L2 comprend des caméras et des radars, tandis que les véhicules autonomes intègrent même le LiDAR — la norme de la conduite autonome devient une architecture multi-capteurs hiérarchisée. La courte vidéo publiée par NVIDIA DRIVE n’est pas une simple démonstration de spécifications techniques. Sur l’écran d’une Mercedes roulant dans le centre-ville de San Francisco, apparaît une raison : « Céder le passage aux piétons sur le passage clouté avant de tourner à droite. » L’objectif n’est pas de montrer comment tourner le véhicule, mais de montrer pourquoi ce choix a été fait. En examinant le matériel sous-jacent, on comprend mieux vers où l’industrie tend actuellement. Ce n’est pas un seul ensemble, mais deux couches. Le débat de type Tesla a longtemps porté sur la question : « Les caméras suffisent-elles ? » Mais les produits réels ont déjà abandonné cette dichotomie. Les démonstrations L2++ actuelles de NVIDIA et Mercedes (CLA / https://t.co/7lbuc4Uypz Assist Pro) comportent environ 10 caméras, 5 radars et 12 capteurs ultrasonores. Aucun LiDAR. Puisque le conducteur reste le responsable ultime dans un système supervisé, on arrête ici la complexité et le coût. En revanche, la plateforme haut de gamme DRIVE Hyperion de NVIDIA, conçue pour les L4 et les robotaxis, intègre 14 caméras, 9 radars, 1 LiDAR et 12 capteurs ultrasonores. Cette configuration garantit que le véhicule ne s’arrête pas même si un capteur échoue. Le même principe sous-tend les discussions sur la future S-Class prête pour le L4 : « Diversité des capteurs + redondance du traitement + redondance logicielle » est une condition préalable. 🚨 La raison pour laquelle cette spécialisation deviendra la norme est simple : L2 et L4 ont des coûts de défaillance différents. Dans un système supervisé, l’humain est le bouclier. Dans un système sans conducteur, c’est l’entreprise qui est le bouclier. Imposer une philosophie à un seul capteur à un produit sans bouclier n’est pas une question de préférence technique, mais une question de structure de responsabilité. Les chiffres honnêtes du FSD de Tesla ne sont pas sept fois plus élevés, mais deux fois. Les grands chiffres sur la page sécurité de Tesla sont comparés à la moyenne nationale américaine. Ils mélangent des véhicules anciens, des routes différentes et des définitions d’accidents différentes. Si l’on compare avec la même voiture conduite manuellement (avec les systèmes de sécurité active activés), l’histoire change. Selon les dernières données nord-américaines, les kilomètres parcourus jusqu’à une collision grave (déclenchant les airbags) sont d’environ 5,69 millions pour le FSD supervisé et environ 2,08 millions pour la conduite manuelle du même véhicule. Le gain est d’environ 2,7 fois. Dans les intervalles précédents, il était d’environ 2,4 fois. Sur les routes européennes non autoroutières, il est également d’environ 2,7 fois. Mais ce chiffre de deux fois correspond aux performances d’un système sous surveillance humaine. Tesla attribue tout accident survenu à FSD si celui-ci était actif jusqu’à cinq secondes avant la collision. Même ainsi, un avantage de deux fois par rapport au même véhicule indique que la marge de sécurité disponible lorsqu’on passe à un système sans conducteur est plus fine qu’on ne le pensait. C’est précisément là que Reuters critique la méthode de comparaison des statistiques Tesla : ce n’est pas une surestimation du facteur multiplicatif, mais un cadre qui fait passer les performances supervisées pour des capacités autonomes. Le fait que les accidents ADAS signalés à la NHTSA soient majoritairement attribués à Tesla est un problème distinct de confiance. Cela peut simplement résulter du nombre élevé d’utilisateurs. En même temps, Tesla rend difficile la vérification externe du dénominateur — les kilomètres réels parcourus — nécessaire pour calculer ces chiffres. Même si l’on ne peut pas affirmer que le risque par kilomètre s’aggrave, le simple fait que « les chiffres ne soient pas visibles » affaiblit la confiance des régulateurs et du public. Les données des segments sans conducteur sont déjà en faveur des capteurs multiples. La conduite entièrement autonome n’est pas encore l’avenir proche que Tesla prétend être imminent. Waymo opère déjà commercialement avec plus de 200 millions de kilomètres en conduite autonome payante et environ 500 000 trajets par semaine. Sur la base de cette expérience, Waymo reconnaît que les caméras sont « excellentes », mais conclut catégoriquement qu’« elles ne suffisent pas ». Il cite comme exemple des cas où le LiDAR a détecté des piétons au bord de la route alors que les caméras étaient aveuglées par des tempêtes de poussière. Les caméras sont des capteurs passifs qui réagissent à la lumière ; le LiDAR et le radar sont des capteurs actifs qui émettent leurs propres signaux. Leur nature physique est différente. Tesla a également commencé à déployer des robotaxis sans conducteur à Austin et ailleurs depuis 2026, annonçant un million de kilomètres autonomes. C’est un départ significatif. Mais l’échelle et le temps de validation restent encore d’un ordre de grandeur supérieurs à ceux de Waymo. Le FSD grand public reste toujours un système supervisé. Dire que la vision seule « a déjà résolu l’autonomie » est prématuré. L’ancienne objection selon laquelle le LiDAR est trop cher perd aussi de sa pertinence. Le prix du LiDAR automobile est tombé à environ 200 dollars l’unité. L’argument selon lequel il faut privilégier les caméras uniquement pour des raisons de coût perd donc au moins son pouvoir de conviction dans le cadre du L4.En Chine, le nombre de véhicules intégrant du LiDAR même au stade d’assistance à la conduite en zone urbaine augmente. Même le niveau L2 ne sera pas nécessairement fixé à « sans LiDAR ». Cependant, une hiérarchie persiste : il s’agit de décider où placer des capteurs moins coûteux, en fonction du niveau de responsabilité. Le standard, le reste, le pliable. Pour résumer en une phrase les normes futures : Les systèmes supervisés utilisent des capteurs multi-sources à bon rapport qualité-prix (caméra + radar), tandis que les véhicules autonomes où l’entreprise assume la responsabilité intègrent des capteurs multi-sources incluant le LiDAR. La raison pour laquelle NVIDIA Alpamayo est importante, c’est qu’elle ajoute au-dessus de cette hiérarchie un logiciel capable de « fournir les raisons ». Les questions posées par la réglementation et l’assurance ne sont pas « semble-t-il intelligent ? », mais « peut-on reconstituer pourquoi il a échoué ? ». Les traces d’inférence et la redondance des capteurs répondent à cette question dans la même direction.