeurs doivent connecter des informations qui restent souvent séparées entre la télémétrie des véhicules, les concessionnaires, les dossiers d'entretien, les plateformes clients et les centres de contact.
Les jumeaux numériques complètent la pile en fournissant des représentations virtuelles dans lesquelles les systèmes des véhicules, les usines et les scénarios d'exploitation peuvent être testés avant que des modifications ne soient introduites dans les prototypes physiques. BMW développe actuellement des applications de jumeaux numériques sur plus de 30 sites de production, permettant ainsi d'évaluer virtuellement des modifications qui nécessitaient auparavant des semaines de tests physiques.
Le principal défi de l’IA automobile n’est plus de démontrer qu’un modèle peut être performant ; il s’agit de garantir qu’il puisse fonctionner de manière sûre, cohérente et économique sur des millions de véhicules. Un pilote peut réussir sur un itinéraire, une ligne d'usine ou un ensemble de données sélectionné, tandis que les systèmes de production doivent fonctionner dans différents climats, conditions routières, langues, configurations de véhicules et niveaux de connectivité. Le graphique ci-dessous illustre l’ampleur croissante de la conduite autonome au cours des dernières années. La base de kilométrage publiée par Waymo réservée aux passagers est passée d'environ 1 million de miles en janvier 2023 à 220,6 millions de miles en mars 2026.
Les fabricants exigent la preuve que le système peut reconnaître l'incertitude, gérer des scénarios rares et entrer dans un état de repli sûr lorsque les capteurs, les données ou les modèles sont inadéquats.
La norme ISO/PAS 8800 : 2024 traite de l'IA liée à la sécurité dans les véhicules routiers de production en série et soutient l'assurance contre les risques déraisonnables résultant des limitations et des défaillances d'un système d'IA. À mesure que ces systèmes évoluent, la cybersécurité et la gouvernance des logiciels doivent être gérées en continu tout au long du cycle de vie du véhicule. Le règlement n° 155 de la CEE-ONU exige une gestion de la cybersécurité et une évaluation continue des risques. Les attentes réglementaires deviennent également plus exigeantes. Pour les systèmes à haut risque concernés, la loi de l’Union européenne sur l’IA exige une gestion des risques tout au long du cycle de vie, des ensembles de données appropriés, une documentation, une surveillance humaine, l’exactitude, la robustesse et la cybersécurité.
Les défis liés à la commercialisation sont également tout aussi importants. Les constructeurs automobiles doivent coordonner les fournisseurs de semi-conducteurs, les développeurs de logiciels, les plateformes cloud et les fabricants de composants tout en surveillant les coûts informatiques, la complexité de l'intégration et la responsabilité des mises à jour. Les entreprises qui conçoivent le modèle d’IA, le dossier de sécurité, les contrôles de cybersécurité, la gouvernance des données et le processus de mise à jour comme un seul système de production, et non comme des projets techniques distincts, évolueront avec succès.
La prochaine phase de l’intelligence automobile émergera à mesure que les véhicules évolueront de la simple réponse aux commandes du conducteur à la prise de décisions indépendante au nom du conducteur. Les systèmes agents pourraient planifier des itinéraires, identifier les arrêts de recharge, ajuster les paramètres de la cabine, gérer les paiements approuvés et réviser les voyages à mesure que les conditions changent. En janvier 2025, Mercedes-Benz et Google Cloud ont introduit un agent d'IA automobile pour l'assistant virtuel MBUX, permettant des conversations multitours et une assistance à la navigation personnalisée à l'aide des données Google Maps.
Le leadership à l’ère de l’IA dépendra moins du lancement de fonctionnalités isolées que de la capacité à construire un écosystème d’intelligence évolutif. Les constructeurs automobiles doivent connecter l'informatique centralisée des véhicules aux données gouvernées, à la simulation, à l'infrastructure cloud et aux systèmes de fabrication, tout en donnant la priorité aux applications qui apportent des améliorations mesurables en matière de sécurité, d'efficacité, de qualité et de valeur client.
