Les voitures autonomes font partie des technologies les plus passionnantes de la prochaine décennie. Le déploiement des services de transport robotisés pourrait ressembler à la propagation du réseau électrique à la fin du 19e siècle et rendre les conducteurs humains obsolètes d'ici 2050. Cette révolution permettrait de libérer plus de 600 milliards d'heures par an de temps pour les conducteurs et les passagers, avec un impact économique considérable. Néanmoins, pour s'y retrouver dans l'emballement du marché, il est primordial d'examiner de près les technologies de base.

Les robots Tesla vous ramèneront-ils chez vous?

Les technologies de détection et de raisonnement développées pour les véhicules autonomes sont probablement applicables à toutes sortes de robots, à l’exemple de Tesla. La société a pris le monde par surprise en août avec annonce d’un robot Tesla basé sur la même technologie que les voitures du même nom.

Les voitures électriques seront la norme, et les voitures à haut niveau d’autonomie sont les prochaines. Apprendre à l’intelligence artificielle (IA) à conduire de manière sûre et confortable d’une manière humaine est certes un défi, mais c’est surtout un catalyseur pour le secteur. Pour ce faire, des superordinateurs sont utilisés pour générer des données et organiser les sessions de formation. Tesla a construit l’un des ordinateurs les plus rapides au monde pour ses besoins internes et cherche à obtenir une accélération de 5 à 50 fois plus rapide grâce à une puce et un système exclusifs (le superordinateur Dojo).

Les voitures se transforment en centres de données sur roues, ce qui ouvre d’énormes possibilités pour les entreprises informatiques et logicielles audacieuses.

Les entreprises de transport robotisé qui émergeront dans les années à venir vont créer une transformation comparable à celle de l’invention de la voiture. Pourtant, la sélection des gagnants aujourd’hui relève de la boule de cristal car les services ne sont pas encore commercialisés.

Le point d’inflexion pour les voitures autonomes se situera probablement autour de 2025. D’ici là, il est judicieux d’investir dans les fournisseurs de technologies essentielles (IA, connectivité, calcul) et les acteurs qui bénéficient de la période de transition (comme Tesla).

Éléments clés d’une voiture autonome

Capteurs et cortex visuel pour donner un sens à la route

Les véhicules autonomes combinent plusieurs capteurs (image, distance et dynamique) pour alimenter des modèles d’intelligence artificielle. Ensemble, ils créent une représentation haute-fidélité de la scène (espace vectoriel). Une approche commune consiste à utiliser de nombreux capteurs précis pour capturer au mieux les données. Zoox, par exemple, utilise 28 caméras, 20 radars et 16 LiDAR. Tesla a démontré que des caméras multiples et des calculs massifs d’IA pouvaient faire le travail aussi bien que le Lidar.

Traitement du son pour interagir avec les passagers et l’environnement

Dans leur forme la plus pure, les voitures autonomes se libèrent des coûts liés à la plupart des pièces mécaniques (telles que les roues et les pédales) et des tableaux de bord. La voix occupe ainsi une place centrale dans l’interaction entre les humains et les machines. Le marché du traitement du langage naturel (NLP) dans l’industrie automobile atteindra 4 milliards de dollars en 2025, à un taux de croissance annuel moyen de 20%. Il est peu probable qu’une telle capacité soit développée par les constructeurs automobiles et elle profitera à des acteurs spécialisés comme Cerence ou iFlytek.

Apprendre à l’intelligence artificielle à conduire

L’un des principaux défis consiste à collecter et à étiqueter des données de qualité pour représenter des exemples de la vie réelle et des signaux précieux. Les données ont longtemps été étiquetées manuellement pour enseigner l’IA. L’étape suivante est l’étiquetage automatique, en fusionnant plusieurs vidéos ou en ajoutant des éléments simulés pour créer des situations rares et d’augmenter la quantité et la richesse des données utilisées pour former l’IA. Les simulations et les réseaux neuronaux génératifs sont utilisés pour créer des environnements 3D photoréalistes et élaborer des scénarios.

L’entraînement de multiples réseaux neuronaux (capteurs, planification, génération de scène) dans diverses situations demande une puissance de calcul massive. L’exécution de ces réseaux neuronaux dans les voitures nécessite un logiciel dédié optimisé pour le calcul et, plus important encore, une latence (délai) minimale. Tesla a construit trois centres de données à grande échelle pour entraîner l’actuel Autopilot. Avec environ 10’000 GPU (Graphics Processing Units), il s’agit d’un superordinateur du top 5 mondial.

Il faut aussi une intégration étroite du logiciel et du matériel pour obtenir le bon niveau de performance. Des compilateurs optimisés sont utilisés pour tirer le meilleur parti possible de la mémoire et des accélérateurs de calcul, ce qui garantit des décisions rapides et précises. Le calcul embarqué exige à la fois une fréquence d’images élevée et une faible latence. Les leaders de la formation à l’IA sont Tesla (superordinateur Dojo) et Nvidia (qui fournit 85% des superordinateurs les plus rapides).

Superordinateurs sur roues et batterie

Les voitures autonomes sont des superordinateurs d’IA. La plate-forme d’entraînement de Nvidia (Atlan) devrait franchir la barrière des pétaops (10^15 opérations par seconde). Les microprocesseurs et les accélérateurs d’IA sont utilisés dans de multiples plateformes de voitures autonomes. Les principaux fournisseurs sont Nvidia (environ 600 millions de dollars de revenus pour les douze derniers mois), qui dispose d’une plateforme complète et Intel/Mobileye (1 milliard de dollars de revenus TTM). Mais, la concurrence est vive avec des acteurs développant leurs propres ASIC (Application Specific Integrated circuit) comme Tesla et Huawei.

À l’instar des centres de données, les voitures autonomes tirent parti de la connectivité à haut débit et notamment Ethernet pour la connectivité embarquée et la 5G pour la connectivité véhicule à tout. Marvell, Broadcom et NXP sont à la tête de la révolution Ethernet automobile, et s’attaquent à un marché qui devrait atteindre 5 milliards de dollars en 2025, avec un taux de croissance annuel moyen de 20%. Qualcomm (1 milliard de dollars de revenus TTM) et Huawei sont à l’avant-garde de la 5G.

Les voitures connectées d’aujourd’hui traitent déjà des dizaines de téraoctets de données par heure (remplissant la capacité totale de votre ordinateur portable typique en moins d’une minute).

Les mémoires des voitures ont des exigences ultimes en termes de performances et de fiabilité. Ce marché ne représente qu’un faible pourcentage du marché mondial des mémoires (4 milliards de dollars en 2020) et devrait croître beaucoup plus rapidement que le marché mondial des mémoires (~25% CAGR vers 2025). Micron est le leader actuel du marché avec plus de 40% de parts de marché.

Un marché pour 2025, mais investissable dès maintenant

Le cycle des voitures autonomes a commencé et la croissance s’accélérera dès 2025 et dépassera les 30 % par année d’ici 2050. Aurora devrait être la première entreprise de voitures autonomes à entrer en bourse par le biais d’une SPAC et à lancer son premier produit autonome d’ici fin 2023. Plusieurs sociétés de lidar sont entrées en bourse au cours des derniers mois (Velodyne, Luminar, Ouster, Aeye, Aeva), mais elles se négocient actuellement près de leurs plus bas niveaux en raison de perspectives incertaines. Les camions autonomes sont susceptibles de se développer avant les voitures. C’est pourquoi de nombreuses entreprises s’introduiront en bourse en 2021 (TuSimple, Embark, Plus et Aurora, par exemple).

Mais d’autres domaines offrent aussi des opportunités d’investissement comme par exemple les fonctions de pilotage automatique qui sont de plus en plus courantes.

Certains acteurs du secteur repoussent déjà les limites de la conduite autonome pour atteindre des capacités de conduite autonome complètes. Tesla a lancé une formule d’abonnement à la conduite autonome complète en juillet – faisant de Tesla un concurrent sérieux pour mener la transition vers les voitures autonomes. Baidu, l’équivalent de Google en Chine, a lancé la plateforme Apollo en 2017. L’itération actuelle de la plateforme est capable d’une conduite autonome complète; elle revendique un écosystème mondial de 200 partenaires (dont Toyota, BMW, Daimler).

Catalyseurs

La transition vers les véhicules électriques (VE) est beaucoup plus rapide qu’on ne le pensait. Alors que les gouvernements du monde entier accélèrent leurs objectifs d’électrification, les constructeurs automobiles accélèrent leur transition vers les VE – en déployant la base mécanique des voitures à conduite autonome.

Déploiement de l’infrastructure de données. Infrastructure en nuage, accélérateurs d’IA, algorithmes, et réseaux à large bande passante ont été poussés en 2020 et ont continué à s’accélérer en 2021. Les cerveaux des voitures autonomes sont désormais disponibles.

Les entreprises d’auto-conduite se lancent dans l’aventure. Cette année a vu et verra de multiples IPO ou SPAC dans le domaine. Les camions autonomes, en particulier, ouvriront la voie à l’automatisation de la conduite, car les conducteurs humains sont rares.

Risques

Attentes exagérées. Bien que la technologie soit prête à plus de 90%, les derniers pourcentages sont les plus difficiles. En général, nous avons tendance à surestimer le changement qui se produira dans les deux prochaines années et à sous-estimer le changement qui se qui se produira dans les dix prochaines années.

Les réglementations en sont encore à leurs balbutiements. Outre les dérogations pour les expériences, les législations exigent toujours que des conducteurs humains soient assis derrière le volant pour être responsables de la conduite.

L’acceptation sociale, au-delà des techniciens et des adeptes précoces, doit encore être testée. Les voitures personnelles ont été la pierre angulaire du 20e siècle, et le taux d’adoption des robots-taxis est encore inconnu.