L’intelligence artificielle s’impose de plus en plus comme un acteur incontournable, nécessaire à l’évolution d’un grand nombre de secteurs d’activité. Le domaine automobile ne fait pas exception ! Bien au contraire ! L’adoption de l’IA dans l’industrie du transport, et la construction de véhicules en particulier s’avère nécessaire. Les constructeurs automobiles traditionnels sauront ils s’adapter à cette tendance ? Décryptage !

Une approche prudente de l’apprentissage par les ingénieurs

On pourrait croire que l’IA contribue à la conception de nouveaux véhicules. Cependant, bien que cette technologie soit remarquablement développée, les ingénieurs semblent plutôt l’utiliser pour la résolution d’autres problèmes de nature plus « technique ». Ils l’utilisent notamment pour améliorer le confort des passagers lors des tests des véhicules, résoudre des problèmes liés aux capteurs, voire même négocier avec des équipementiers, ce qui peut sembler surprenant.

Les entreprises du secteur adoptent ainsi une approche graduelle et prudente dans l’intégration de ces technologies. Elles les appliquent d’abord aux systèmes d’aide à la conduite existants (ADAS), puis les développent étape par étape. Bien que cette méthode puisse être étonnante, elle permet aux équipes d’apprendre progressivement et de s’adapter à l’IA sans remettre en question l’architecture des véhicules, ce qui évite une augmentation significative des coûts de fabrication. Comme l’explique un ingénieur expert en systèmes de régulateur de conduite adaptatif :

« Il y a environ 3 à 4 ans, nous pensions qu’il y aurait des véhicules autonomes dans un avenir proche… Mais ce n’est toujours pas le cas aujourd’hui. Pour le moment, nous travaillons sur le développement de nouvelles fonctions pour lesquelles nous pouvons dire qu’il n’y a pas beaucoup de perturbation ».

La qualité des données à traiter est jugée insuffisante

Quand on évoque l’apport de l’IA à l’industrie automobile, selon Nexteer avis est qu’il faut reconnaître les limites évidentes en termes d’innovation. Des limites que des recherches justifient par un manque de disponibilité des données. Bien que les véhicules en collectent une quantité considérable, ces données nécessiteraient un étiquetage approprié pour être exploitées. Un expert en véhicules autonomes explique :

« Mes équipes effectuent des heures et des heures de tests en continu, mais si vous souhaitez créer un algorithme pour des mouvements multidirectionnels, il faut qu’une personne observe la caméra à chaque virage pour enregistrer ces informations dans la base de données, et cela prend énormément de temps ».

Un autre obstacle réside dans la capacité technique à fusionner des données provenant de différentes sources (visuelles, radars, sonores, etc.) afin de prendre des décisions selon une logique algorithmique. Ces technologies sont encore en cours de développement.

Ces aspects deviennent problématiques dans le contexte de la nécessité de rester compétitif à la fois sur le marché mondial, où de nouveaux acteurs comme Tesla sont présents, ainsi que sur le marché des nouvelles formes de mobilité, avec l’arrivée annoncée des taxis volants d’ici 2030, par exemple. Il est crucial d’innover en proposant des fonctionnalités radicalement nouvelles ou en répondant aux besoins émergents des consommateurs.