Comment la conduite autonome de bout en bout change-t-elle le modèle ?

Que vous imaginez-vous quand vous pensez à une voiture qui conduit toute seule ? Probablement des dizaines de capteurs placés sur la route, des cartes gigantesques et des ingénieurs ayant écrit chaque situation à l'avance sous forme de règles, n'est-ce pas ? Eh bien, Tesla a inversé ce tableau avec la version 12 de FSD : il n'y a plus des milliers de règles écrites à la main ; l'image brute des caméras entre, et la commande direction-frein-accélérateur sort. Mais que signifie réellement dire à un réseau de neurones « apprends à conduire » ? Comment cette transition transforme-t-elle le monde de la conduite autonome - et où se bloque-t-elle ?
L'Architecture Modulaire Classique : La Chaîne de Montagne dans l'Assistant de Conduite
Avant de parler d'end-to-end, il faut comprendre l'ancien ordre, car la plupart des systèmes sur les routes aujourd'hui fonctionnent encore selon cette logique. L'architecture modulaire organise le logiciel de conduite autonome comme une chaîne de montage : chaque étape fait son propre travail et transmet le résultat à la suivante. De Cruise, l'un des premiers véhicules vainqueurs du DARPA Grand Challenge, jusqu'à Mobileye et Autoware en open source, cette approche a une longue histoire.
- Perception : les données LiDAR, caméra et radar sont traitées et les objets détectés ; des algorithmes comme YOLO et VoxelNet opèrent dans cette couche.
- Prédiction : les piétons et les autres véhicules sont modélisés avec leurs trajectoires à court et long terme.
- Planification : l'itinéraire est calculé avec des algorithmes classiques comme A* ou Dijkstra, et les manœuvres locales avec des méthodes comme RRT.
- Contrôle : c'est généralement le Model Predictive Controller (MPC) qui entre en jeu et dirige physiquement le véhicule.
Le plus grand avantage de cette structure est la transparence : vous pouvez tester chaque module séparément et identifier quelle étape a fait quoi de travers. Mais sa plus grande faiblesse se cache précisément là - la propagation des erreurs. Si le module de perception classe mal un piéton, cette erreur se propage jusqu'au bout de la chaîne et le module de planification prend ses décisions avec des données déjà corrompues. De plus, entraîner chaque module séparément exige une expertise domaine sérieuse et une puissance de calcul importante ; le traitement par étapes est en soi une source d'inefficacité.
Les Points Clés
- Tesla FSD, avec la version 12 (ouverte aux clients début 2024), est passé à une architecture de réseau de neurones entièrement end-to-end ; aujourd'hui vous êtes à la version 14.
- Dans l'architecture modulaire, perception, prédiction, planification et contrôle sont des modules séparés ; en end-to-end, tout est réuni dans un seul réseau de neurones.
- Le nom officiel de FSD reste FSD (Supervised) : ce n'est pas une voiture entièrement autonome, mais un système d'assistance exigeant un conducteur constamment attentif.
- Le plus grand problème de l'end-to-end est l'explicabilité : la vérification formelle des réseaux de neurones reste un problème d'ingénierie non résolu.
L'Approche End-to-End : Des Millions d'Exemples au Lieu de Milliers de Règles

Dans la conduite end-to-end, l'idée est d'une simplicité frappante : vous fournissez les données brutes des capteurs - caméra, LiDAR, radar, GPS - à un seul immense réseau de neurones et vous obtenez directement du réseau des commandes de conduite ou un plan de conduite. Perception, prédiction et planification cessent d'être des logiciels séparés et fondent dans un seul programme. Tesla a emprunté cette route avec le FSD v12 et début 2024 est apparue la première version end-to-end que les conducteurs ont expérimentée au volant. Aujourd'hui, le système a évolué jusqu'à la v14.
Laissez-moi expliquer la différence par une analogie : le système modulaire est un étudiant qui a appris par cœur le code de la route ; il a une règle prête pour chaque situation. Le système end-to-end, lui, est un chauffeur expérimenté assis à côté de vous et que vous avez observé pendant des milliers d'heures ; il ne peut peut-être pas expliquer point par point pourquoi il fait ce qu'il fait, mais il sent le bon geste. Le réseau neuronal apprend non seulement ce que sont les objets, mais aussi la manière dont les conducteurs humains y réagissent.
Alors, comment le réseau est-il entraîné ?
Il y a deux voies principales. La première est l'apprentissage par imitation (behavior cloning) : le réseau apprend à copier le comportement des conducteurs humains sur des millions de kilomètres. C'est une belle méthode, mais elle présente deux faiblesses - la dérive de covariance et la confusion causale ; autrement dit, le réseau peut apprendre à tort ce qui est réellement important. La seconde est l'apprentissage par renforcement : en simulation, le réseau est entraîné par essais et erreurs avec un système de récompenses. NVIDIA possède dans ce domaine un historique qui va de DAVE-2 en 2016 jusqu'à DRIVE Thor, qui offre aujourd'hui une puissance de calcul allant jusqu'à 1.000 TOPS ; Wayve et Comma.ai sont les autres acteurs qui suivent la même philosophie.
Modulaire ou end-to-end ? Comparaison concrète
Lorsque nous plaçons les deux approches côte à côte, le tableau devient clair. Voici les avantages de l'architecture end-to-end énumérés par les chercheurs : la réduction de la propagation des erreurs, l'efficacité de calcul, la facilité relative de l'entraînement et, de façon intéressante, la résistance aux attaques - comme aucun input spécifique déclenchant le comportement de conduite du système ne peut être identifié de l'extérieur, la manipulation malveillante devient également plus difficile.
| Caractéristique | Architecture modulaire | Architecture end-to-end |
|---|---|---|
| Structure | Perception → prédiction → planification → contrôle en modules séparés | Un seul réseau neuronal, des données brutes des capteurs jusqu'au contrôle |
| Méthode de développement | Règles écrites à la main + modules entraînés séparément | Apprentissage à partir des données (imitation / renforcement) |
| Transparence | Élevée ; chaque module peut être testé séparément | Faible ; le mécanisme de décision est une boîte noire |
| Propagation des erreurs | Présente ; l'erreur de perception se propage le long de la chaîne | Réduite |
| Besoins en données | Expertise du domaine par module | Un très grand ensemble de données est obligatoire |
Le gros atout du camp adverse, c'est la transparence. Vous pouvez auditer un système modulaire pièce par pièce ; vous ne pouvez que partiellement voir ce qui se passe dans la tête du réseau neuronal. Bien que le monde de la recherche apporte des réponses partielles à cette critique avec des cartes d'attention et des sorties interprétables, la question s'approfondit dès lors qu'intervient la certification de sécurité - nous y reviendrons dans un instant.
Tesla et Waymo : Même objectif, philosophies opposées
La divergence sur les capteurs est le visage le plus visible du débat architectural. L'approche de Tesla : caméra + réseau neuronal, sans LiDAR - ils soutiennent que cette voie est nécessaire pour un système capable de naviguer à l'échelle mondiale. Waymo fait exactement l'inverse : sur son dernier véhicule, une architecture multi-capteurs empilant les capteurs avec 13 caméras et 4 unités LiDAR. Dmitri Dolgov, co-CEO de Waymo, est celui qui a dit explicitement que l'approche caméra seule avait plafonné en 2026, c'est-à-dire qu'elle était bloquée avant d'atteindre l'autonomie totale. Du côté de Tesla, on soutient que FSD a produit des milliards de miles de preuves.
En réalité, le tableau est un peu plus gris vu des coulisses : Il est indiqué que de nombreux acteurs, y compris Tesla et Waymo, utilisent en pratique des architectures hybrides, c'est-à-dire une combinaison de planification d'itinéraire déterministe et de perception basée sur les réseaux de neurones ; Momenta et Aurora figurent également sur cette liste. Ainsi, la réponse à la question « tout dans un seul réseau ou tout en modules séparés ? » est, dans la pratique du terrain, le plus souvent « un mélange des deux ». En matière de comparaison des capteurs, le LiDAR est supérieur en faible luminosité et de nuit ; les systèmes à caméra seule, eux, sont économes en énergie et ne nécessitent pas de cartographie préalable.
Le problème de la boîte noire : Explicabilité et Vérifiabilité
C'est ici que se situe le point techniquement le plus crucial. Les normes de sécurité du monde automobile - ASIL, ASPICE, AUTOSAR, MISRA - exigent de définir et de prouver ce que fait le système au niveau des exigences. Dans un réseau de neurones de bout en bout, il est déjà difficile de définir une exigence du type « la voiture prendra telle décision dans telle situation » ; la vérification formelle des réseaux de neurones reste quant à elle un problème d'ingénierie non résolu. Autrement dit, aussi bien que conduise le réseau, les ingénieurs peuvent ne pas disposer d'outils suffisants lorsqu'ils doivent prouver chaque exigence de sécurité.
Nous en voyons la concrétisation sur le plan de la responsabilité. Mercedes-Benz a annoncé assumer la responsabilité juridique pour DRIVE PILOT, premier système de niveau 3 certifié au monde, et a obtenu l'approbation de l'autorité allemande pour des vitesses allant jusqu'à 95 km/h sur autoroute - selon les niveaux SAE J3016, au niveau 3, la responsabilité passe du conducteur au constructeur. La raison en est en partie l'architecture : un système modulaire aux limites clairement définies est quelque chose pour lequel on peut déclarer « dans ces conditions, c'est le système qui conduit » et signer en toute connaissance. Il est bien plus difficile d'apposer la même signature sur un réseau boîte noire. La nouvelle tendance de recherche concerne les grands modèles de langage et les modèles de langage visuel qui ajoutent aux réseaux de neurones une couche de compréhension de scène et de raisonnement - comme une tentative de réponse au problème d'explicabilité.
Promesse et Réalité : Où en est-on aujourd'hui ?
Jusqu'ici, tout était passionnant ; place maintenant à la douche froide. Regardons le nom officiel du FSD de Tesla : FSD (Supervised). Autrement dit, le système portant le nom de « conduite entièrement autonome » est, selon sa définition officielle, un système avancé d'aide à la conduite conçu pour être utilisé exclusivement avec un conducteur attentif, et ne transforme pas Tesla en véhicule entièrement autonome. Le conducteur doit être prêt à intervenir à tout moment - dans la classification SAE, cela reste le domaine du niveau 2. Avec le FSD v13, le système peut être activé sur un véhicule à l'arrêt et inclut la marche arrière ; les capacités augmentent, mais la classification ne change pas.
De l'autre côté, Waymo exploite concrètement une opération de niveau 4 avec son service de robotaxi déployé dans 14 villes américaines. La dernière révision de la SAE renomme également les Niveaux 0-2 en "systèmes d'aide au conducteur" et les Niveaux 3-5 en "systèmes automatiques", tout en soulignant que l'automatisation complète, c'est-à-dire le Niveau 5, reste encore lointaine. L'ensemble du secteur reflète une période de transition entre la vague de hype et le déploiement dans le monde réel : Les systèmes de Niveau 2+ se sont généralisés, les robotaxis sont limités à certaines villes et le Niveau 5 reste un objectif pour tous.
En résumé : Le passage de l'écriture de règles à l'apprentissage : qu'est-ce que cela a changé ?
La réponse directe est la suivante : L'architecture end-to-end a déplacé le logiciel qui décide dans la conduite autonome de règles écrites à la main vers un seul réseau de neurones apprenant à partir des données ; cela a apporté un comportement de conduite plus naturel et une propagation d'erreurs réduite, mais a créé de nouveaux défis, pas encore résolus, du côté de l'explicabilité, de la vérifiabilité et de la certification. Tesla est l'acteur le plus agressif dans ce pari et le système d'après FSD v12 est réellement devenu quelque chose de différent - mais l'autonomie complète sans supervision n'est toujours pas livrée. L'approche modulaire n'a pas quitté la scène non plus ; Les systèmes de Niveau 3-4 qui utilisent la pile de capteurs de Waymo et qui assument la responsabilité obtiennent leur certification avec cette philosophie. L'architecture gagnante du futur sera probablement des structures hybrides combinant le meilleur des deux mondes - et cette course se joue en ce moment même.
Sources
- Recent Advancements in End-to-End Autonomous Driving using Deep Learning: A Survey - arXiv
- Autonomous driving: Modular pipeline Vs. End-to-end and LLMs
- Navigating Autonomous Driving: Comparing Modular, End-to-End, and Hybrid
- End-to-end learning vs modular trade-offs
- Integrating Modular Pipelines with End-to-End Learning
- End-to-end system architectures in autonomous driving