Le co-CEO de Waymo a livré l'explication publique la plus claire à ce jour des raisons pour lesquelles les caméras seules ne mèneront pas une voiture à l'autonomie complète. À la Startup School de Y Combinator, Dmitri Dolgov a soutenu que ce qu'il appelle la perception faible se heurte à un plafond de capacité très en deçà de la fiabilité dont a besoin un véhicule sans conducteur ni surveillance — et que cet écart n'est pas de ceux que l'on comble avec davantage de données d'entraînement.

L'argument, et pourquoi ce n'est pas celui auquel on s'attend

L'objection intuitive au lidar est que les humains conduisent avec deux yeux et sans scanner laser : les caméras devraient donc suffire, en principe. Dolgov répond que l'existence d'une solution humaine n'oblige pas un ingénieur à copier son architecture. Les humains apportent en outre au volant un modèle général du monde dont aucun système actuel ne dispose.

Son cadre de raisonnement, c'est le problème des neuf. Faire passer un système de conduite de 90 % à 99 % de fiabilité est relativement facile ; passer de 99 % à 99,99 % relève d'un autre ordre de difficulté, et c'est cette dernière étape qui détermine si l'on peut retirer le conducteur. Une architecture tout-caméra, selon lui, donne un excellent produit d'aide à la conduite mais s'arrête avant le nombre de neuf qu'exige une exploitation sans surveillance.

Les deux exemples qu'il a apportés

Dolgov a appuyé sa démonstration sur des situations où la caméra n'a aucun signal à exploiter, plutôt que sur des abstractions. Dans une tempête de poussière, le flux vidéo ne montre presque rien, tandis que le lidar traverse le nuage et détache un piéton debout au bord de la route. Il a aussi montré un véhicule Waymo dont le pare-brise était obstrué et qui est rentré seul au dépôt en toute sécurité avec le lidar et le radar pour seuls capteurs — sans aucune vue caméra utilisable.

C'est tout l'intérêt de la fusion de capteurs telle que Waymo la pratique : non pas que le lidar voie mieux qu'une caméra par beau temps, mais que les modes de défaillance des caméras, du lidar et du radar diffèrent, si bien qu'une condition qui aveugle l'un laisse les autres opérationnels.

Capteur Apporte Échoue en cas de
Caméras Haute résolution, couleur, texte et signalisation Obscurité, éblouissement, poussière, fortes intempéries
Lidar Structure 3D et distance directes Coût, certaines surfaces réfléchissantes
Radar Présence et vitesse des objets Faible résolution, classification limitée

Les chiffres derrière l'affirmation

Waymo compte plus de 220 millions de miles entièrement autonomes sur la voie publique et, selon ses propres chiffres de sécurité publiés, ses véhicules sont impliqués dans 94 % d'accidents causant des blessures graves ou mortelles en moins que les conducteurs humains dans les mêmes zones. TeslAnt a rendu compte de la lecture indépendante de ce bilan dans l'étude de l'IIHS sur le taux d'accidents de Waymo.

Tesla incarne la position adverse et tout le monde le sait, même si Dolgov a construit son propos sur l'architecture plutôt qu'en nommant l'entreprise. Le pari de Tesla est que des caméras associées à un réseau neuronal suffisamment performant y parviendront, que le lidar est une béquille coûteuse et que l'échelle de la flotte l'emporte sur la redondance des capteurs. Le service de robotaxi de Tesla circule aujourd'hui avec un opérateur de sécurité assis à l'avant, ce qui donne la mesure concrète de l'état de ce pari.

Pourquoi cela compte en Europe

L'homologation européenne et les autorisations nationales pour l'exploitation sans conducteur s'écrivent en ce moment, et les régulateurs qui lisent un argumentaire de Waymo sur la redondance des capteurs se voient remettre un référentiel technique auquel se référer. Si le « tout-caméra » devient ce qu'une autorité d'homologation vous demande de justifier, cela déterminera quels systèmes pourront être déployés ici, et quand — indépendamment de l'architecture qui se révélera finalement la bonne.