La navigation étape par étape : une technologie qui n’est pas nouvelle
La navigation par étapes n’est pas une technologie nouvelle. Depuis plus de deux décennies, les conducteurs s’appuient sur des systèmes comme Garmin, TomTom et, plus récemment, des applications pour smartphones telles que 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 liés à la construction et les intersections complexes sans trop de tracas. Pourtant, Tesla, la société qui a promis une conduite entièrement autonome révolutionnaire (Full Self-Driving – FSD), continue de rencontrer des difficultés avec cette fonctionnalité fondamentale. Alors que la version FSD (Supervisée) 14.3.4 commence à être déployée sur les voitures cette semaine, la navigation demeure son talon d’Achille évident, sapant l’ensemble de la vision autonome de l’entreprise.
Des progrès dans certains domaines, mais des lacunes en navigation
Le FSD de Tesla excelle dans de nombreux comportements de conduite : accélérations fluides, changements de voie en toute confiance dans des conditions idéales, et 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 limites de vitesse, et même des directions vers des entrées arrière de bâtiments. Les interventions pour des problèmes de navigation dépassent souvent celles liées aux manœuvres de conduite essentielles. Tesla a commencé à interroger les propriétaires spécifiquement sur ces erreurs, reconnaissant le problème après des années de plaintes.
Les défis de la navigation dans le FSD
La navigation est sans doute ma plus grande plainte concernant le FSD, car parfois, nous savons mieux. Certains d’entre nous vivent dans leur région depuis toute leur vie, mais même ceux qui n’y ont pas grandi ont des années, voire des décennies, d’expérience de conduite sur les routes locales. Nous pourrions avoir une meilleure idée des itinéraires. Mais les erreurs de navigation vont au-delà du FSD qui prend potentiellement un itinéraire légèrement différent qui pourrait vous faire gagner quelques minutes. Parfois, elles sont véritablement déroutantes.
Cela ne se limite pas à être gênant ; cela entraîne des échecs plus larges. Un plan d’itinéraire défectueux perturbe la prise de décision de l’IA, conduisant à un comportement hésitant, à des désengagements inutiles ou à des manœuvres dangereuses, comme tenter des demi-tours impossibles ou ignorer des rampes claires. Dans un système censé fonctionner avec une supervision minimale, une navigation peu fiable érode la confiance. Trop souvent, une navigation incorrecte ou manifestement erronée est ce qui me pousse à interrompre le fonctionnement du FSD. Malheureusement, je crois que la dernière version du FSD est le pire exemple de cela, et cela me pousse à penser que Tesla pourrait apporter des changements ; ils ont juste fait des ajustements dans la mauvaise direction.
Des sources de données multiples
Premièrement, la navigation de Tesla repose sur un patchwork fragile de plusieurs sources de données — Google Maps, TomTom, OpenStreetMap, Valhalla, et ses propres données dérivées de sa flotte — assemblées ensemble plutôt qu’une carte autorisée unique. Lorsque ces sources entrent en conflit sur la géométrie des voies, l’état des routes ou les détails des virages, 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 peut ne pas réconcilier facilement en temps réel.
Apprentissage persistant
Le FSD semble avoir du mal avec l’apprentissage persistant 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 au cours d’un même trajet ou dans des scénarios similaires. Les propriétaires notent qu’ils effectuent plusieurs fois la même intervention manuelle sans que le moteur de routage ne mette à jour son comportement de manière significative. Cela découle de l’architecture neuronale qui privilégie la perception et le contrôle en temps réel au détriment de la mémoire d’itinéraire à long terme et de la personnalisation, rendant la navigation rigide et « opinionnée » par rapport à la logique adaptative de Waze ou Google Maps.
Raisonnement, évolutivité et intuition
Troisièmement, la mise à l’échelle de la navigation pour des ambitions de robotaxi ou de conduite sans supervision nécessite non seulement de l’exactitude, mais aussi de l’adaptabilité et un raisonnement semblable à celui des utilisateurs. Le FSD actuel se limite souvent à des itinéraires uniques qui ignorent les préférences des conducteurs ou les nuances du monde réel, comme les schémas de circulation selon l’heure de la journée. Il échoue à égaler la planification intuitive et consciente du contexte que les systèmes traditionnels ont perfectionnée au fil des ans.
Résoudre les problèmes de navigation est crucial pour plusieurs raisons. D’un point de vue pratique, c’est la colonne vertébrale de tout voyage autonome : sans un routage fiable, la voiture ne peut pas atteindre ses destinations de manière fiable, 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.
D’un point de vue économique, la valorisation de Tesla et son avenir dépendent de la capacité du FSD à offrir une conduite sans supervision ; 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 intégration de données plus solide, des boucles d’apprentissage plus rapides à partir des interventions, et des algorithmes de routage plus intuitifs, Tesla pourrait combler cette lacune. D’ici là, les luttes de navigation du FSD soulignent une vérité humiliante : même l’innovateur le plus ambitieux doit parfois maîtriser les bases avant de conquérir l’avenir.
