Un modèle entraîné à l'intérieur du géofence

Tesla a déployé un nouveau modèle de machine learning conçu pour prédire à quel point un Supercharger sera saturé — non seulement au moment où un conducteur arrive, mais plusieurs minutes à l'avance, en se basant sur les voitures qui se dirigent vers le site. Le modèle a été entraîné sur 9 millions de miles de données de trajectoire anonymisées et agrégées, collectées exclusivement à l'intérieur des zones géofencées entourant le réseau mondial de Superchargers, selon des révélations citées par NotATeslaApp et Electrive.

Le fait de limiter l'ensemble d'entraînement au géofence est crucial : cela filtre les véhicules qui traversent une esplanade de Supercharger sans recharger — qui s'arrêtent pour un café, des toilettes ou pour déposer des passagers — et isole la véritable intention de recharger. C'était historiquement la partie la plus difficile de la prédiction des temps d'attente, car le trafic mixte de l'esplanade paraissait indiscernable du trafic destiné à la recharge dans les modèles précédents.

À quoi ressemblent les chiffres

Tesla rapporte que le modèle réduit le taux d'erreur d'estimation des files d'attente d'environ 20 pour cent au total. Sur les sites où 10 véhicules ou plus font la queue, les prédictions se situent désormais à 1 ou 2 voitures près de la longueur réelle de la file, selon la couverture médiatique de la publication. C'est un seuil utile pour la planification réelle des trajets : la différence entre une attente de 10 minutes et une attente de 30 minutes détermine si un conducteur s'arrête au site suivant le long du corridor ou continue sa route.

La prévision alimente également les indications de la navigation embarquée. Lorsque le système anticipe la formation d'une file, il propose plus tôt dans l'itinéraire d'autres Superchargers à proximité, réduisant la probabilité que plusieurs conducteurs Tesla arrivent sur le même site congestionné dans la même fenêtre de cinq minutes.

Comment cela se connecte à la Virtual Queue

Le modèle de prédiction des files est la moitié back-end d'une initiative en deux parties. L'autre moitié est la fonction Virtual Supercharger Queue, arrivée avec la version 4.56 de l'application Tesla le 25 avril 2026. L'application offre aux conducteurs une liste d'attente géofencée à laquelle ils peuvent se joindre à mesure qu'ils approchent d'un site fréquenté ; le nouveau modèle ML donne à la fois à Tesla et au conducteur une estimation plus précise du déroulement de l'attente.

Les deux fonctionnent ensemble : l'IA prédit la congestion avant que la file ne se forme, et l'application coordonne la file dès qu'elle apparaît. Ensemble, elles remplacent les files improvisées apparues sur les sites de corridor fréquentés pendant les périodes de pointe des vacances.

Ce que cela signifie pour les conducteurs européens

Pour les propriétaires européens, les bénéficiaires immédiats sont les sites de corridor sous pression soutenue — Rygge, Ærø, Hilden, Junction 17 au Royaume-Uni et le corridor du Tarn en France en sont des exemples typiques. Une meilleure prévision réduit le risque de détours d'itinéraire liés aux files d'attente pendant les voyages estivaux et les événements de week-end des clubs de VE.

Le déploiement est progressif. Tesla limite initialement le modèle à certains sites Supercharger sélectionnés tandis qu'elle analyse la précision des prédictions site par site. Il n'y a pas de date de lancement européenne ; l'entreprise a historiquement déployé les améliorations de routage à l'échelle mondiale une fois que le modèle sous-jacent est stable.

Lire la feuille de route

Le signal plus profond dans cette publication est la manière dont Tesla utilise les données de sa flotte. Neuf millions de miles d'informations de trajectoire collectées uniquement à l'intérieur des géofences des Superchargers représentent une tranche étroite du journal global de la flotte — mais c'est la tranche qui compte pour la logistique de recharge. Cela illustre également le type de problème opérationnel de ML que Tesla peut résoudre grâce à la télémétrie des véhicules dont les concurrents ne disposent pas : les services publics et les réseaux de recharge tiers ne voient que les voitures qui se branchent, et non celles qui approchent du site et qui peuvent ou non s'arrêter.

Pour les conducteurs, le changement pratique est modeste mais bienvenu. Arrivez à un Supercharger familier après un long trajet, jetez un œil à l'écran de navigation, et le chiffre du temps d'attente est désormais plus susceptible de correspondre à l'attente que vous obtiendrez réellement.