Éco-conduite et IA : jusqu’à 22 % d’émissions en moins aux feux

Attendre au feu rouge paraît anodin à l’échelle d’un trajet. Pourtant, multipliés par les millions de déplacements quotidiens, les freinages, les arrêts au ralenti et les redémarrages forment une source importante de consommation d’énergie et d’émissions dans les villes. Des chercheurs du Massachusetts Institute of Technology, le MIT, ont étudié une piste concrète : ajuster la vitesse des véhicules en amont des intersections pour limiter les arrêts inutiles et les accélérations brutales.

Leur travail de modélisation à grande échelle suggère que des stratégies d’éco-conduite assistées par intelligence artificielle pourraient diminuer de 11 % à 22 % les émissions de carbone liées aux intersections urbaines. L’enjeu n’est pas de demander aux conducteurs de rouler plus lentement en toutes circonstances, mais de leur proposer une vitesse plus régulière, adaptée à l’approche des feux de circulation. Les résultats concernent des simulations et non un déploiement à grande échelle sur route ouverte, une nuance essentielle pour comprendre leur portée.

Pourquoi les feux de circulation pèsent sur les émissions

Une intersection régulée par des feux impose fréquemment une succession peu efficace : un véhicule avance jusqu’au feu, freine, s’immobilise, puis accélère pour reprendre sa vitesse. Pour les véhicules thermiques, l’énergie dépensée lors de la remise en mouvement se traduit notamment par des émissions à l’échappement. Pour tous les véhicules, y compris les modèles électrifiés, ces à-coups peuvent accroître la consommation d’énergie et dégrader la fluidité générale du trafic.

D’après les éléments examinés par les chercheurs, les émissions associées à cette situation aux États-Unis pourraient représenter jusqu’à 15 % des émissions totales. Cette estimation illustre le poids des déplacements terrestres dans le bilan climatique, mais aussi l’intérêt de s’attaquer aux pertes d’efficacité très localisées, notamment aux carrefours.

L’éco-conduite classique recouvre déjà des gestes connus : anticiper, conserver une allure régulière, éviter les accélérations superflues et ne pas maintenir inutilement le moteur en marche à l’arrêt. L’approche étudiée par le MIT ajoute une couche technologique. Elle vise à calculer une vitesse permettant, lorsque les conditions le permettent, de mieux synchroniser l’arrivée d’un véhicule avec le déroulement du feu.

Comment l’intelligence artificielle est utilisée dans cette étude

Pour évaluer cette idée à l’échelle de réseaux urbains complexes, l’équipe du MIT s’est appuyée sur l’apprentissage par renforcement profond, une méthode d’intelligence artificielle. Son principe général est le suivant : un système apprend dans un environnement simulé en testant des décisions, puis en recevant un retour qui l’incite à privilégier celles produisant les meilleurs résultats selon les objectifs fixés.

Dans le cas de la circulation, ces objectifs peuvent être contradictoires. Réduire les émissions ne doit pas créer de bouchons, allonger excessivement les temps de trajet ou dégrader la sécurité. La difficulté consiste donc à trouver un compromis entre plusieurs paramètres : vitesse des véhicules, phases des feux, densité du trafic, comportements humains et caractéristiques de la voirie.

Les chercheurs ont modélisé plus de 6 000 intersections réparties dans Atlanta, San Francisco et Los Angeles. Leur analyse a pris en compte 33 facteurs susceptibles d’influencer les émissions des véhicules, parmi lesquels la topographie et le comportement des conducteurs. Cette ampleur permet d’éviter de tirer des conclusions à partir d’un seul carrefour ou d’une seule configuration routière.

Les simulations ne prédisent pas avec certitude ce qui se produirait dans chaque rue réelle. Elles permettent en revanche de comparer de nombreux scénarios, d’identifier les situations où une adaptation des vitesses est la plus intéressante et d’estimer les effets possibles avant un coûteux déploiement physique.

Quels gains d’émissions les simulations prévoient-elles ?

Le résultat principal est une réduction potentielle de 11 % à 22 % des émissions de carbone aux intersections municipales, dans l’hypothèse d’une adoption généralisée des mesures d’éco-conduite étudiées. Selon l’équipe, ce gain pourrait être obtenu sans compromettre ni la sécurité routière ni le flux de trafic.

La valeur de cette estimation tient aussi à son effet collectif. Un véhicule qui adopte une allure plus régulière ne modifie pas seulement sa propre consommation. Il peut influencer les voitures qui le suivent, en réduisant les phénomènes de freinage et de redémarrage en chaîne. L’étude décrit ainsi un effet de diffusion : des conducteurs ne suivant pas eux-mêmes une recommandation d’éco-conduite peuvent tout de même bénéficier d’un trafic plus stable.

Les chercheurs avancent qu’une adoption limitée à 10 % des véhicules pourrait déjà se traduire par une réduction de 25 % à 50 % des émissions dans les scénarios modélisés. Ces ordres de grandeur doivent être lus à la lumière des hypothèses du modèle et des contextes étudiés. Ils ne signifient pas qu’un conducteur isolé peut diviser instantanément par deux les émissions de sa voiture. Ils soulignent plutôt qu’un petit nombre de véhicules adoptant un comportement plus régulier peut modifier la dynamique d’un flux de circulation.

Une mise en œuvre progressive, sans refaire toutes les routes

L’un des intérêts de cette approche est de ne pas reposer nécessairement sur la reconstruction des infrastructures urbaines. Les chercheurs estiment que les recommandations de vitesse pourraient être proposées par des outils déjà familiers : tableaux de bord de véhicules, systèmes d’aide à la conduite ou applications pour smartphone. Dans ce cadre, le conducteur reste responsable de sa conduite et doit toujours suivre la signalisation ainsi que les conditions réelles de la route.

L’étude a aussi testé une autre voie : l’optimisation dynamique des limites de vitesse à certains points du réseau. Adapter ces vitesses à environ 20 % des intersections pourrait délivrer jusqu’à 70 % des bénéfices potentiels en matière d’émissions. Cette donnée suggère qu’il n’est pas nécessaire de couvrir immédiatement l’ensemble d’une ville pour observer un effet mesurable.

Une telle progression par zones pose toutefois des questions concrètes. Les recommandations doivent être compréhensibles, arriver au bon moment et ne pas distraire le conducteur. Elles doivent aussi fonctionner dans des environnements très différents, entre une artère dense, une rue en pente, une zone scolaire ou un axe fréquenté par des cyclistes et des piétons. La qualité des informations disponibles sur le trafic et la signalisation est donc déterminante.

À plus long terme, les auteurs envisagent une intégration dans les commandes intelligentes de véhicules semi-autonomes et autonomes. Ces systèmes pourraient gérer plus précisément les accélérations et les décélérations. Mais la généralisation de cette perspective dépendrait de validations sur route, de règles claires et de la capacité à faire cohabiter véhicules automatisés et conduite humaine.

La sécurité, un point à confirmer sur le terrain

Les performances environnementales ne peuvent justifier une solution qui dégraderait la sécurité. L’équipe a donc évalué les stratégies à l’aide de mesures de sécurité de substitution. Ces indicateurs servent à repérer des situations susceptibles de devenir dangereuses, par exemple lorsqu’une interaction entre véhicules paraît trop rapprochée, sans attendre qu’un accident ne survienne pour évaluer un dispositif.

Selon l’analyse, l’éco-conduite étudiée reste aussi sûre que la conduite humaine. C’est un résultat encourageant, mais non définitif. Les chercheurs soulignent eux-mêmes que des recherches supplémentaires sont nécessaires, notamment pour étudier les réactions inattendues de conducteurs humains face à de nouveaux comportements de vitesse.

Pourquoi l’éco-conduite complète l’électrification

L’éco-conduite ne remplace pas les autres leviers de décarbonation des transports. Elle peut en revanche s’y ajouter. L’étude donne l’exemple de San Francisco : avec une adoption de 20 % des mesures d’éco-conduite, les émissions pourraient reculer de 7 %. En ajoutant l’influence des véhicules hybrides et électriques, la réduction atteindrait 17 %.

Ce résultat illustre l’intérêt de combiner les solutions plutôt que d’en attendre une seule. Les véhicules hybrides et électriques transforment la motorisation, tandis que l’éco-conduite vise l’efficacité du déplacement lui-même : moins d’à-coups, moins d’énergie gaspillée et une circulation potentiellement plus fluide. Les gains réels dépendront toutefois de la composition du parc automobile, du réseau routier et du niveau d’adoption par les usagers.

Le projet a reçu le soutien d’Amazon et du Département des Transports de l’Utah. Au-delà de cette étude, ses auteurs présentent leur méthode d’évaluation comme une base pour de futurs systèmes d’éco-conduite. Ils mentionnent également l’intérêt des technologies de contrôle adaptatif et des matériaux à faible consommation dans une approche plus large de l’efficacité des transports.

Ce qu’il faut surveiller avant un déploiement à grande échelle

La prochaine étape sera de confronter les résultats de modélisation aux réalités de la route. Il faudra notamment mesurer si les automobilistes suivent effectivement les recommandations de vitesse, si celles-ci restent utiles dans une circulation imprévisible et si elles améliorent réellement la fluidité sans créer de comportements risqués.

L’acceptabilité comptera autant que la performance technique. Une indication trop fréquente ou difficile à comprendre risque d’être ignorée. À l’inverse, une aide simple, délivrée au bon moment et intégrée à des équipements courants pourrait faciliter l’adoption. L’accès de tous les conducteurs à ces outils, quel que soit l’âge ou le niveau d’équipement du véhicule, sera également un enjeu.

Enfin, les villes devront déterminer quelles intersections traiter en priorité. Les simulations suggèrent qu’une action ciblée sur une part du réseau peut produire une large part des bénéfices. Identifier les carrefours où les arrêts, les accélérations et les émissions sont les plus importants pourrait donc être plus efficace qu’un déploiement uniforme. L’éco-conduite assistée par IA apparaît ainsi comme une piste pragmatique : non pas une solution unique au défi climatique, mais un moyen d’améliorer l’efficacité de trajets qui, aujourd’hui, gaspillent encore beaucoup d’énergie aux feux rouges.