L'avenir des véhicules autonomes : technologies, défis et innovations

Avec autant d'acteurs impliqués, la conduite autonome est plus proche qu'on ne le pense

Dans notre dernier article, nous parlions des principaux acteurs des véhicules autonomes et de la rapidité avec laquelle la technologie évolue. Nous ne savions pas que, quelques jours après notre publication, il y aurait un gros contretemps impliquant une application de voiture autonome très en vue. Peu après le lancement le 14 décembre 2016 du service de taxis autonomes d'Uber à San Francisco, une vidéo a montré l'un des véhicules autonomes griller un feu rouge. Bien qu'Uber ait affirmé que la voiture était conduite par un humain à ce moment-là et n'avait pas de passagers, les répercussions ont été rapides : une semaine après le lancement, Uber a retiré ses voitures autonomes de la circulation quand l'État de Californie a révoqué leurs immatriculations.

Clairement, il y aura des détours dans le parcours de la grande idée aux voitures autonomes pour tous. Mais ce qu'on peut dire avec certitude, c'est que, même avec des revers occasionnels, la technologie derrière les véhicules autonomes continue d'avancer, nous poussant à repenser radicalement les machines qui nous emmènent du point A au point B.

Où en sont les voitures autonomes — et où vont-elles ?

La différence fondamentale entre l'automatisation dans les voitures qu'on conduit actuellement au quotidien et celle des véhicules autonomes du futur pas si lointain concerne principalement le niveau d'implication du conducteur. De nombreux véhicules récents incluent déjà une gamme de commandes qui gèrent automatiquement certains aspects de la conduite pour nous, comme le freinage assisté et le régulateur de vitesse adaptatif — des choses considérées comme niveau 1 d'automatisation.

Les voitures autonomes commercialement disponibles actuellement sont autour du niveau 2 ; un bon exemple est la capacité d'assistance à la conduite semi-autonome (« autopilot ») de Tesla dont nous parlions dans notre dernier article. La plupart des prototypes testés sont au niveau 3, où le conducteur peut ne pas prêter attention dans certaines situations, ou niveau 4, où le conducteur n'a pas besoin d'être engagé sauf en cas de météo sévère ou conditions de route inattendues. Cependant, comme la recherche l'a montré, un « conducteur » humain qui vérifie ses textos ou somnole ne peut simplement pas retrouver attention et concentration assez vite pour réagir correctement et assez rapidement pour reprendre le contrôle et prendre des actions efficaces en situation d'urgence imminente. Par conséquent, de nombreux fabricants concluent que les niveaux 3 et 4 ne marcheront tout simplement pas, parce que le filet de sécurité — l'être humain — n'est pas capable de répondre assez vite pour éviter un danger pour lui-même ou les autres.

Le degré ultime d'automatisation est le niveau 5, où un conducteur n'a pas besoin d'être présent du tout. C'est la technologie requise pour le futur du covoiturage complet. C'est le scénario envisagé où personne ne possède de voiture ; vous appelez simplement un véhicule et il vient vous chercher. Les concepts de véhicules autonomes de Google et Mercedes sont au niveau 5, utilisant zéro entrée humaine sauf la destination souhaitée.

Qu'est-ce qui alimente l'automatisation ?

Bien que les constructeurs et autres acteurs soient prudents sur la révélation de trop de détails, il y a certains composants technologiques de base qu'on sait être intégraux à la conception des véhicules autonomes. Par exemple, plusieurs types de capteurs sont utilisés pour recueillir l'entrée visuelle nécessaire à une voiture autonome pour naviguer sur les routes avec succès et en sécurité. Les caméras sont un type de capteur relativement peu coûteux qui peut fournir l'information visuelle de base qu'un humain recueillerait en conduisant ; plusieurs caméras sont utilisées pour fournir la profondeur de champ. Le radar est déjà utilisé pour certains contrôles de véhicule niveau 1 ; l'inconvénient est que le radar n'est bon qu'à courte portée.

Le LIDAR (détection et télémétrie par lumière) est un système laser embarqué qui cartographie les environs de la voiture pendant qu'elle bouge. Vous connaissez probablement le LIDAR comme la grande unité tournante sur le toit de la plupart des véhicules de test de Google ; le LIDAR à état solide ne nécessite pas de rotation et est aussi utilisé dans certains véhicules autonomes en développement. Bien que le LIDAR crée une cartographie 3D très précise, il a des inconvénients ; en plus d'être très cher, la technologie est affectée par la météo, son signal rebondissant sur la pluie ou la neige.

Dans les voitures déjà hautement informatisées d'aujourd'hui, une grande partie du transfert d'information des capteurs se fait via un réseau CAN (Controller Area Network), un protocole conçu pour permettre aux microcontrôleurs et dispositifs de communiquer entre eux sans ordinateur hôte. Cependant, les voitures vraiment autonomes nécessitent une connectivité de données plus robuste, ainsi que la puissance de calcul et le logiciel pour prendre toutes les entrées visuelles et autres données recueillies, les organiser, les interpréter et les transformer en conduite actionnable — le tout en temps réel. Cela nécessite à son tour :

* Une quantité significative (on pourrait dire massive) de puissance de traitement
* La fusion de données de différents capteurs (« sensor fusion ») pour calculer quelque chose de plus que ce qu'un seul capteur pourrait déterminer

C'est pourquoi l'apprentissage automatique — un type d'intelligence artificielle (IA) qui donne aux ordinateurs la capacité d'apprendre « par eux-mêmes » quand exposés à de nouvelles données — est un aspect critique et en développement rapide de la conception de la conduite autonome. Allant plus loin, le type d'apprentissage appelé deep learning cherche à imiter la façon dont les êtres humains acquièrent de nouvelles connaissances. En automatisant l'analyse prédictive, le deep learning pourrait permettre à une voiture de devenir plus intelligente chaque fois qu'elle est conduite et même d'apprendre des autres conducteurs et d'autres voitures.

Naturellement, pour la sécurité, un véhicule autonome doit être très intelligent dès le départ ! Mais que le véhicule soit conçu pour interpréter l'entrée sensorielle puis sélectionner parmi une série de décisions de conduite codées en dur OU qu'il soit utilisé pour mapper directement l'entrée (des capteurs et autres sources) à la sortie de conduite de bout en bout, l'apprentissage automatique fait sûrement partie de chaque voiture sur la planche à dessin ou sur la route.

Quelles sont les implications au-delà de la conduite ?

Bien sûr, où il y a technologie informatique, la sécurité de l'information est une préoccupation importante, et les véhicules autonomes ne font pas exception. En fait, les implications du piratage dans les voitures autonomes sont énormes. Quelqu'un voyageant dans un véhicule de plusieurs tonnes à grande vitesse ne veut certainement pas avoir à s'inquiéter que le véhicule puisse être pris en main et contrôlé à distance par un tiers.

En 2015, Chrysler a rappelé plus d'un million de véhicules quand deux chercheurs en sécurité (pas des méchants, heureusement) ont découvert une vulnérabilité logicielle leur permettant de pirater sans fil une Jeep et de prendre le contrôle de ses fonctions de tableau de bord, direction, transmission et freins. Chrysler a fourni aux propriétaires une mise à jour logicielle sur clé USB et a pris des mesures au niveau réseau pour détecter et bloquer le piratage via la connexion cellulaire des véhicules. Puis en 2016, un laboratoire de sécurité a démontré un piratage d'une Tesla Model S, accédant et contrôlant le véhicule à distance en mode stationnement et conduite via le bus CAN de la voiture et un hotspot WiFi malveillant. En quelques jours, Tesla a déployé une mise à jour logicielle over-the-air pour résoudre les problèmes de sécurité potentiels.

Ces cas ont montré aux constructeurs et leurs partenaires que la sécurité renforcée est vitale, assurant que des garde-fous plus forts continueront d'être mis en place. Cependant, avec chaque voiture autonome nécessitant un ordinateur et une connectivité réseau pour que la conduite ait lieu, ce n'est peut-être qu'une question de temps avant que quelqu'un ne pirate un véhicule autonome pendant qu'il est en service.

Sur un point connexe, la vie privée est aussi un domaine de plus en plus difficile pour les voitures et les conducteurs. Aujourd'hui, quelqu'un en cavale pourrait couper le GPS de sa voiture et déplier une carte. Mais avec la fonctionnalité inhérente d'une voiture autonome nécessitant une utilisation quasi-constante du GPS, ce véhicule doit être tracé virtuellement tout le temps. De plus, si les caméras servent d'importantes fonctions de capteurs et fourniront des entrées pour l'apprentissage automatique, ce sont aussi des outils de surveillance. Il y a donc le potentiel pour chaque centimètre d'espace routier d'être photographié et scruté quasi-constamment une fois que les voitures autonomes (et leur système de capteurs caméras) sont pleinement déployées.

Et sur une note plus humaine, si l'avènement de véhicules entièrement autonomes fiables créera des emplois dans la fabrication et domaines connexes, à un certain niveau cela signifiera aussi la perte de certains emplois. La mobilité à la demande et les applications de covoiturage rendront les chauffeurs de taxi et de bus obsolètes. Les véhicules autonomes dans les fermes réduiront de plus en plus le nombre de travailleurs humains requis. Les camionneurs seront encore nécessaires pour entretenir leurs camions, mais ils ne les conduiront plus et donc moins seront nécessaires pour maintenir une flotte de camions pour déploiement automatisé. Et fin 2016, une entreprise de livraison de repas en ligne a lancé la livraison robotisée à Londres. Donc, du manutentionnaire au gamin qui livre des pizzas, ces travailleurs pourraient éventuellement être remplacés par, sinon des véhicules autonomes, alors une technologie liée sous forme de robots de livraison.

Pourquoi Metal Cutting en parle ?

Metal Cutting offre des services de découpe métallique sur mesure pour produits de spécialité et petites pièces métalliques de précision pour une large gamme d'industries, incluant les entreprises automobiles et leurs partenaires technologiques — fournissant coupe, usinage, finition et autres techniques nécessaires pour applications requérant tolérances serrées, finitions de surface spécifiques, et bouts, cônes et diamètres hautement personnalisés.

Vous voulez explorer si Metal Cutting est le meilleur partenaire pour vos pièces automobiles ou autres applications ? Téléchargez le guide gratuit, 7 Secrets pour choisir un nouveau partenaire contractuel : Guide technique pour l'externalisation de votre fabrication métallique de précision.