La navigation étape par étape : une technologie pas si nouvelle
La navigation étape par étape n’est pas une technologie nouvelle. Depuis plus de deux décennies, les conducteurs s’appuient sur Garmin, TomTom et, plus récemment, des applications sur smartphone comme Google Maps et Waze pour recevoir des directions précises et fiables. Ces systèmes ont guidé des millions de personnes en toute sécurité à travers des villes inconnues, des autoroutes et des routes secondaires avec une efficacité remarquable. Ils gèrent le trafic en temps réel, les détours dus aux travaux et les intersections complexes avec un minimum de tracas. Pourtant, Tesla, l’entreprise qui a promis une conduite autonome révolutionnaire avec son système Full Self-Driving (FSD), continue de rencontrer des difficultés avec cette capacité fondamentale. Alors que la version FSD (Supervised) v14.3.4 commence à être déployée dans les voitures cette semaine, la navigation demeure son talon d’Achille, sapant toute la vision autonome.
Une avancée dans la fonction Summon, mais des lacunes en navigation
La fonction Summon de Tesla a considérablement progressé dans la version FSD v14.3.2, mais la navigation, en revanche, ne suit pas. Le FSD de Tesla excelle dans de nombreux comportements de conduite, tels que l’accélération fluide, les changements de voie confiants dans des conditions idéales et la gestion réactive des obstacles visibles. Cependant, lorsqu’il s’agit de suivre un itinéraire avec précision, le système échoue à plusieurs reprises. Les propriétaires signalent des virages erronés, des sorties manquées, des itinéraires inefficaces passant par des routes locales au lieu des autoroutes, des erreurs fantômes de limitations de vitesse, et même des instructions pour accéder aux entrées arrière des bâtiments. Les interventions liées aux problèmes de navigation dépassent souvent celles concernant les manœuvres de conduite de base. Tesla a commencé à interroger les propriétaires spécifiquement sur ces erreurs, reconnaissant le problème après des années de plaintes.
Une navigation défaillante, des frustrations croissantes
La navigation est peut-être ma plus grande plainte concernant le FSD, car parfois, nous savons mieux. Certains d’entre nous vivent dans leur région depuis toute une vie, mais même ceux qui ne le font pas ont des années, voire des décennies, d’expérience de conduite sur les routes locales. Nous pouvons avoir une meilleure idée des itinéraires à emprunter. Mais les erreurs de navigation vont au-delà d’un itinéraire légèrement différent qui pourrait ou non vous faire gagner quelques minutes. Parfois, elles sont réellement déroutantes.
Ce n’est pas seulement ennuyeux ; cela cascade en des échecs plus larges. Un plan d’itinéraire défectueux trouble la prise de décision de l’IA, entraînant un comportement hésitant, des désengagements inutiles ou des manœuvres dangereuses comme des demi-tours impossibles ou l’ignorance de rampes claires. Dans un système censé fonctionner avec une supervision minimale, une navigation peu fiable érode la confiance. Trop souvent, des instructions de navigation fausses ou carrément incorrectes me poussent à interrompre le fonctionnement du FSD. Malheureusement, je crois que la dernière version du FSD en est le pire exemple, et cela me fait penser que Tesla pourrait apporter des changements ; ils les ont juste faits dans la mauvaise direction.
Pourquoi tant de difficultés avec la navigation ?
Cela nous amène à nous interroger : pourquoi une entreprise qui a accompli tant de progrès avec le FSD et l’autonomie rencontre-t-elle autant de difficultés avec la navigation, quelque chose qui n’est pas nouveau et existe depuis longtemps ?
Des sources de données multiples
Tout d’abord, la navigation de Tesla repose sur un patchwork fragile de multiples sources de données : Google Maps, TomTom, OpenStreetMap, Valhalla et ses propres données dérivées de la flotte, assemblées plutôt qu’une carte unique et autoritaire. Lorsque ces données entrent en conflit sur la géométrie des voies, l’état des routes ou les détails des tournants, le système hésite ou choisit incorrectement. Les fournisseurs GPS traditionnels maintiennent des bases de données centralisées, régulièrement validées, avec une curation professionnelle et des mises à jour rapides. L’approche hybride de Tesla, bien qu’innovante en matière de crowdsourcing, introduit des incohérences que l’approche purement basée sur la vision ou l’IA de bout en bout ne peut pas facilement résoudre en temps réel.
Apprentissage persistant : un défi pour le FSD
Le FSD semble avoir du mal à apprendre de manière persistante des interventions des conducteurs. Contrairement aux applications grand public qui s’adaptent rapidement aux corrections répétées ou aux préférences des utilisateurs (par exemple, éviter certains itinéraires ou se souvenir des détours habituels), le FSD de Tesla échoue souvent à internaliser les corrections lors du même trajet ou dans des scénarios similaires. Les propriétaires notent qu’ils effectuent plusieurs fois la même intervention manuelle sans que le moteur d’itinéraire n’actualise son comportement de manière significative. Cela provient de l’architecture neuronale qui priorise la perception et le contrôle en temps réel plutôt que la mémoire des itinéraires à long terme et la personnalisation, rendant la navigation rigide et « opinionnée » par rapport à la logique adaptative de Waze ou Google Maps.
J’ai remarqué que lorsque je demandais à Grok de me ramener chez moi d’une certaine manière (un chemin que le FSD prenait régulièrement dans le passé parce qu’il était le plus efficace), il devait placer un point de passage entre ma position actuelle et ma maison. Lorsque j’ai essayé de supprimer le point de passage, que Grok avait placé pour que le FSD puisse quitter l’autoroute à la bonne sortie, il était de nouveau déconcerté, a changé d’itinéraire et a emprunté un chemin plus long pour rentrer chez moi.
Des itinéraires étranges et une navigation en déclin
La prochaine chose que j’ai remarquée, et cela pourrait être controversé, c’est que la navigation s’est encore aggravée. Je pense que cela pourrait en réalité être une bonne chose ; Tesla semble être en train de l’ajuster. Ils ont juste besoin de l’ajuster dans la direction opposée. La voiture prend des itinéraires extrêmement étranges vers des destinations…
Raisonnement, évolutivité et intuition
Troisièmement, l’évolutivité de la navigation pour des ambitions de robotaxi ou de conduite non supervisée nécessite non seulement précision, mais aussi adaptabilité et raisonnement semblable à celui des utilisateurs. Le FSD actuel se contente souvent d’itinéraires uniques qui ignorent les préférences des conducteurs ou les nuances du monde réel, telles que les modèles de circulation selon l’heure de la journée. Il échoue à égaler la planification intuitive et contextuelle que les systèmes traditionnels ont perfectionnée au fil des ans.
Résoudre les problèmes de navigation est crucial pour plusieurs raisons. Pratiquement, c’est la colonne vertébrale de tout voyage autonome : sans un itinéraire fiable, la voiture ne peut pas atteindre de manière fiable les destinations, rendant le FSD inutile pour les robotaxis ou les trajets sans les mains. La sécurité en dépend : des plans mal assortis créent de l’hésitation lors des changements de voie ou des intersections, augmentant le risque d’accidents.
Économiquement, la valorisation et l’avenir de Tesla dépendent de la capacité du FSD à offrir une conduite non supervisée ; des défauts de navigation persistants retardent l’approbation réglementaire et érodent la confiance des consommateurs. Pour les propriétaires qui ont payé des primes pour le FSD, ces problèmes représentent des promesses non tenues. Bien qu’il soit peu probable que Tesla perde trop de clients en raison d’une mauvaise navigation, certains seront frustrés par le besoin constant d’intervention humaine.
Tesla a accompli des miracles dans le domaine des véhicules électriques et de la technologie des batteries. Maîtriser la navigation étape par étape — une technologie que Garmin a perfectionnée au début des années 2000 — ne devrait pas être si difficile. En investissant dans une meilleure intégration des données, des boucles d’apprentissage plus rapides à partir des interventions, et des algorithmes de routage plus intuitifs, Tesla pourrait combler cet écart.
Jusqu’à ce moment-là, les difficultés de navigation du FSD mettent en lumière une vérité humiliante : même l’innovateur le plus ambitieux doit parfois maîtriser les bases avant de conquérir l’avenir.
