Au MIT, dix ans de recherche pour rendre l’automobile intelligente plus sûre

L’automobile ne devient pas plus intelligente par la seule accumulation de capteurs, de logiciels et de promesses d’autonomie. Pour être utile, une technologie doit aussi être comprise, correctement utilisée, réparable et suffisamment digne de confiance pour être adoptée. C’est précisément le terrain sur lequel se rencontrent chercheurs, industriels et régulateurs, à mesure que les systèmes d’aide à la conduite et l’intelligence artificielle prennent une place grandissante dans les véhicules.

Le 6 mai 2025, le MIT AgeLab a célébré les dix ans de l’Advanced Vehicle Technology Consortium, ou AVT Consortium. Ce partenariat entre le monde académique et des acteurs de l’industrie automobile vise à étudier ce qui se passe réellement au volant : comment les conducteurs réagissent-ils aux alertes, aux automatismes et aux nouvelles interfaces ? Quelles technologies inspirent confiance, et lesquelles suscitent au contraire incompréhension ou méfiance ?

Cette décennie de travaux rappelle une évidence parfois oubliée dans la course à l’innovation : la performance technique ne suffit pas. Dans l’automobile, elle doit s’accorder avec les comportements humains, les contraintes économiques, la sécurité routière et les objectifs environnementaux.

Dix ans de données pour observer les usages réels

L’AVT Consortium est rattaché au MIT Center for Transportation and Logistics et porté par le MIT AgeLab. Sa mission est de produire des données utiles à la compréhension de l’évolution des comportements des automobilistes face aux technologies embarquées, en particulier les systèmes de conduite assistée et automatisée.

Au terme de ses dix premières années, le consortium indique avoir accumulé des centaines de téraoctets de données et travaillé avec plus de 25 organisations membres. Ce volume ne constitue pas une fin en soi. Son intérêt réside dans la possibilité de confronter la conception des véhicules à l’expérience concrète des personnes qui les conduisent, ou qui en dépendent au quotidien.

Les résultats de ce travail commun ont nourri des publications, mais aussi des initiatives stratégiques et des réflexions de politique publique. Cette circulation entre laboratoire, entreprise et institutions est l’un des apports les plus concrets d’un consortium : elle permet de poser les bonnes questions avant que les choix techniques ne se transforment en standards coûteux, difficiles à modifier ou mal compris du public.

La confiance des conducteurs, un défi aussi important que la technologie

Lors de la célébration, Bryan Reimer, co-directeur du consortium, a mis l’accent sur plusieurs tensions qui traversent le secteur : la disponibilité limitée de l’attention des conducteurs, la défiance de certains consommateurs à l’égard de technologies nouvelles, et des attentes très élevées en matière de sécurité comme de prix.

Ces sujets sont étroitement liés. Un système qui multiplie les alertes peut finir par être ignoré. Une fonctionnalité dont le nom suggère une autonomie plus large que ses capacités réelles peut encourager une mauvaise utilisation. À l’inverse, un outil utile mais mal expliqué risque d’être perçu comme une contrainte ou une dépense superflue.

La confiance ne se décrète donc pas par le marketing. Elle se construit avec une information lisible, des comportements prévisibles du véhicule, une documentation claire sur les limites du système et des dispositifs de sécurité conçus pour les situations inattendues. Elle dépend également du coût total de possession : un automobiliste peut apprécier une fonction de sécurité, tout en s’inquiétant du prix de sa maintenance ou de sa réparation.

L’enjeu est particulièrement important pour les technologies qui interviennent directement sur la direction, l’accélération ou le freinage. Plus un véhicule prend en charge une tâche, plus il faut que l’utilisateur sache exactement ce que le système fait, ce qu’il ne fait pas et à quel moment il doit reprendre la main.

Pourquoi la différence entre niveau 2 et niveau 3 compte autant

La conduite automatisée est souvent présentée comme un bloc unique. En pratique, les niveaux d’automatisation recouvrent des responsabilités très différentes. Les échanges du MIT ont souligné la persistance d’une confusion chez les consommateurs, notamment entre les systèmes de niveau 2, ou L2, et les appellations commerciales de type L2+.

Dans la classification généralement utilisée par le secteur, un système de niveau 2 peut prendre en charge simultanément certaines fonctions de conduite, comme le maintien dans la voie et l’adaptation de la vitesse, mais le conducteur demeure responsable de la surveillance de l’environnement et doit pouvoir intervenir. Le niveau 3 correspond, lui, à une conduite automatisée conditionnelle dans un domaine d’utilisation défini : le système peut assurer la conduite dans ces conditions, mais il peut demander au conducteur de reprendre le contrôle.

Le terme L2+ n’est pas un niveau officiel distinct dans cette classification. Il est employé pour valoriser des fonctions de niveau 2 plus avancées. Cette nuance peut sembler technique, mais elle est déterminante : un véhicule très compétent dans certaines situations n’est pas pour autant un véhicule qui dispense son conducteur d’attention.

Des groupes tels que Ford et Volkswagen révisent leurs projets liés à l’autonomie complète et concentrent désormais leurs efforts sur les technologies de niveaux 2 et 3. Ce mouvement traduit la difficulté de déployer largement une automatisation intégrale, qui suppose de résoudre à la fois les limites techniques, les exigences de sécurité, les questions réglementaires et les attentes du public.

Des règles de sécurité à moderniser avec les données

La réglementation automobile doit suivre l’évolution des technologies sans sacrifier l’objectif central de sécurité. Lors d’un échange consacré à ce sujet, John Bozzella et Mark Rosekind ont défendu une approche plus largement fondée sur les données et sur la coopération entre les pouvoirs publics et l’industrie.

Leur référence est celle des engagements volontaires concernant le freinage d’urgence automatique, présenté comme un modèle possible pour accélérer certains progrès. L’idée n’est pas de renoncer aux règles, mais d’éviter qu’une réglementation conçue pour des véhicules plus simples ne devienne inadaptée à des systèmes qui évoluent rapidement.

Une approche fondée sur les données peut aider à identifier les situations dans lesquelles une aide à la conduite apporte un bénéfice réel, celles où elle accroît la charge mentale du conducteur, ou encore les scénarios rares mais critiques qui exigent une vigilance particulière. Pour être crédible, elle suppose toutefois des méthodes comparables, des définitions partagées et une transparence suffisante sur les résultats observés.

La standardisation ressort ainsi comme une nécessité. Elle peut concerner la manière d’évaluer les systèmes, d’informer les automobilistes, de communiquer sur leurs limites ou de réparer les composants concernés. Sans référentiels communs, chaque nouveauté risque d’ajouter une couche de complexité pour les clients, les garages, les assureurs et les autorités.

L’IA automobile ne peut pas reposer sur des tendances générales

L’intelligence artificielle était naturellement au centre des échanges. Mauricio Muñoz, ingénieur senior en recherche chez AI Sweden, a rappelé que l’industrie automobile ne peut pas se contenter de suivre des tendances générales en matière d’IA. Les progrès pertinents nécessitent une compréhension approfondie du contexte propre à l’automobile, ainsi que des investissements importants dans une recherche ciblée.

Cette exigence tient à la nature même de la route. Les véhicules évoluent dans des environnements changeants, partagés avec d’autres voitures, des piétons, des cyclistes et des infrastructures parfois imparfaites. Une erreur d’interprétation n’a pas les mêmes conséquences qu’une recommandation inexacte dans une application de divertissement.

L’IA peut contribuer à analyser des données, à détecter des situations, à améliorer les interfaces ou à soutenir certaines fonctions du véhicule. Mais son intégration doit s’appuyer sur une connaissance précise des limites du capteur, du logiciel, du conducteur et du contexte routier. C’est l’une des raisons pour lesquelles les programmes de recherche communs conservent une place centrale : ils permettent de tester les promesses de l’IA contre la réalité des usages.

Réparer une voiture équipée de capteurs, un nouveau coût pour les automobilistes

L’innovation embarquée peut aussi avoir des effets moins visibles au moment de l’achat. Un panel consacré à la réparation automobile a souligné la hausse potentielle des coûts liée à la complexité des véhicules récents. Après certains dommages, le remplacement ou la remise en état d’un élément peut nécessiter le recalibrage de capteurs associés aux fonctions d’assistance.

Ce recalibrage est essentiel : si un capteur, une caméra ou un autre composant n’est pas correctement paramétré, les fonctions de sécurité qui en dépendent risquent de ne pas fonctionner comme prévu. Mais cette opération peut rendre une réparation plus longue et plus chère, avec des conséquences directes pour les propriétaires de véhicules et pour les assurances.

Les intervenants ont donc plaidé pour davantage de standardisation et une meilleure éducation des consommateurs. Pour un automobiliste, comprendre l’existence de ces opérations aide à anticiper le coût réel d’un véhicule. Pour le secteur, l’enjeu est de faire en sorte que la sécurité ne devienne pas inaccessible en raison de frais d’entretien ou de réparation disproportionnés.

La question de la réparabilité rejoint ainsi celle de la confiance. Une technologie sera d’autant mieux acceptée qu’elle peut être expliquée, diagnostiquée et remise en état de manière fiable par les professionnels concernés.

Durabilité et sécurité, les objectifs affichés par les constructeurs

Les discussions n’ont pas porté uniquement sur l’automatisation. La durabilité automobile s’impose elle aussi comme un sujet de recherche et d’investissement. Ryan Harty a présenté les ambitions de Honda, qui vise un impact environnemental nul ainsi qu’un objectif de sécurité routière à risque zéro, tout en se dirigeant vers une production entièrement électrique d’ici à 2040.

Ces objectifs montrent que les constructeurs sont confrontés à plusieurs transformations simultanées. Ils doivent réduire leur empreinte environnementale, développer de nouvelles architectures de véhicules, intégrer davantage de logiciels et répondre à la demande de sécurité, sans ignorer l’accessibilité économique. Or ces dimensions peuvent parfois entrer en tension. Ajouter des technologies peut améliorer certaines fonctions, mais aussi alourdir le prix d’achat ou de réparation.

La coopération entre universités et entreprises offre un cadre pour examiner ces arbitrages avec davantage de recul. Les chercheurs peuvent observer les comportements et documenter les effets inattendus. Les industriels apportent leur connaissance de la production, des contraintes de conception et des attentes du marché. Ensemble, ils peuvent contribuer à transformer des ambitions générales en solutions qui tiennent compte des usages réels.

Ce qu’il faut surveiller pour une automobile réellement digne de confiance

En juin 2025, le principal défi ne consiste pas seulement à inventer la prochaine fonction spectaculaire. Il consiste à bâtir un écosystème cohérent dans lequel les systèmes d’assistance sont sûrs, les responsabilités sont compréhensibles, les réparations restent réalisables et les règles évoluent au rythme des preuves disponibles.

Plusieurs points seront déterminants : la clarté des termes employés pour présenter les niveaux d’automatisation, la capacité des autorités et des constructeurs à partager des données utiles, l’harmonisation des pratiques de sécurité, et l’intégration encore incomplète des infrastructures numériques dans la réflexion automobile.

La coopération internationale appelée de ses vœux par Bryan Reimer ne doit pas être réduite à un échange de bonnes pratiques. Elle peut servir à installer un changement culturel : concevoir d’abord pour une sécurité proactive, expliquer les limites aussi clairement que les bénéfices, et prendre en compte le coût supporté par le consommateur. C’est à cette condition que l’intelligence embarquée pourra devenir un progrès tangible, plutôt qu’une source supplémentaire de confusion.