Transport
2025 : L’année où les voitures autonomes passent au grand public ?
Quand les voitures autonomes arriveront-elles ?
Quand il s’agit de technologies perturbatrices qui semblent à portée de main, peu sont aussi impactantes pour l’économie et la société que les véhicules autonomes ou « auto‑conduits », à l’exception, bien sûr, peut‑être de l’AGI (Intelligence Générale Artificielle).
Cela s’explique par le nombre considérable d’emplois et de tâches qui nécessitent que des humains conduisent des véhicules. Cela commence par les métiers de conduite, comme les chauffeurs de taxi, les services de livraison, les conducteurs de camions, etc. Mais plus fondamentalement, la plupart de la population mondiale effectue cette tâche sans être payée, souvent en perdant des heures de leur journée, chaque jour, au volant.
Il s’agit d’une perte massive de productivité qui pèse sur l’économie, notre quotidien et notre culture. C’est pourquoi, déjà en 2023, les robotaxis étaient projetés pour générer jusqu’à un trillion de dollars de revenus.
Cependant, développer des véhicules réellement autonomes est difficile, et jusqu’à présent, le transport entièrement automatisé n’a pas encore envahi les routes. À quel point sommes‑nous proches d’un déploiement à grande échelle des véhicules autonomes ?
Potentiel massif des voitures autonomes
Derrière cette idée se trouve le fait économique fondamental que les robotaxis pourraient réduire le besoin de posséder une voiture, tant que les trajets restent suffisamment bon marché.
Cela peut créer une boucle de rétroaction positive, où des tarifs bas augmentent la demande, ce qui augmente l’utilisation des robotaxis, amortissant davantage les coûts d’investissement, réduisant les prix, ce qui augmente encore la demande, etc.
Il est indiqué que si les fournisseurs de services peuvent faire baisser ce coût à 0,25 $ par mile, les services de taxis autonomes seront « plus rentables que 95 % des trajets courts ».
L’économie des voitures autonomes devient encore plus simple si elle peut s’appliquer au transport de marchandises comme les camions et les navires. Dans ce cas, les conducteurs et les équipages ne sont que des coûts à éliminer du modèle économique si les systèmes autonomes sont suffisamment fiables pour les remplacer.
Source: ARK Invest
En résumé, il ne fait aucun doute que les véhicules autonomes seront d’énormes générateurs de revenus, ce qui explique pourquoi tant d’entreprises technologiques investissent des dizaines de milliards dans le développement de cette technologie. Mais il semble que ce soit un casse‑tête difficile à résoudre.
Construire la pile technologique des voitures autonomes
Technologies d’appui
Avant d’aborder le cœur des véhicules autonomes, l’IA qui les pilote, nous pouvons brièvement expliquer pourquoi la dernière décennie a rendu les voitures autonomes, mais aussi les drones et d’autres appareils, économiquement viables.
Une raison est la chute des coûts des capteurs et de la puissance de calcul. Il est facile d’oublier que le premier iPhone n’est sorti qu’en 2007, et qu’un téléphone avec un bon appareil photo et fonctionnant comme un mini‑ordinateur était alors une révolution, il y a moins de 20 ans.
Depuis, l’optique, les capteurs, les puces et les autres composants électroniques sont devenus moins chers, plus puissants et plus fiables.
L’essor des véhicules électriques depuis le premier Tesla Roadster en 2008 a également changé la façon dont les véhicules fonctionnent. La nouvelle voiture électrique peut fournir une quantité massive d’énergie électrique grâce à sa batterie et à son groupe motopropulseur, rendant l’alimentation des puces autonomes et de leurs capteurs presque triviale.
Les voitures électriques sont aussi mécaniquement beaucoup plus fiables, capables de parcourir de plus longues distances avec moins d’usure, et leur énergie est globalement beaucoup moins chère au kilomètre, ce qui en fait les « robotaxis » idéaux pour rouler toute la journée pour de nombreux utilisateurs. En comparaison, la technologie autonome aurait des économies bien plus faibles si elle devait dépendre de voitures à moteur à combustion interne (ICE).
Dans l’ensemble, les voitures d’aujourd’hui sont déjà pratiquement des ordinateurs sur roues, avec 300 à 1 000 puces par véhicule, et certains VE en comptent jusqu’à 3 000. Il ne manque plus que le « cerveau » pour se conduire elles‑mêmes.
Source: Polar Semi
Comprendre les routes
Pour les fonctions les plus basiques, comme identifier la route à prendre du point A au point B, la plupart des IA de conduite autonome sont parfaitement capables d’accomplir cette tâche depuis plus d’une décennie, surtout grâce à l’adoption massive du GPS et des applications « Cartes » qui fournissent les données nécessaires.
La partie délicate consiste à faire comprendre à la voiture ce qui change sur la route : conditions météorologiques, autres véhicules, piétons, cyclistes, animaux, etc.
Là aussi, le cas général a été résolu relativement rapidement, avec des systèmes permettant la « conduite assistée » sur autoroute, un environnement beaucoup moins exigeant, déjà disponible dans la plupart des voitures haut de gamme.
Mais les situations plus complexes, comme les zones de chantier, les centres‑villes, la présence de piétons et les accidents de la circulation, sont plus difficiles à gérer.
En général, les systèmes autonomes sont classés le long d’un spectre, allant de la simple assistance pour stabiliser la vitesse et se garer, jusqu’au véhicule autonome parfait. Le dernier niveau, L5, ou automatisation totale sans conducteur, reste encore insaisissable.
Source: MobileEye
En général, l’échec à atteindre le niveau L5 d’autonomie provient de cas rares qui perturbent l’IA. Par exemple, un ordinateur peut avoir du mal à comprendre la situation d’une voiture dans un parking à plusieurs niveaux :
« Le véhicule a pensé que les voitures garées dans le garage bloquaient la route. Il a pensé : « Voiture arrêtée, contourner le trottoir. »
Lorsqu’un système rencontre quelque chose qu’il ne sait pas gérer, dans de nombreux cas, la voiture s’arrête simplement.
Matériel des réseaux neuronaux
La plupart des récents progrès en IA sont basés sur la technologie des réseaux neuronaux, qui a remporté le prix Nobel de physique 2024. Contrairement à l’informatique ordinaire, qui nécessite un ensemble rigide d’instructions pour chaque situation, les réseaux neuronaux peuvent s’adapter à leurs conditions d’entraînement pour fournir la réponse appropriée.
Source: Nobel Prize
Cela les rend intrinsèquement meilleurs pour gérer les situations « messy », où les entrées sont très variables et les données toujours un peu confuses pour un ordinateur (« bruyantes »).
Pendant longtemps, les réseaux neuronaux ont été entraînés et exécutés sur des GPU, réaffectant les cartes graphiques d’ordinateurs à du matériel IA. Plus récemment, du matériel dédié à l’IA et aux réseaux neuronaux est en cours de développement.
Parmi les autres matériels IA (que nous avons décrits plus en détail dans un rapport dédié), les Processeurs de Réseaux Neuronaux (NNP) sont particulièrement pertinents pour l’IA des voitures autonomes. Aussi appelés Unités de Traitement Neuronal (NPU) ou puces neuromorphiques, ils peuvent exécuter une opération avec un seul calcul au lieu de plusieurs milliers avec du matériel généraliste.
Grâce à cette efficacité énergétique, les NPU sont populaires pour le « edge computing », où les calculs sont effectués sur place plutôt que dans le cloud.
Comme la conduite autonome doit être fiable, très réactive et ne pas dépendre d’une connexion, elle s’appuie principalement sur le edge computing exécutant un réseau neuronal localement, même si l’entraînement de l’IA a été réalisé dans le cloud au préalable.
Choisir la bonne technologie
Géorepérage vs conduite libre
Pourquoi le géorepérage
Un choix majeur en termes de technologie et de stratégie commerciale pour les futures entreprises de voitures autonomes a été la décision d’utiliser ou non le géorepérage.
Le géorepérage consiste à entraîner un système autonome à fonctionner uniquement dans une zone géographique limitée, en définissant une frontière virtuelle où le système de conduite autonome peut opérer.
L’idée est qu’en limitant la zone, le système d’IA peut apprendre suffisamment ces routes en particulier pour être fiable lorsqu’il les parcourt.
« Limiter la zone à des emplacements plus « privés », voire aux trottoirs plutôt qu’aux routes, peut réduire considérablement le type d’interactions que le véhicule aura avec d’autres objets, tels que voitures, camions, cyclistes et piétons. »
Robert Day – Directeur des partenariats automobiles pour Arm Automotive and IoT.
En réduisant le nombre de cas que l’IA doit gérer, ainsi que les routes et chemins possibles, on diminue fortement la puissance de calcul requise, ce qui impacte également le matériel nécessaire.
« Les limites imposées par le géorepérage ont un effet profond sur les capacités requises par un véhicule autonome, ce qui influence le matériel nécessaire pour alimenter les systèmes autonomes. »
Robert Day – Directeur des partenariats automobiles pour Arm Automotive and IoT.
Cependant, cela restreint sévèrement les possibilités de déploiement des véhicules autonomes. Chaque nouvelle ville oblige l’entreprise à créer un jeu de données d’entraînement personnalisé, généralement en conduisant manuellement des voitures dans la zone pendant plusieurs années avant le lancement.
Cela rend l’approche assez coûteuse.
De plus, cela rend les voitures autonomes attractives uniquement pour les entreprises de robotaxis, les particuliers continuant probablement à posséder leur propre véhicule, car ils voudront parfois sortir des zones géorepérées, qui sont généralement limitées aux centres‑villes ou à une seule ville.
Si l’industrie reste enfermée dans ce paradigme, la plupart des gains attendus de l’adoption massive des robotaxis ne se réaliseront tout simplement pas.
Implications légales & commerciales du géorepérage
En même temps, opter pour une conduite autonome directe et totale sans aucune limitation peut être contre‑productif.
Cela peut retarder le déploiement des services autonomes, car il faut d’abord que le système soit parfait partout, au lieu d’être d’abord déployé dans une liste limitée de villes où il pourrait déjà atteindre des millions d’utilisateurs.
Un autre problème réside dans les règles et lois entourant les systèmes autonomes. Les régulateurs ont été réticents mais disposés à accepter le déploiement lent de solutions géorepérées, surtout lorsqu’une sécurité dans une zone donnée a été démontrée.
Mais une autorisation mondiale et illimitée des voitures autonomes nécessitera non seulement une approbation locale, mais aussi des lois et réglementations nationales qui n’existent pas encore.
Comme la législation progresse souvent beaucoup plus lentement que la technologie, cela pourrait constituer un problème sérieux pour le déploiement illimité du niveau L5 d’autonomie, même si toutes les questions techniques sont déjà résolues.
LIDAR vs uniquement caméras
Un autre débat dans l’industrie porte sur l’utilisation du LIDAR (détection et télémétrie par lumière, ou « radar laser »). Le LIDAR utilise des faisceaux laser pour détecter les objets proches, créant un modèle 3D en temps réel de son environnement.
Source: Autoweek
Les systèmes LIDAR sont généralement placés sur le toit des voitures autonomes, ce qui représente un ajout assez encombrant.
Un avantage du LIDAR est qu’il peut voir au‑delà des caméras et excelle dans l’évaluation des distances, ce qui le rend particulièrement utile pour éviter les accidents à grande vitesse. Il fonctionne également parfaitement dans l’obscurité ou les conditions de faible luminosité.
Source: Forbes
Souvent, le LIDAR est utilisé conjointement avec le radar pour détecter les objets même dans des conditions difficiles, comme le brouillard, par exemple.
La plupart des technologies autonomes s’appuient sur le LIDAR afin d’accroître la sécurité, à l’exception de Tesla (TSLA ), mais cela comporte quelques inconvénients.
Le premier est le coût. La plupart des systèmes LIDAR haut de gamme coûtent entre 70 000 $ et 80 000 $, ce qui rend les voitures autonomes très onéreuses. Cela pourrait changer, car il existe des signes que le LIDAR est devenu beaucoup moins cher récemment, notamment pour les LIDAR bas de gamme, les rendant potentiellement plus viables commercialement.
« Il s’agit à la fois d’un problème de volume et de technologie. L’industrie automobile s’appuie sur l’échelle pour réduire les coûts. Lorsque le volume d’application augmente, les coûts baissent.
Unité LIDAR, par exemple, coûtait 30 000 yuan (environ 4 100 $), mais aujourd’hui elle ne coûte plus qu’environ 1 000 yuan (environ 138 $) — une baisse spectaculaire.
Li Chuanhai – Vice‑président du groupe Geely Auto
Le LIDAR est une technologie assez complexe avec de nombreuses pièces mobiles (mini‑miroirs rotatifs), ce qui explique son coût élevé et peut rendre la maintenance et la fiabilité problématiques.
Enfin, toute IA entraînée avec des données LIDAR aura probablement besoin de ce capteur pour bien fonctionner, car cette exigence sera profondément intégrée dans le réseau neuronal. Ainsi, une entreprise qui mise sur le LIDAR pour entraîner son système autonome pourrait rester enfermée à jamais à cette technologie.
Quel niveau de sécurité les voitures autonomes doivent‑elles atteindre ?
Une question clé pour les régulateurs comme pour les utilisateurs est le niveau de sécurité requis pour une voiture autonome. En théorie, si les voitures autonomes sont 5 fois plus sûres qu’un conducteur humain, elles devraient être rapidement adoptées et accueillies comme un progrès.
Cependant, en pratique, les gens sont très réticents à faire confiance à une machine qui n’est que marginalement plus sûre que les humains sujets à l’erreur. Les humains ont aussi tendance à surestimer leurs capacités de conduite.
Ainsi, même lorsque les systèmes autonomes sont depuis des années bien plus sûrs que les voitures conduites par des humains (comme le montrent les données Tesla de 2023), la perception d’un accident comme un « échec » de l’IA persiste.
L’enregistrement de chaque accident par les caméras du véhicule, ainsi que les réactions des médias traditionnels et sociaux, n’aident pas non plus.
Source: ARK Invest
En conséquence, il est probable qu’une barre très élevée – 10 à 100 fois plus sûre qu’un conducteur humain – sera exigée pour autoriser le déploiement complet du niveau L5 sans restriction sur toutes les routes.
Entreprises de voitures autonomes
Faites glisser pour faire défiler →
| Entreprise | Marché principal | Approche technologique | Statut du déploiement |
|---|---|---|---|
| Waymo | Robotaxi | Géorepéré, LIDAR + radar | ~250 k courses payantes/semaine dans certaines villes américaines |
| Tesla | VE grand public + Robotaxi | Caméras uniquement | Projet pilote au Texas ; conducteur de sécurité à bord |
| Baidu | Robotaxi | Multi‑capteurs (incl. LIDAR) | Opérations sans conducteur en Chine ; partenariat avec Uber |
| Zoox | Robotaxi sur mesure | Pas de roues/pédales, LIDAR | Exemption NHTSA ; tests dans plusieurs villes américaines |
| Aurora Innovation | Camions de fret | Autonomie sur autoroute | Première course totalement sans conducteur (mai 2025) |
| WeRide | Robotaxi | Fusion multi‑capteurs incluant LIDAR haute ligne | Pilote 24/7 à Pékin ; expansion aux Émirats |
| Mobileye | ADAS & pile autonome | Caméra d’abord, cartographie REM HD | Large empreinte OEM ; autonomie en évolution |
Waymo
(GOOGL )
En ce qui concerne les robotaxis réellement déployés, un leader clair émerge : Waymo, lié à Google. En avril 2025, Waymo annonçait déjà 250 000 courses payantes par semaine aux États‑Unis, principalement à Austin, Phoenix et dans la région de la baie de San Francisco, avec un million de miles parcourus chaque mois.
Le succès de Waymo provient d’un démarrage précoce (l’entreprise a été lancée en 2010, avec une technologie remontant à 2005) et d’une approche très prudente : ses robotaxis sont géorepérés et s’appuient fortement sur des systèmes LIDAR haut de gamme, remportant la course à la conduite autonome sûre, même si cela reste limité à quelques zones pour l’instant.
Cela a permis à Waymo de sceller des alliances précieuses comme un partenariat stratégique avec Toyota, le plus grand constructeur automobile mondial en volume vendu (>10 millions par an).
Toyota et Waymo visent à combiner leurs forces respectives pour développer une nouvelle plateforme de véhicule autonome. En parallèle, les deux sociétés exploreront comment exploiter la technologie autonome de Waymo et l’expertise automobile de Toyota afin d’améliorer les véhicules personnels de prochaine génération (POV).
Toyota s’engage à réaliser une société sans accidents de la route et à devenir une entreprise de mobilité qui fournit la mobilité à tous.
Hiroki Nakajima - Vice‑Président exécutif de Toyota Motor Corporation
(Vous pouvez lire plus d’informations sur Toyota dans son rapport d’investissement dédié)
Tesla
(TSLA )
L’autre grand concurrent dans la course aux voitures autonomes et aux robotaxis est Tesla.
L’entreprise bénéficie d’un avantage majeur : tous les véhicules vendus sont équipés de caméras que la société estime suffisantes pour entraîner son IA, sans nécessiter de LIDAR, ni même de radars.
Cela signifie que Tesla obtient des millions de miles de données d’entraînement « gratuites », fournis par les acheteurs de Tesla circulant dans des conditions réelles. En revanche, presque toutes les autres entreprises autonomes doivent payer des conducteurs pour parcourir les rues pendant des années dans chaque zone géorepérée, augmentant considérablement les coûts.
Source: ARK Invest
Cependant, le lancement du Full Self‑Driving (FSD) par Tesla a été une promesse « bientôt » perpétuellement retardée pendant plusieurs années (initialement attendue pour 2018), entraînant des critiques sévères pour des attentes irréalistes.
Cela pourrait enfin changer, avec le Texas accordant à Tesla Robotaxi un permis d’exploitation d’un service de covoiturage en août 2025, après un test à Austin depuis juin 2025. Pour l’instant, un employé de Tesla reste à bord en tant que moniteur de sécurité.
Ainsi, Tesla reste, comme toujours, controversée : certains voient l’approbation texane comme le premier pas vers un déploiement à grande échelle du FSD, et le moniteur humain comme une mesure temporaire, tandis que d’autres pensent que Tesla ne délivrera jamais de véritables robotaxis autonomes.
La vérité se situe probablement quelque part entre les deux.
En théorie, si les humains peuvent conduire une voiture uniquement avec leurs yeux, une IA peut faire de même ; donc n’utiliser que des caméras ne devrait pas poser de problème à long terme. Cependant, cette stratégie ambitieuse, qui pourrait être correcte à long terme, a clairement freiné le déploiement à court terme de Tesla, quel que soit le ton optimiste d’Elon Musk.
(Vous pouvez lire plus d’informations sur Tesla dans son rapport d’investissement dédié)
Baidu
Baidu, le moteur de recherche leader en Chine, suit les traces de Google avec Apollo Go, ses propres voitures autonomes.
Baidu a transitionné vers des opérations totalement sans conducteur dans plusieurs villes chinoises, retirant les conducteurs de sécurité de ses véhicules.
Baidu a conclu un accord avec Uber en juillet 2025 pour déployer ses voitures sans conducteur à l’échelle mondiale, hors des États‑Unis et de la Chine.
Les deux entreprises ont déclaré que le partenariat pluriannuel verra « des milliers » de véhicules autonomes Apollo Go de Baidu circuler sur Uber à l’échelle mondiale.
Baidu a déjà fourni 899 000 courses au deuxième trimestre 2024. En 2025, les zones pilotes s’étendront à 20 villes.
En 2024, Baidu a rendu open source sa technologie de conduite autonome, confirmant une tendance de la technologie IA chinoise vers l’open source, comme le montre un mouvement similaire du phénomène d’IA généraliste DeepSeek.
Pour le marché américain, Baidu aura du mal à progresser dans le contexte des tensions commerciales et des inquiétudes concernant les données des utilisateurs, mais il pourrait être un concurrent sérieux à Waymo et Tesla à l’étranger, surtout avec le soutien d’Uber.
Zoox
(AMZN )
Zoox, filiale d’Amazon, se distingue par son design unique, construisant son robotaxi comme un véhicule dédié, différent des caractéristiques habituelles d’une voiture ordinaire.
Source: TechCrunch
L’entreprise a récemment obtenu une exemption du programme d’exemption élargi des véhicules automatisés de la NHTSA, lui permettant de démontrer ses robotaxis construits sur mesure sur les routes publiques. C’est une étape importante car les robotaxis Zoox n’ont pas les éléments essentiels des voitures normales, comme un volant et des pédales.
Zoox a lancé en juin 2025 sa première ligne de production pour ses véhicules, visant à produire plus de 10 000 robotaxis chaque année. Cela fait suite aux tests réalisés dans plusieurs villes américaines et à l’expansion vers : Las Vegas, la baie de San Francisco, Seattle, Austin, Miami, Los Angeles et Atlanta.
Zoox prévoit désormais de proposer commercialement des services de robotaxi à Las Vegas, San Francisco, puis à Austin et Miami dans les prochaines années.
(Vous pouvez lire plus d’informations sur Amazon dans son rapport d’investissement dédié)
WeRide
(WRD )
WeRide est une société fondée en 2017 dans la Silicon Valley et dont le siège se trouve en Chine. L’entreprise a réalisé de nombreux tests à travers le monde, notamment aux Émirats arabes unis, une zone où elle s’étend maintenant grâce à un partenariat avec Uber. Elle déploie également un robotaxi 24 h/24 à Pékin.
Pour résoudre les problèmes de visibilité nocturne, le robotaxi de WeRide est équipé de plus de 20 capteurs, dont des caméras haute précision à haute dynamique et des lidars haute ligne répartis sur le véhicule.
Combiné à son algorithme de fusion multi‑capteurs et à sa plateforme de calcul haute performance, le système offre une couverture à 360° sans angle mort, avec une portée de détection allant jusqu’à 200 m.
Mobileye
(INTC )
Mobileye est une société basée en Israël, acquise par Intel en 2017, puis ré‑introduite en bourse en 2022.
Bien que dotée de technologies prometteuses, des problèmes pourraient se profiler, avec des nouvelles en juillet 2025 indiquant qu’Intel prévoit des licenciements et la vente de 8 % de sa participation dans la société.
Il est possible que cela reflète plutôt des difficultés plus générales chez Intel, la société procédant également à des licenciements dans d’autres activités.
Cela pourrait néanmoins rester un problème pour Mobileye, car cela réduirait les fonds et le soutien que la société peut attendre de sa maison mère, la plaçant en désavantage face à Waymo ou Zoox, par exemple.
(Vous pouvez lire plus d’informations sur Intel dans son rapport d’investissement dédié)
Aurora Innovation
L’entreprise se concentre davantage sur les camions sans conducteur, en se focalisant sur la conduite sur autoroute, qui représente la grande majorité des kilomètres parcourus par les camions.
En mai 2025, Aurora a réalisé sa première course véritablement sans conducteur, après avoir enregistré trois millions de miles autonomes, transportant plus de 10 000 chargements clients.
L’entreprise a été fondée par Chris Urmson, un des premiers leaders du projet de voiture autonome de Google, aujourd’hui bien connu sous la marque Waymo.
« Je roule sur l’autoroute à 65 mph, pas au volant, mais sur le siège arrière, observant le paysage se dérouler tandis qu’un camion chargé de pâtisseries est conduit par la technologie que j’ai aidé à créer. »
Aurora prévoit d’étendre son service sans conducteur à El Paso, Texas, et Phoenix, Arizona, d’ici la fin 2025.
Les projets qui ont abandonné
Alors que les entreprises qui réussissent donnent l’impression que la victoire dans la course à la conduite autonome ne dépend que de la persévérance, il convient de se souvenir des projets qui sont morts en cours de route :
- General Motors a abandonné Cruise en décembre 2024.
- Apple a renoncé à ses propres plans de conduite autonome en avril 2024.
- Uber a vendu sa division de voitures sans conducteur à Aurora Technologies en 2020.
Conduite autonome hors voitures
De nombreuses entreprises travaillent sur la conduite autonome, mais se concentrent sur des systèmes autres que les voitures.
Par exemple, les petits robots de livraison, techniquement des véhicules autonomes, sont suffisamment petits pour échapper à la réglementation destinée aux voitures. Aujourd’hui, les leaders dans le domaine des robots roulants sont Starship Technologies d’Estonie, lancée par les co‑fondateurs de Skype, et le géant chinois du commerce électronique Alibaba (BABA ); tous deux ont adopté un design petit et inoffensif rappelant les droïdes de Star Wars.
Source: Starship
Pour des raisons réglementaires et en raison de l’impact d’un accident impliquant des véhicules lourds, les camions autonomes dépendent encore d’une intervention humaine, avec des entreprises comme Kodiak, Gatik et Pony.ai suivant la voie tracée par Aurora Innovation.
Une autre idée consiste à recourir à des drones volants pour la livraison d’articles petits et légers. Jusqu’à présent, le leader est clairement Zipline, suivi de Wing et de Meituan (3690.HK). Cela pourrait constituer une vraie révolution, mais cela fait face à des obstacles réglementaires encore plus importants que les camions autonomes, ce qui pourrait retarder son déploiement à grande échelle.
Source: ARK Invest
Conclusion
Après des années de progression lente malgré les promesses « imminentes » de voitures totalement autonomes attendues par Elon Musk et d’autres leaders du secteur, 2025 représente un point d’accélération clair pour la technologie autonome.
De nombreuses villes qui ont pris le pari tôt voient désormais leurs robotaxis circuler régulièrement dans leurs rues, faisant baisser le prix du transport à la demande.
Il semble pour l’instant que les États‑Unis et la Chine soient les deux pays en tête au niveau mondial, tant du côté des entreprises leaders que du côté de réglementations plus souples, la boucle de rétroaction positive entre innovation et cadre réglementaire accueillant constituant probablement une étude de cas précieuse pour les économistes à l’avenir.
Pour l’instant, la vision de robotaxis limités, géorepérés et déployés lentement avec un ensemble complet de caméras, LIDAR, radars et autres capteurs semble avoir été la combinaison gagnante pour ne plus avoir besoin de conducteurs.
Cela a grandement bénéficié à Waymo grâce à son approche prudente, avec Zoox et de nombreuses autres entreprises à ses trousses qui rattrapent rapidement.
Parallèlement, Tesla poursuit ses rêves d’une technologie « Full Self‑Driving » générale capable de conduire sur n’importe quelle route en ne s’appuyant que sur des caméras, idéalement via une simple mise à jour logicielle sur toutes les voitures Tesla existantes. C’est un pari risqué, mais aussi une idée intéressante qui semble être la seule susceptible de livrer une conduite autonome illimitée dans un avenir proche.
La technologie géorepérée sera probablement déployée très lentement à l’échelle mondiale, petit à petit, et restera limitée à la concurrence avec les services de taxi traditionnels dans les grandes villes. Cela laisse de côté une grande partie du prix potentiel de plusieurs billions de dollars que pourraient offrir les véritables robotaxis capables de remplacer la possession d’une voiture grâce à des trajets ultra‑bon marché, 24 h/24, 7 j/7 en VE.
Donc, fidèle à sa culture d’entreprise, Tesla pourrait être le grand gagnant et créer un tout nouveau marché massif, révolutionnant à nouveau ce que signifie une voiture, mais seulement s’il parvient à résoudre un défi technique apparemment insurmontable.
