Le rappel de 2 millions de véhicules par Tesla suscite des inquiétudes concernant la technologie de conduite autonome

Tesla, le géant des véhicules électriques, a émis un rappel massif de 2 millions de véhicules aux États-Unis, principalement en raison de préoccupations concernant sa fonction Autopilot. Cette mesure fait suite aux allégations d’un ancien employé de Tesla en tant que lanceur d’alerte concernant la sécurité de la fonction Autopilot. Bien que la technologie de conduite autonome ait fait des progrès significatifs, les récents incidents et rappels soulignent qu’il reste encore un long chemin à parcourir avant que les voitures entièrement autonomes ne deviennent une vue habituelle sur les routes.

Les lacunes d’Autopilot : une source de préoccupation

Le système Autopilot de Tesla est conçu pour aider avec des tâches comme la direction et l’accélération, mais il nécessite toujours une entrée active du conducteur. De nombreux cas signalés révèlent des lacunes dans la capacité de la technologie à interpréter avec précision son environnement. Cela inclut des instances où un véhicule Tesla a confondu une image d’un panneau d’arrêt sur une affiche publicitaire avec un vrai panneau d’arrêt et a pris une lune jaune pour un feu de circulation jaune.

De plus, les préoccupations s’étendent au-delà des véhicules grand public de Tesla à leurs « robotaxis » opérant à San Francisco, soulevant davantage de questions sur la préparation de la technologie des véhicules autonomes (AV) pour des scénarios réels.

Le rôle de l’IA dans les véhicules autonomes : le chaînon manquant

La pierre angulaire des véhicules autonomes est l’intelligence artificielle (IA), yet les algorithmes actuels manquent de la profondeur de la compréhension et du raisonnement de type humain cruciaux pour naviguer dans des situations réelles complexes. Ce déficit englobe le raisonnement contextuel avancé, la capacité d’interpréter les objets obscurcis et d’inférer les éléments invisibles dans l’environnement.

De plus, les véhicules autonomes doivent posséder des compétences de raisonnement contrefactuel, leur permettant d’évaluer des scénarios hypothétiques et de prédire les résultats potentiels – un aspect vital de la prise de décision dans des situations de conduite dynamiques.

Considérons un scénario où un véhicule autonome s’approche d’un carrefour animé avec des feux de circulation. Il doit non seulement respecter les signaux de circulation actuels mais aussi prédire les actions des autres usagers de la route et considérer comment ces actions pourraient changer dans différentes circonstances. Un accident de 2017 impliquant un robotaxi Uber qui a franchi un feu jaune en Arizona souligne l’importance d’un tel raisonnement prédictif.

De plus, l’interaction sociale, où les humains excellent et les robots échouent, est essentielle pour naviguer dans des situations de circulation ambiguës. Les humains utilisent des compétences sociales pour négocier le droit de passage dans des scénarios tels que les routes urbaines avec des voitures garées des deux côtés ou aux ronds-points où plusieurs voitures arrivent simultanément.

Besoin urgent d’algorithmes de type humain

Pour la coexistence fluide des voitures pilotées par l’IA et des voitures conduites par des humains, des algorithmes révolutionnaires capables de pensée humaine, d’interaction sociale, d’adaptation à de nouvelles situations et d’apprentissage par l’expérience sont urgentement requis. De tels algorithmes permettraient aux systèmes d’IA de comprendre les comportements nuancés des conducteurs humains, de réagir aux conditions routières imprévues, de prioriser la prise de décision en tenant compte des valeurs humaines et d’interagir socialement avec les autres usagers de la route.

Redéfinir les normes pour la conduite autonome

À mesure que les véhicules pilotés par l’IA sont intégrés dans la circulation existante, les normes existantes pour évaluer et valider les systèmes de conduite autonome peuvent être insuffisantes. Il y a un besoin pressant de nouveaux protocoles plus rigoureux pour s’assurer que les véhicules pilotés par l’IA répondent aux normes de sécurité, de performance et d’interopérabilité les plus élevées.

Ces protocoles devraient établir une base pour un environnement de circulation plus sûr et plus harmonieux où les voitures sans conducteur et les voitures conduites par des humains coexistent. Ils doivent se concentrer sur les méthodes de test et de validation tout en favorisant la collaboration entre les constructeurs automobiles, les décideurs politiques, les informaticiens, les scientifiques du comportement humain et social, les ingénieurs et les organismes gouvernementaux.

Cas d’utilisation spécifiques pour les véhicules autonomes

Bien que la route vers les voitures entièrement autonomes puisse être plus longue que prévu, il y a encore une place pour elles dans des cas d’utilisation spécifiques. Ceux-ci incluent les navettes autonomes et la conduite sur autoroute, où des environnements contrôlés peuvent être établis pour atténuer les risques.

Par exemple, les bus autonomes pourraient fonctionner sur des itinéraires prédéfinis avec des voies dédiées, et les camions autonomes pourraient avoir leurs propres voies sur les autoroutes. Il est toutefois vital que ces utilisations privilégient le bénéfice de l’ensemble de la communauté et ne servent pas exclusivement des groupes spécifiques, souvent aisés, de la société.

Une approche collaborative pour la conduite autonome

Pour répondre aux défis actuels entourant la conduite autonome, un groupe diversifié d’experts doit se réunir pour dialoguer. Ce groupe devrait englober les constructeurs automobiles, les décideurs politiques, les informaticiens, les scientifiques du comportement humain et social, les ingénieurs et les organismes gouvernementaux, entre autres.

Cet effort collaboratif devrait viser à créer un cadre robuste qui tienne compte de la complexité et de la variabilité des scénarios de conduite réels. Des protocoles et normes de sécurité à l’échelle de l’industrie devraient être développés avec l’input de toutes les parties prenantes, assurant l’adaptabilité à mesure que la technologie évolue.

Des canaux ouverts pour le partage de données et d’informations issus des tests et simulations réels devraient être établis, favorisant la confiance du public grâce à la transparence et démontrant la fiabilité et la sécurité des systèmes d’IA dans les véhicules autonomes.

Bien que le récent rappel de Tesla souligne les défis auxquels est confrontée la technologie de conduite autonome, il ne signale pas la fin de la route pour les voitures autonomes. Plutôt, il met en lumière la nécessité d’un développement continu, de tests rigoureux et de collaboration entre experts pour créer un avenir plus sûr et plus efficace où les véhicules autonomes et les véhicules conduits par des humains coexistent harmonieusement sur nos routes.