---
Résumé du contenu principal
Récemment, de nombreux propriétaires de voitures ont constaté, lors d'essais pratiques ou même dans des accidents réels, des phénomènes contre-intuitifs : de nombreux modèles équipés de systèmes d'aide à la conduite avancés parviennent à éviter avec précision les piétons qui traversent la route ou même les enfants qui surgissent soudainement, mais ils ignorent complètement les animaux tels que les moutons ou les vaches qui apparaissent sur la route, ainsi que les obstacles non signalisés ou les tas de ciment placés temporairement, et les heurtent directement. Cet article révèle une méprise répandue concernant les capacités des systèmes d'aide à la conduite : ces systèmes ne sont pas capables d'identifier et d'éviter tout. Derrière cela se trouvent des choix réels faits par les constructeurs de voitures en matière de données d'entraînement, d'allocation des ressources de calcul, de règles de risque et de limites légales. Leur objectif principal est de garantir la sécurité des personnes, et non de devenir des “conducteurs tout-puissants” capables de gérer toutes sortes de situations inhabituelles ; le but initial de ces systèmes n'est certainement pas de faire de la démonstration de technologie.
---
Analyse détaillée
Pourquoi éviter les piétons est-il une “épreuve de base”, tandis qu'éviter les moutons est considéré comme une “épreuve secondaire” ?
On peut comparer l'IA utilisée dans les systèmes d'aide à la conduite à un candidat passant un examen de conduite, à qui les constructeurs fournissent progressivement des matériaux d'entraînement. Dans les règles de la circulation de tous les pays du monde, la protection des piétons est une règle absolue, c'est pourquoi les constructeurs fournissent à l'IA des millions d'images de piétons : des piétons de jour, de nuit, sous la pluie, portant des parapluies, poussant des poussettes, utilisant des cannes, ou même des enfants qui surgissent soudainement. Même des cosplayers vêtus de manière excentrique ou des livriers enveloppés dans des imperméables noirs ont été répétés à l'infini, de sorte que l'IA peut les reconnaître les yeux fermés.
Mais les moutons ? On ne voit presque jamais de moutons dans les villes, et la plupart des propriétaires de voitures ne rencontrent pas d'animaux dans leur quotidien. La collection de données des constructeurs contient probablement moins de 1 % d'images de moutons, et beaucoup d'entre elles proviennent de captures d'écrans de vidéos en ligne. De plus, des chiens debout ou des sacs en toile blanche sont parfois confondus avec des moutons, ce qui rend difficile pour l'IA de les reconnaître correctement. Quant aux obstacles temporaires, tels que des tas de ciment laissés par des équipes de construction ou des sacs en toile remplis de sable, ils n'ont pas de norme d'apparence unifiée et n'existent pas dans la base de données de l'IA.
L'IA dispose d'une “liste de priorités pour la sécurité”, et les ressources de calcul sont allouées aux situations les plus dangereuses
Beaucoup pensent que les puces des systèmes d'aide à la conduite ont une capacité de calcul infinie et peuvent scanner tout sur la route en même temps. En réalité, cela n'est pas le cas. Les puces de niveau industriel actuelles n'ont pas une telle capacité. Elles doivent gérer en même temps des dizaines de véhicules autour, les lignes de conduite, les feux de signalisation et les panneaux d'indication. Si elles considéraient tous les objets sur la route comme des dangers (des sacs en plastique flottants, des bouteilles d'eau vides, des cailloux), elles freineraient fréquemment et tourneraient brusquement, ce qui rendrait la conduite très inconfortable pour les passagers et pourrait provoquer des accidents. Ainsi, les constructeurs ont défini des règles pour l'IA : les ressources de calcul sont prioritairement allouées aux situations les plus dangereuses : les piétons ont la plus haute priorité, suivis des voitures, des vélos électriques et des vélos normaux, et enfin des animaux et des obstacles immobiles sur le bord de la route. De nombreux systèmes d'aide à la conduite avancés considèrent automatiquement les objets immobiles sur le bord de la route comme des éléments fixes (comme des panneaux ou des poteaux électriques), et c'est au conducteur de les éviter manuellement, car un contrôle erratique du système pourrait entraîner des accidents plus graves.
Par exemple, de nombreux accidents ont été rapportés où les systèmes d'aide à la conduite ont heurté des camions de pompiers ou des véhicules en panne garés sur le bord de la route ; cela est dû à ces règles de priorité.
Vous pouvez reconnaître un mouton d'un coup d'œil, mais l'IA ne peut pas : la “logique cognitive” humaine et celle de l'IA sont complètement différentes
De nombreux propriétaires de voitures se demandent pourquoi l'IA ne peut pas reconnaître un mouton, alors que c'est évident pour eux. En réalité, la façon dont les humains perçoivent le monde diffère de celle de l'IA. Les humains se basent sur leur expérience et leur bon sens : si je conduis dans une zone rurale et que je vois un objet blanc sur le bord de la route, je ralentis automatiquement, car je sais qu'il s'agit probablement d'un mouton. L'IA, en revanche, ne dispose pas de ce bon sens ; elle compare uniquement les objets qu'elle voit avec les images stockées dans sa base de données. Par exemple, dans l'obscurité, il est difficile pour elle de distinguer un mouton d'un sac en plastique blanc ou d'un sac en toile rempli de engrais. De plus, si un mouton est couvert de boue et semble gris, l'IA peut le confondre avec une ombre sur la route. Les humains peuvent compléter les informations en fonction de la situation et de leur expérience, tandis que l'IA ne dispose pas de ces informations et considère tout ce qu'elle n'a jamais vu comme “inexistant”.
Les constructeurs n'osent pas créer des systèmes “tout-puissants” : ils craignent les responsabilités inattendues
Beaucoup pensent que les constructeurs manquent de technologie et ne peuvent pas reconnaître des moutons ou des obstacles. En réalité, il n'y a aucune difficulté technique à ajouter des milliers d'images de moutons et d'obstacles à la base de données de l'IA ; le coût serait seulement de quelques centaines de milliers d'euros, ce que les constructeurs peuvent se permettre. Mais ils craignent les responsabilités qui pourraient en résulter. Selon la loi, le conducteur est toujours tenu pour responsable en cas d'accident, même si le système d'aide à la conduite est activé. Si le système réagissait de manière excessive à un objet inattendu (comme un chat ou un poulet), et heurtait un piéton ou un vélo électrique, qui en porterait la responsabilité ? Les propriétaires de voitures se plaindraient certainement : “Pourquoi le système a-t-il tourné brusquement et heurté quelqu'un alors que j'utilisais l'aide à la conduite ?” Les constructeurs ne peuvent pas se permettre de subir de tels reproches ni de prendre de tels risques juridiques. Par conséquent, leur choix est de se concentrer sur les situations les plus fréquentes et les plus dangereuses (comme les piétons), et de laisser le conducteur gérer les situations rares et peu probables (comme les heurts avec des moutons ou des obstacles non standard). Il s'agit là d'une répartition des risques, et non d'une incapacité technique.
En somme, les systèmes d'aide à la conduite sont essentiellement des “passagers supplémentaires” qui aident le conducteur à éviter les piétons. Leur but initial n'est pas de démontrer leur capacité à gérer toutes sortes de situations inhabituelles, mais de réduire le risque d'accidents dans les situations quotidiennes. Pour les situations rares, il reste au conducteur de faire attention à la route.