Véhicules autonomes : quelles opportunités pour les entreprises françaises?

La voiture autonome est un sujet qui suscite un fort intérêt: défis technologiques, enjeux économiques, écologiques, sociétaux…Tout est réuni pour que cette technologie captive l’attention et devienne l’objectif ultime d’un grand nombre d’acteurs de la mobilité. Plus de sécurité et de confort, une mobilité intelligente plus fluide grâce à la gestion des flux, telles sont ses promesses. Mais le sujet est complexe car multidisciplinaire et il est difficile de connaître l’état réel des avancées tant les effets d’annonce sont nombreux.

Qu’est-ce qu’une « voiture autonome » ? Pourquoi ce terme est-il souvent associé – voire confondu – avec les termes « voiture automatisée » ou « voiture connectée » ?

C’est autour de la classification des différents niveaux d’automatisation des véhicules établie en 2014 par la SAE (Society of Automotive Engineers) que s’établit le consensus actuel pour définir ces termes.

Le niveau 0 correspond aux voitures n’ayant aucune automatisation, le conducteur a contrôle sur tout. Pour les voitures de niveau 1, des dispositifs d’aide à la conduite (ou ADAS pour Advanced Driver-Assistance Systems en anglais) sont introduits (aide au freinage ABS, régulateur de vitesse…), mais le conducteur garde le contrôle global. Le niveau 2 correspond à une automatisation partielle où plusieurs fonctions automatisées du niveau 1 sont combinées (comme le park assist, aide électronique au stationnement, qui résulte de l’automatisation combinée du régulateur de vitesse et du centrage sur la voie). Pour ces 3 premiers niveaux, le conducteur a toujours le contrôle, les automatisations ne sont que des aides.
Le niveau 3 correspond à une conduite autonome conditionnelle, qui ne peut avoir lieu que dans certaines conditions environnementales et de trafic. A ce niveau, le conducteur doit pouvoir reprendre la main à n’importe quel moment (quelques véhicules proposent des autonomies conditionnelles en cas d’embouteillage, le niveau 3 de l’Autopilot de Tesla est capable de rouler seule sur autoroute). Le niveau 4 correspond à une plus haute autonomie : elle est totale sur un trajet donné et dans certaines conditions, le conducteur n’est pas censé être disponible pour reprendre le contrôle (là encore les zones sont très spécifiques comme les parkings ou les autoroutes). Enfin le niveau 5 correspond à une autonomie totale sans aide d’un conducteur et dans toutes les conditions.

source : les défis du CEA n°230

Par ailleurs, l’aide à la conduite et l’autonomie nécessitant de pouvoir recevoir et émettre des informations continuellement, les véhicules automatisés et autonomes sont donc connectés.

Seuls les véhicules de niveau 5 peuvent être qualifiés de totalement autonomes. Les autres ont un certain degré d’automatisation et donc un certain degré d’autonomie.

Quelles sont les technologies nécessaires pour la réalisation de tels véhicules ?

Des capteurs pour percevoir l’environnement

La conduite autonome suppose des moyens avancés de perception de l’environnement, capables dans l’idéal d’égaler la perception d’un conducteur humain. On assiste à une course à l’innovation dans ce domaine : celui qui détiendra la technologie de capteurs la plus fiable et performante aura sans aucun doute une grande avance sur ses concurrents.

 

La technologie des capteurs a beaucoup progressé ces vingt dernières années et les constructeurs disposent aujourd’hui de systèmes performants de localisation et de perception: GPS associé à la cartographie numérique, odomètres, accéléromètres, centrales inertielles, caméras performantes, radars, capteurs ultrasonores. Plusieurs technologies sont expérimentées et sont en concurrence pour le véhicule autonome.

Il semble actuellement que beaucoup d’espoirs soient placés dans la technologie des capteurs LIDAR (Light Detection And Ranging) : ces capteurs de télédétection par laser permettent une cartographie 3D de l’environnement. Le marché des LIDAR est en forte croissance et très concurrentiel (une centaine de fournisseurs de technologie dénombrée dans cette étude). Les équipementiers automobiles se positionnent sur ce marché. La société BOSCH a annoncé récemment la production en masse de Lidars: d’une part car, selon les responsables de la société, cette technologie est la plus performante pour appréhender l’environnement, d’autre part car Bosch souhaite en faire diminuer les coûts de production. De même la société VALEO s’est engagée dans cette technologie et déclaré avoir vu ses ventes fortement augmenter en 2019 . Les entreprises de la Silicon Valley sont bien sûr présentes dans ce paysage concurrentiel, à l’instar de VELODYNE LIDAR, acteur majeur sur le marché qui a présenté ses derniers capteurs au CES de La Vegas en janvier 2020 et souhaite tout comme BOSCH optimiser les coûts et produire en masse. Ce sont ses capteurs qui équipent les navettes autonomes du français Navya. La société canadienne LEDDARTECH a également présenté sa dernière innovation technologique au CES de 2020.

Mais d’autres technologies sont en cours de développement et en concurrence car pour certains experts les capteurs Lidar sont trop lents et leur résolution trop limitée. Ainsi, la société suédoise TerraNet a présenté au CES de 2020 une technologie vendue comme étant plus précise et plus rapide que le Lidar. Par ailleurs, le MIT développe « ShadowCam », un système de détection des ombres projetées au sol lorsqu’un objet en mouvement approche. Ce système s’est avéré plus rapide de plus d’une demie seconde par rapport à un Lidar mais est encore très limité et doit être amélioré pour fonctionner en conditions réelles. Un autre laboratoire du MIT développe un radar ultra-perçant, capable de « regarder » sous la route pour se repérer. Ceci permettrait de mieux guider les voitures en cas d’intempéries (neige, brouillard). Enfin, des startups s’engagent dans cette course: par exemple la startup française OUTSIGHT a levé 20 millions de dollars pour développer un capteur associant caméra et laser.

Il est difficile aujourd’hui de prévoir quelle technologie prendra le dessus. Ce qui est clair, c’est que plusieurs capteurs sont nécessaires pour obtenir une information globale pertinente: tous les capteurs présentent des limitations qui les rendent inutilisables dans certaines conditions. De plus, la défaillance d’un capteur peut surgir à tout moment. La fusion multi-capteur, qui combine des données fournies par les différents capteurs paraît donc pour le moment nécessaire.

A suivre

  • le 16/04/20 : Un réseau pour communiquer, l’Intelligence Artificielle pour décider et agir.
  • le 23/04/20 : Où en est-on aujourd’hui? Quel avenir? Quels signaux pour les entreprises françaises?