Voitures autonomes : découvrez la révolution sur roues

Quelles sont les voitures autonomes aujourd’hui : niveaux d’autonomie et grandes familles de modèles

Les voitures autonomes ne forment pas un bloc homogène, mais une constellation de modèles répartis sur plusieurs niveaux d’autonomie. La classification internationale de la SAE va de 0 à 5 : au niveau 0, aucune automatisation, le conducteur fait tout ; au niveau 5, la voiture se débrouille seule dans toutes les conditions, ce qui n’existe pas encore sur route ouverte. Entre les deux, l’automobiliste croise surtout des véhicules de niveau 2 (ou 2+) et quelques pionniers de niveau 3, capables de gérer la conduite dans un cadre très précis, comme les embouteillages sur autoroute.

Dans le quotidien de la circulation, la plupart des conducteurs roulent déjà avec des systèmes qui flirtent avec la conduite autonome sans en porter le nom. Régulateur adaptatif, maintien dans la voie, freinage d’urgence, aide au stationnement : ces briques assemblées composent des systèmes de pilotage sophistiqués, mais où l’humain reste légalement responsable. Des suites comme Tesla Autopilot, GM Super Cruise ou Ford BlueCruise laissent lâcher le volant sur certains tronçons, pourtant ces véhicules sont encore considérés comme des « assistés » et non comme de véritables véhicules autonomes.

Un exemple souvent cité est celui d’Alex, jeune cadre qui fait un Lyon–Paris chaque semaine. Sa berline récente gère vitesse, distance et trajectoire sur l’A6. Il peut ajuster la navigation, répondre à un appel via le système multimédia et surveiller distraitement la route. Tout semble autonome, pourtant un simple virage mal balisé ou un chantier complexe peut mettre en défaut l’électronique. C’est précisément là que la distinction entre aide avancée à la conduite et autonomie réelle devient cruciale, et que des ressources pédagogiques comme voiture connectée vs autonome prennent tout leur sens.

Plusieurs pays, dont la France, le Japon et l’Allemagne, ont encadré juridiquement les véhicules de niveau 3. Au Japon, Honda a lancé la Legend en série limitée avec un système de « Traffic Jam Pilot » capable de prendre le contrôle sous 30 km/h dans les bouchons sur voie rapide. En Allemagne, Mercedes a obtenu l’homologation de son système Drive Pilot sur la Classe S et l’EQS, désormais étendu à des vitesses proches de 95 km/h sur autoroute, et depuis peu autorisé aussi en France dans un cadre très restreint. Dans ces cas précis, le constructeur endosse la responsabilité pénale pendant la phase de conduite automatisée, une petite révolution discrète.

À côté de ces pionniers réglementaires, les constructeurs multiplient les annonces pour 2025 et au‑delà. Stellantis prépare par exemple la plateforme STLA AutoDrive, annoncée pour offrir une capacité de niveau 2 « mains libres » et une option de niveau 3 sur certaines berlines et SUV. Les groupes asiatiques ne restent pas à la traîne : Nissan, Toyota et Honda planifient des services de robotaxis et des berlines capables d’autonomie conditionnelle sur autoroute, d’abord au Japon, ensuite à l’international. Les actualités détaillées sur ces projets se retrouvent de plus en plus sur des sites spécialisés comme les actualités des véhicules autonomes.

L’essor des véhicules connectés joue un rôle clé. Grâce aux réseaux 4G/5G et aux échanges V2X (véhicule‑infrastructure), les voitures dialoguent avec les feux, les radars urbains ou les centres de données. Cela permet une meilleure anticipation des risques, mais ouvre aussi un nouveau champ de vulnérabilités. La technologie autonome ne se limite donc pas aux capteurs et aux calculateurs embarqués : elle repose sur une véritable infrastructure numérique qui, elle aussi, doit être fiable, sécurisée et standardisée.

Ce panorama montre que la question « Quelles sont les voitures autonomes ? » appelle désormais une réponse à plusieurs étages. Des aides de niveau 2+ très répandues, une poignée de modèles de niveau 3 déjà disponibles ou annoncés, et des prototypes de niveaux 4 et 5 en expérimentation dans certaines villes : l’écosystème forme une échelle où chaque barreau s’appuie sur le précédent.

De la citadine électrique endurante au robotaxi urbain

Une confusion fréquente oppose autonomie de conduite et autonomie énergétique. Ainsi, lorsqu’une citadine comme la Peugeot e‑208 annonce plus de 430 km en cycle WLTP grâce à une batterie de 51 kWh et une optimisation aérodynamique minutieuse, il s’agit d’autonomie électrique, pas de pilotage automatique. Pourtant, ces deux notions se rejoignent progressivement : une voiture capable de planifier ses recharges, de préparer sa batterie à la bonne température avant l’arrêt et d’optimiser la vitesse en mode « éco » se rapproche déjà d’un comportement intelligent, piloté par algorithmes.

Dans les grandes métropoles, la frontière se brouille encore davantage. À Phoenix ou San Francisco, des robotaxis de niveau 4 circulent déjà dans certaines zones limitées, parfois sans personne derrière le volant. Ils s’appuient sur des forêts de capteurs lidar, de radars et de caméras qui cartographient la ville en continu. En Europe, la même logique se décline sous forme de navettes autonomes sur des campus universitaires, des parcs d’affaires ou des sites hospitaliers. Le trajet est plus court, la vitesse réduite, mais la philosophie reste la même : faire entrer le transport autonome dans le quotidien.

Cette diversité de formats – de la compacte électrique personnelle au minibus autonome – prépare la prochaine étape de l’article : entrer dans le détail des modèles qui incarnent vraiment l’autonomie aujourd’hui.

Les principaux modèles de voitures autonomes disponibles ou annoncés

Lorsque l’on dresse la carte des voitures autonomes les plus avancées, cinq grands pôles émergent : les berlines premium européennes, les géants américains de la tech et de Détroit, les constructeurs japonais, quelques acteurs chinois ambitieux et une nébuleuse de start‑ups. Chacun apporte sa propre vision de la technologie autonome, de la place laissée au conducteur, et surtout de la manière d’introduire ces fonctions dans la vie courante.

Du côté européen, Mercedes est devenue la figure emblématique du niveau d’autonomie 3. Sa Classe S et sa limousine électrique EQS peuvent, sur certains tronçons d’autoroute homologués, prendre seules en charge la gestion de la trajectoire, du freinage et de l’accélération jusqu’à des vitesses de trafic réalistes. Le conducteur peut alors détourner le regard de la route pour consulter ses e‑mails sur l’écran central, à condition de rester en mesure de reprendre la main en quelques secondes. Cette délégation n’est pas une simple option de confort : juridiquement, lorsque le système est actif dans son domaine défini, le constructeur engage sa responsabilité pénale en cas d’accident.

BMW avance sur un chemin voisin avec la Série 7, conçue pour offrir une délégation similaire dans les bouchons sur voie rapide. Là encore, l’expérience utilisateur se veut fluide : le conducteur active la fonction via un bouton dédié, la voiture prend en charge le flot de circulation à basse vitesse, puis lui redemande de reprendre les commandes dès que la densité diminue ou que les conditions sortent du cadre prévu. Ce jeu de relais permanent entre humain et machine est au cœur du design de la conduite autonome actuelle.

Outre‑Atlantique, Tesla occupe une place à part. Les Model 3 et Model Y proposent un système FSD (Full Self‑Driving) très ambitieux, encore en phase de validation. Dans les faits, il s’agit d’un niveau 2+ : le véhicule peut changer de voie, gérer les échangeurs, lire les panneaux et s’arrêter aux feux, mais le conducteur doit garder les mains prêtes et le regard sur la route. Cette différence entre promesse marketing et statut légal nourrit de nombreux débats, au point que Tesla est fréquemment citée comme cas d’école dans les analyses sur les limites de la voiture autonome.

Les constructeurs traditionnels américains ne restent pas en retrait. General Motors a déployé Super Cruise, un système mains libres sur des centaines de milliers de kilomètres de routes cartographiées avec précision. Ford lui répond avec BlueCruise, qui permet lui aussi de rouler sans tenir le volant sur des segments homologués. Ces deux suites illustrent une approche progressive : d’abord une conduite semi‑autonome hautement encadrée, puis, à mesure que les kilomètres « sans incident » s’accumulent, une possible montée vers des niveaux plus élevés.

Au Japon, la Honda Legend, l’Arcfox Alpha S (développée en partenariat avec Huawei pour le marché chinois) et les projets de taxis autonomes de Nissan et Toyota montrent une autre stratégie. Plutôt que de viser d’emblée la voiture particulière de niveau 4, les industriels misent sur des services de transport autonome dans des zones définies : une partie de Tokyo, des axes autoroutiers très fréquentés, ou encore des voies réservées aux poids lourds. Ces déploiements par « couloirs » permettent de maîtriser plus facilement les scénarios et la sécurité.

À côté des grands noms, une galaxie de start‑ups travaille sur des véhicules très spécialisés. Certaines conçoivent des robotaxis sans volant, d’autres des navettes de campus, d’autres encore des véhicules de livraison urbains de petite taille. Ces acteurs misent souvent sur des architectures logicielles modernes (Android Automotive, QNX, etc.), sujet largement détaillé sur des plateformes dédiées comme Android Automotive vs QNX, qui expliquent comment ces systèmes d’exploitation pilotent capteurs, communications et sécurité.

Ce panorama serait incomplet sans mentionner la base technologique partagée par tous ces modèles : une combinaison d’intelligence artificielle embarquée, de cartes HD, de connectivité et de dispositifs de sécurité cyber. Derrière chaque logo de calandre se cache en réalité un empilement de logiciels et de data centers, au point que certains analystes parlent désormais de « voitures data centers roulants », une expression popularisée par des analyses telles que voitures data centers roulants.

En filigrane, une tendance s’impose : les modèles réellement « autonomes » au sens juridique restent rares, mais la densité de fonctions intelligentes explose partout ailleurs. Pour comprendre ce qui fait la différence entre une compacte bourrée d’aides à la conduite et une berline capable de prendre seule le contrôle légalement, il faut plonger dans le détail de leurs capteurs.

Les modèles de démonstration qui changent la perception du public

Au‑delà des véhicules de série, certains prototypes de démonstration marquent les esprits. Les robotaxis opérés par Waymo dans des villes américaines permettent par exemple à des habitants de commander une course depuis leur smartphone et de se laisser transporter sans chauffeur visible. D’autres projets, comme les navettes autonomes circulant sur des sites d’exposition ou dans des écoquartiers, familiarisent le public avec l’absence de volant.

Ces démonstrateurs ont un effet psychologique majeur. Ils transforment l’idée d’« auto qui se conduit toute seule » en expérience concrète : embarquer dans une navette sans conducteur sur un campus universitaire ou devant un hôpital, c’est toucher du doigt ce que pourrait devenir la mobilité du quotidien. Pour certains, cette première expérience suffit à lever les appréhensions, pour d’autres elle soulève de nouvelles questions, notamment sur la collecte et l’usage des données, thème développé par des analyses comme les données automobiles, nouvel or noir.

Les modèles de démonstration fonctionnent donc comme un laboratoire roulant, préparant le terrain aux futures générations de véhicules de série, et servant de passerelle entre l’état de l’art technique et l’acceptation sociale.

Une technologie autonome basée sur les capteurs lidar, l’IA et les véhicules connectés

Pour savoir quelles sont les voitures autonomes, il faut d’abord comprendre ce qui se trame sous leur carrosserie. L’ADN de ces véhicules repose sur trois piliers : les capteurs, la puissance de calcul et l’intelligence artificielle, le tout relié à un réseau de véhicules connectés qui communiquent en permanence avec leur environnement. C’est cette combinaison qui permet au véhicule de percevoir, décider et agir, un peu comme le ferait un conducteur humain… mais à la vitesse du processeur.

Sur le plan sensoriel, la plupart des plateformes associent caméras haute résolution, radars, ultrasons et, sur les versions les plus avancées, capteurs lidar. Ces derniers projettent une pluie d’impulsions laser autour de la voiture et mesurent le temps de retour pour reconstruire une carte 3D très précise de la scène. Concrètement, un lidar de toit sur un robotaxi urbain peut distinguer un piéton qui s’engage, un cycliste qui arrive par la droite, une trottinette qui zigzague, et même la bordure d’un trottoir mouillé, y compris de nuit.

Les caméras, elles, excellent pour lire les panneaux, interpréter les feux de circulation, repérer les marquages au sol et analyser le comportement des autres usagers. Les radars complètent cette vision en mesurant très précisément les vitesses relatives, ce qui est crucial par mauvais temps, lorsque la pluie ou le brouillard réduisent la qualité des images. Tous ces flux convergent vers un ordinateur central qui exécute des algorithmes d’intelligence artificielle spécialisés dans la détection d’objets, la prédiction de trajectoires et la planification de manœuvres.

Une scène banale illustre bien ce fonctionnement. Sur un boulevard urbain, une voiture autonome de niveau 3 détecte un piéton qui hésite à s’engager sur un passage. Les caméras reconnaissent la silhouette, le lidar confirme la distance, le radar ne signale aucune vitesse relative. L’IA prédit plusieurs scénarios : le piéton recule, avance ou reste sur place. Le système de planification choisit de ralentir légèrement pour laisser une marge de sécurité, tout en restant fluide pour ne pas surprendre le véhicule suiveur. Le conducteur humain, lui, voit seulement une voiture « polie », sans imaginer la cascade de calculs qui vient d’avoir lieu.

À ces sens artificiels s’ajoute la dimension connectée. De plus en plus d’architectures embarquées reposent sur des plateformes mises à jour à distance, décrites en détail par des analyses sur le fonctionnement des voitures connectées. Les véhicules échangent des informations de trafic, des alertes météo, voire des données de travaux en temps réel. Des radars routiers nouvelle génération, dits V2X, communiquent directement avec les voitures pour signaler un danger en amont, comme l’explique le concept de radars intelligents V2X.

Cette sur‑couche réseau renforce considérablement les capacités de la technologie autonome. Un exemple parlant : sur une autoroute, un véhicule en tête de peloton freine fort pour éviter un obstacle. Dans une circulation classique, l’information se propage visuellement, véhicule après véhicule, ce qui crée un effet accordéon et augmente le risque de collision. Dans un convoi de véhicules connectés, l’ordre de freinage peut être transmis quasi instantanément à tous les suivants, rendant le ralentissement simultané et plus doux.

Cette sophistication n’est pas sans contrepartie. Les voitures deviennent de véritables ordinateurs roulants, exposés aux mêmes menaces que tous les systèmes informatiques. Des failles de sécurité ont déjà été démontrées sur plusieurs marques, rappelant à quel point la cybersécurité des véhicules connectés est devenue une composante à part entière de la sûreté routière. Pare‑feux, chiffrement, segmentation des réseaux internes, mises à jour sécurisées : tout cela fait maintenant partie du cahier des charges d’un modèle qui se veut autonome.

Dans ce contexte, la question ne se résume plus à « quelle voiture roule seule ? », mais aussi « quelle voiture se protège seule ? ». Les constructeurs qui maîtrisent ce triptyque – perception, décision, protection – prennent une longueur d’avance sur le marché émergent de la mobilité automatisée.

De l’algorithme embarqué au jumeau numérique

Les logiciels embarqués ne travaillent plus isolément. Beaucoup de constructeurs et de fournisseurs de technologie utilisent désormais des jumeaux numériques : des copies virtuelles du véhicule et de son environnement, qui tournent dans des data centers et simulent des millions de situations. C’est dans ces mondes virtuels que l’IA apprend à gérer les scénarios rares : un animal qui surgit entre deux barrières, un objet tombé d’un camion, une route temporairement déviée.

Cette approche par simulation massive accélère l’apprentissage, tout en évitant de mettre en danger des usagers réels. Elle explique aussi pourquoi l’on voit émerger des voitures dont les compétences sur route semblent progresser après une simple mise à jour logicielle. Sans que le propriétaire ne change de véhicule, la conduite autonome gagne progressivement en maturité, comme un conducteur qui affinerait ses réflexes au fil des années.

Cet empilement de capteurs, de calcul et de simulation façonne une génération de véhicules qui ne se contentent plus de « réagir » à la route, mais qui la comprennent d’une manière inédite. Reste à voir comment ces capacités se traduisent dans les usages concrets, des navettes aux camions en passant par les bus urbains.

Au‑delà de la voiture particulière : transport autonome, navettes et poids lourds

Lorsqu’on évoque les véhicules autonomes, l’imaginaire se focalise sur la voiture familiale. Pourtant, les premières exploitations vraiment rentables de la conduite autonome se jouent déjà ailleurs : dans les mines, sur les autoroutes de fret, dans les zones industrielles ou les quartiers d’affaires desservis par des navettes. C’est dans ces environnements plus contrôlés que s’expérimente, à grande échelle, le transport autonome.

Dans les mines de minerai en Australie ou en Amérique du Nord, des dizaines de tombereaux géants circulent sans chauffeur sur des trajets répétitifs entre le front d’extraction et le concasseur. Les opérateurs ne « achètent » plus des camions, mais un service de transport : un nombre de tonnes déplacées par jour, avec un taux d’incident minimal. Ici, la technologie autonome joue à domicile : le terrain est balisé, le trafic limité, la vitesse modérée. Les retours d’expérience montrent des gains de sécurité pour le personnel et une meilleure régularité de production.

Sur les autoroutes, les essais de poids lourds autonomes se sont multipliés. Des sociétés comme Kodiak Robotics ou Inceptio équipent déjà des centaines de camions pour un niveau d’autonomie 3 sur de longs corridors. Le scénario type : le conducteur humain s’occupe des manœuvres urbaines jusqu’à un terminal situé à proximité d’une bretelle d’autoroute, puis active le mode autonome pour la portion interurbaine. Pendant cette phase, il peut se reposer ou réaliser des tâches administratives, tout en restant en mesure d’intervenir. Ce modèle dit de « terminal à terminal » préfigure une logistique où l’humain se concentre sur les segments les plus complexes, tandis que l’IA gère les rubans d’asphalte monotones.

En milieu urbain, les navettes autonomes racontent une autre histoire. Sur des campus comme celui de l’EPFL à Lausanne, des petits bus électriques sans volant ont déjà transporté des centaines d’usagers sur des itinéraires fixes, à vitesse réduite. En France, la RATP, Keolis ou Transdev ont testé des services similaires dans plusieurs agglomérations, avec plus ou moins de succès. Les retours soulignent souvent un paradoxe : la magie de monter à bord d’une navette sans chauffeur s’estompe vite si la vitesse reste inférieure à celle d’un simple piéton. Pour convaincre durablement, ces services doivent donc combiner autonomie, fiabilité… et pertinence temporelle.

Ces expérimentations de transport collectif autonome mettent au jour un autre volet, moins visible : la coordination entre les véhicules et l’infrastructure. Feux tricolores intelligents, priorités dynamiques, zones de croisement réservées : la route devient co‑auteur de la conduite autonome. Cette logique rejoint les travaux menés sur la conduite prédictive et la sécurité, où l’on cherche à anticiper non seulement ce que fait le véhicule, mais aussi ce que la ville lui « raconte » par signaux interposés.

Parallèlement, certains pays ouvrent des tronçons d’autoroutes réservés à des camions autonomes circulant en peloton serré. Les véhicules se suivent à quelques mètres grâce à la synchronisation électronique de leur vitesse et de leur freinage. Résultat : une réduction notable de la consommation de carburant par effet d’aspiration, et une meilleure utilisation de la capacité de la voie. Ce type de véhicules autonomes reste encore supervisé par des conducteurs ou des opérateurs distants, mais il esquisse une logistique où la fatigue humaine n’est plus le facteur limitant.

Ces usages professionnels rappellent que la technologie autonome n’est pas un gadget réservé aux berlines premium. Elle s’infiltre là où la répétitivité des trajets, la pression économique et les enjeux de sécurité sont les plus forts. Pour le public, ces camions et navettes servent de coulisses à la révolution ; pour l’industrie, ils ressemblent plutôt au premier acte.

La ville comme terrain d’expérimentation à ciel ouvert

Les municipalités jouent un rôle clé dans l’essor des voitures autonomes. Certaines, comme San Francisco ou Phoenix, ont accepté d’héberger des flottes de robotaxis à titre expérimental. D’autres, en Europe, privilégient des couloirs réservés ou des sites fermés. Dans tous les cas, la ville devient un laboratoire vivant où se testent les réactions du trafic, l’acceptation des usagers et l’intégration aux transports en commun classiques.

Des projets de recherche comme AVENUE ou d’autres partenariats public‑privé montrent que la réussite n’est pas qu’une affaire de capteurs ou d’IA. Elle tient aussi à la capacité à concevoir des services pertinents : rabattement vers une gare, desserte de zones peu fréquentées, complément nocturne au métro. La conduite autonome s’impose alors moins comme une prouesse technologique que comme un nouvel outil au service de la mobilité urbaine.

À mesure que ces véhicules partagés se déploient, une question revient avec insistance : comment protéger et valoriser les données issues de ces flux de mobilité ? Là encore, les analyses sur le lien entre voiture connectée et mobilité de demain montrent que la frontière entre service public, modèle économique privé et protection de la vie privée va rester au cœur des débats.

Réglementation, sécurité et limites actuelles des voitures autonomes

Aussi séduisante soit‑elle, la perspective de circuler partout en voiture autonome bute encore sur trois murs : le droit, la sécurité et l’acceptation. En Europe comme ailleurs, chaque essai, chaque mise en service de fonction de conduite autonome s’accompagne d’une avalanche de textes, d’expérimentations encadrées et de garde‑fous. Les gouvernements cherchent à encourager l’innovation sans transformer leurs routes en terrains de jeu logiciels.

La convention de Vienne sur la circulation routière a longtemps imposé qu’un conducteur reste maître de son véhicule à tout instant. Son évolution progressive, ainsi que l’adoption du règlement onusien sur le Système automatisé de maintien dans la voie (ALKS), ont ouvert la porte aux fonctions de niveau 3 sur autoroute. Des pays comme l’Allemagne, la France ou le Japon ont transposé ces évolutions dans leur droit national, en définissant précisément ce qu’est un « système de conduite automatisé », dans quelles conditions il peut être activé, et qui est responsable en cas d’accident.

En France, par exemple, une ordonnance de 2021 prévoit qu’en phase de délégation de conduite conforme aux conditions d’utilisation, c’est le constructeur qui peut être pénalement responsable en cas d’atteinte involontaire à la vie ou à l’intégrité. Cette bascule symbolique marque l’entrée de plein pied des industriels dans le champ de la responsabilité juridique, au‑delà de la simple garantie produit. Les analyses spécialisées sur la réglementation des véhicules autonomes décryptent ces changements pays par pays.

Côté sécurité, les chiffres de la mortalité routière plaident en faveur des systèmes automatisés. Une grande majorité des accidents sont liés à des erreurs humaines : inattention, fatigue, vitesse excessive, alcool. En théorie, une flotte de véhicules autonomes disciplinés, jamais distraits, prudents par design, devrait faire chuter drastiquement le nombre de collisions graves. Mais entre la théorie et la route, il y a l’étape redoutée des premières années de cohabitation, où humains imparfaits et algorithmes encore en apprentissage partagent l’asphalte.

Les accidents impliquant des systèmes comme Autopilot chez Tesla ou des prototypes de robotaxis ont rappelé que l’excès de confiance peut être fatal. Quand un conducteur croit à tort être dans un niveau d’autonomie 4 alors que sa voiture n’offre que du niveau 2+, il délègue bien plus que ce que le système peut assumer. Des études comportementales montrent même que certains conducteurs se laissent distraire dès les toutes premières minutes d’utilisation d’une assistance mains libres. D’où les recommandations d’organismes de sécurité pour obliger les voitures à vérifier l’attention du conducteur par des caméras orientées vers le visage.

La surface d’attaque numérique soulève aussi de nouveaux enjeux. Un véhicule capable de freiner tout seul, de tourner le volant ou de s’arrêter en urgence devient potentiellement vulnérable à des tentatives de piratage de véhicules connectés. Des équipes de chercheurs ont démontré qu’il était possible d’exploiter des failles dans des systèmes de verrouillage ou des applications smartphone pour déverrouiller, voire démarrer certains modèles. Ces scénarios, encore rares, poussent l’industrie à renforcer les audits de sécurité et à imposer des normes de cybersécurité strictes.

Certains épisodes spectaculaires – des hackers prenant le contrôle à distance des fonctions d’un SUV pour le stopper sur une autoroute lors d’un test encadré, ou des failles découvertes dans des systèmes multimédias – ont servi d’électrochoc. Depuis, la sécurité des systèmes embarqués est traitée au même niveau que le freinage ou les airbags. Les lignes directrices sur la cybersécurité automobile en témoignent : intégration de la sécurité dès la conception, surveillance continue, réponse à incident.

Reste le terrain le plus délicat : celui de l’éthique et de l’acceptation sociale. Des expériences de psychologie ont montré que les usagers sont partagés entre la volonté que les voitures autonomes minimisent le nombre total de victimes, quitte à sacrifier leurs propres occupants dans des scénarios extrêmes, et leur refus d’acheter un véhicule qui pourrait théoriquement ne pas les privilégier. Ce « dilemme du tramway » appliqué aux voitures autonomes reflète un tiraillement profond entre intérêt collectif et instinct de survie individuel.

Pour l’instant, la plupart des systèmes évitent soigneusement ce casse‑tête en adoptant une logique simple : réduire autant que possible le risque de collision, sans chercher à optimiser des calculs moraux théoriques. En d’autres termes, l’IA ne choisit pas entre deux groupes de piétons, elle freine, se stabilise et laisse la physique décider. Mais à mesure que les scénarios se complexifient, ces questions devraient revenir sur le devant de la scène, alimentant des débats que l’on retrouve déjà dans les réflexions sur les risques et la sécurité des voitures connectées.

Les limites actuelles : météo, mix de trafic et zones grises

Malgré des progrès impressionnants, les voitures autonomes contemporaines ont des talons d’Achille très concrets. Les conditions météo dégradées restent l’ennemi numéro un : pluie intense, neige, brouillard épais, chaussée recouverte de boue effacent parfois les marquages au sol, saturent les capteurs optiques et compliquent la tâche des algorithmes. Même les capteurs lidar les plus modernes voient leurs performances chuter lorsque des gouttes ou des flocons renvoient un nuage de fausses informations.

Le mix de trafic pose aussi problème. Une voie rapide fréquentée uniquement par des véhicules équipés d’assistances avancées se comporte de manière relativement prévisible. Ajoutez‑y des scooters slalomant entre les files, des piétons inattentifs et des cyclistes sans éclairage, et la tâche cognitive à confier à la machine explose. Dans de nombreux cas, les systèmes de niveau d’autonomie 2+ ou 3 se désengagent dès qu’ils sortent de leur domaine conçu : travaux mal balisés, rues étroites, chaussées pavées, carrefours à priorité à droite.

Enfin, il existe encore des « zones grises » du droit, notamment sur la responsabilité en cas de dysfonction logiciels en chaîne ou de mise à jour défectueuse. Si une flotte entière voit l’une de ses fonctions désactivée à la suite d’un bug, qui répond de la perte de service ? Constructeur, éditeur logiciel, fournisseur de cartes, opérateur télécom ? Les discussions en cours au niveau européen et national cherchent à clarifier ces chaînes de responsabilité, mais l’apparition de nouveaux acteurs – fournisseurs de données, plateformes d’IA, opérateurs de mobilité – complexifie aussi l’équation.

Ces limites rappellent que la conduite autonome actuelle n’est pas un « mode magique », mais un continuum d’automatisation encadré par des conditions strictes. Comprendre ces frontières, c’est aussi répondre plus honnêtement à la question : aujourd’hui, où et quand une voiture peut‑elle vraiment se conduire seule ?