La navigation étape par étape : une technologie éprouvée
La navigation étape par étape n’est pas une technologie nouvelle. Depuis plus de deux décennies, les conducteurs se fient à des systèmes tels que Garmin, TomTom, et plus récemment, à des applications mobiles comme Google Maps et Waze pour bénéficier d’instructions précises et fiables. Ces systèmes ont guidé des millions de personnes à travers des villes, autoroutes et routes secondaires inconnues avec une efficacité remarquable. Ils gèrent le trafic en temps réel, les détours dus à des travaux, et les intersections complexes sans trop de tracas. Pourtant, Tesla, la société qui a promis une conduite autonome révolutionnaire avec son Full Self-Driving (FSD), continue de rencontrer des difficultés avec cette capacité fondamentale. Alors que la version FSD (Supervisée) v14.3.4 commence à être déployée cette semaine, la navigation reste son talon d’Achille, sapant l’ensemble de la vision autonome de la marque.
Les avancées et les lacunes de la technologie FSD
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 faux tournants, des sorties manquées, un routage inefficace passant par des routes locales au lieu des autoroutes, des erreurs de limites de vitesse fantômes, et même des directions conduisant à 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 autonome
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 ne le font pas ont des années, voire des décennies, d’expérience sur les routes locales. Nous pourrions avoir une meilleure connaissance des itinéraires. Mais les erreurs de navigation vont au-delà d’un simple choix d’itinéraire légèrement différent, qui pourrait vous faire gagner quelques minutes. Parfois, elles sont véritablement déroutantes.
Cela ne se limite pas à être agaçant ; cela entraîne des échecs plus larges. Un plan d’itinéraire défectueux complique la prise de décision de l’IA, conduisant à un comportement hésitant, à des désengagements inutiles, ou à des manœuvres dangereuses comme des demi-tours impossibles ou l’ignorance des rampes claires. Dans un système censé fonctionner avec une supervision minimale, une navigation peu fiable érode la confiance. Souvent, une navigation erronée ou simplement incorrecte 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 fait penser que Tesla pourrait apporter des changements ; ils les ont juste faits dans la mauvaise direction.
Les sources de données multiples et leur impact
On peut se demander : pourquoi une entreprise qui a réalisé tant de progrès avec le FSD et l’autonomie a-t-elle autant de mal avec la navigation, quelque chose d’ancien et de bien établi ? 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 sa flotte — assemblées plutôt qu’une carte unique et autorisée. Lorsque ces sources entrent en conflit sur la géométrie des voies, l’état des routes ou les détails de virages, le système hésite ou choisit incorrectement.
Les fournisseurs de 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 dans la collecte de données, 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.
L’apprentissage persistant et ses enjeux
Le FSD semble avoir des difficultés avec l’apprentissage persistant à partir 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 intégrer les corrections sur le même trajet ou dans des scénarios similaires. Les propriétaires notent qu’ils effectuent le même contournement manuel plusieurs fois sans que le moteur de routage n’adapte 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 des itinéraires à long terme et de la personnalisation, rendant la navigation rigide et « opinionnée » par rapport à la logique adaptative de Waze ou Google Maps. J’ai remarqué que lorsque j’ai demandé à Grok de me ramener chez moi d’une certaine manière (un itinéraire que le FSD prenait régulièrement dans le passé parce qu’il était le plus efficace), il a dû placer un point de cheminement entre ma position à ce moment-là et ma maison. Lorsque j’ai essayé de supprimer ce point de cheminement, car Grok l’avait placé pour permettre au FSD de sortir de l’autoroute à la bonne sortie, cela l’a de nouveau déconcerté, le faisant prendre un chemin plus long pour rentrer chez moi.
Les défis de raisonnement et d’adaptabilité
Troisièmement, pour que la navigation soit à l’échelle des ambitions de robotaxi ou d’une conduite sans supervision, elle nécessite non seulement de la précision mais aussi de l’adaptabilité et un raisonnement similaire à celui des utilisateurs. Le FSD actuel opte souvent pour des itinéraires uniques qui ignorent les préférences du conducteur 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. Pratiquement, 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 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, l’évaluation et l’avenir de Tesla dépendent de la capacité du FSD à offrir une conduite sans supervision ; des défauts persistants en matière de navigation 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 réalisé des miracles dans le domaine des véhicules électriques et de la technologie des batteries. Maîtriser la navigation étape par étape — technologie que Garmin a perfectionnée au début des années 2000 — ne devrait pas être aussi difficile. En investissant dans une intégration des données plus rigoureuse, des boucles d’apprentissage plus rapides à partir des interventions, et des algorithmes de routage plus intuitifs, Tesla pourrait combler cette lacune.
Jusqu’à ce que cela soit réalisé, 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.
