La navigation tournant par tournant : une technologie éprouvée
La navigation tournant par tournant n’est pas une technologie nouvelle. Depuis plus de deux décennies, les conducteurs se fient à des systèmes comme Garmin, TomTom, et plus récemment, à des applications pour smartphones telles que Google Maps et Waze pour obtenir 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, la société 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 (Supervisée) v14.3.4 commence à être déployée sur les véhicules cette semaine, la navigation reste son talon d’Achille manifeste, sapant l’ensemble de la vision autonome.
Des avancées mais des lacunes dans la navigation
La fonction Tesla Summon a fait des progrès considérables dans la version FSD v14.3.2, mais la navigation? Pas vraiment. Le FSD de Tesla excelle dans de nombreux comportements de conduite, tels qu’une accélération fluide, des changements de voie confiants dans des conditions idéales, et une 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 erreurs de direction, des sorties manquées, un routage inefficace par des routes locales au lieu des autoroutes, des erreurs fantômes sur les limitations de vitesse, et même des indications menant 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.
Des préoccupations majeures pour les utilisateurs
La navigation est peut-être ma plus grande plainte concernant le FSD, car parfois, nous savons mieux. Certains d’entre nous vivent dans leurs régions toute leur vie, mais même ceux qui ne le font pas ont des années, voire des décennies, d’expérience de conduite sur des 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 réellement déroutantes.
Ce n’est pas juste agaçant ; cela se traduit par des échecs plus larges. Un plan d’itinéraire défectueux confond 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, c’est une navigation fausse ou carrément incorrecte qui me pousse à interrompre le fonctionnement du FSD. Malheureusement, je crois que la dernière version du FSD est le pire exemple de cela, ce qui me fait penser que Tesla pourrait apporter des changements, mais dans la mauvaise direction.
Pourquoi tant de difficultés avec la navigation ?
Cela amène à se demander : pourquoi une entreprise qui a tant accompli dans le domaine du FSD et de l’autonomie éprouve-t-elle tant de difficultés avec la navigation, une technologie qui n’est pas nouvelle et qui existe depuis longtemps ?
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. Ces données sont assemblées plutôt que d’utiliser une carte unique et autoritaire. Lorsque ces sources entrent en conflit sur la géométrie des voies, l’état des routes ou les détails des virages, le système hésite ou fait des choix incorrects. 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 que novatrice en matière de crowdsourcing, introduit des incohérences que l’approche purement basée sur la vision ou IA de bout en bout n’arrive pas à concilier facilement en temps réel.
Apprentissage persistant
Le FSD semble également 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 de détours habituels), le FSD de Tesla échoue souvent à internaliser les corrections durant le même trajet ou dans des scénarios similaires. Les propriétaires notent qu’ils doivent effectuer plusieurs fois le même contournement manuel sans que le moteur de routage n’adapte son comportement de manière significative. Cela provient de l’architecture neuronale qui priorise la perception et le contrôle en temps réel sur 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.
Des routes étranges et des ajustements nécessaires
J’ai remarqué que lorsque je demandais à Grok de me ramener chez moi d’une certaine manière (un itinéraire que le FSD prenait régulièrement dans le passé car c’était le plus efficace), il devait placer un point de passage entre ma position actuelle et ma maison. Lorsque j’ai essayé de supprimer ce point de passage, comme Grok l’avait placé pour permettre à FSD de sortir de l’autoroute à la bonne sortie, il a été de nouveau déconcerté, a recalculé et a pris un chemin plus long pour rentrer chez moi. La prochaine chose que j’ai remarquée, et cela pourrait être controversé, c’est que la navigation a encore empiré. Je pense que cela pourrait en fait être une bonne chose ; Tesla semble être en train de l’ajuster. Ils ont juste besoin de l’ajuster dans l’autre sens.
Raisonnement, échelle et intuition
Troisièmement, pour que la navigation s’adapte à des ambitions de robotaxi ou de conduite sans supervision, il faut non seulement de la précision, mais aussi de l’adaptabilité et un raisonnement similaire à celui des utilisateurs. Le FSD actuel se base souvent sur des itinéraires uniques qui ignorent les préférences des conducteurs ou les nuances du monde réel, comme les schémas de trafic 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
La résolution des problèmes de navigation est cruciale pour plusieurs raisons. Pratiquement, elle constitue la colonne vertébrale de tout trajet 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 des hésitations lors des changements de voie ou aux intersections, augmentant le risque d’accidents. Économiquement, la valorisation et l’avenir de Tesla reposent sur 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 se sentiront 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 tournant par tournant — une technologie que Garmin a perfectionnée au début des années 2000 — ne devrait pas être si difficile. En investissant dans une intégration des données plus serrée, des boucles d’apprentissage plus rapides à partir des interventions, et des algorithmes de routage plus intuitifs, Tesla pourrait combler cette lacune. En attendant, les difficultés de navigation du FSD soulignent une vérité humiliante : même le plus ambitieux des innovateurs doit parfois maîtriser les bases avant de conquérir l’avenir.
