Je vous explique comment une voiture réfléchit lorsqu’elle conduit seule

Un piéton qui s’approche des bandes d’arrêt, un vélo qui change brusquement de direction, une voiture qui s’insère au dernier moment. Pour un conducteur, ce sont des situations quotidiennes auxquelles il doit souvent faire face en quelques instants à peine. Pour un système d’assistance à la conduite, en revanche, il s’agit d’une série de problèmes à résoudre grâce à des caméras, des capteurs, des calculs et de l’intelligence artificielle. Mais comment une voiture peut-elle interpréter ce qui se passe autour d’elle et décider quelle manœuvre effectuer ?

Pour le comprendre, j’ai interviewé Dong Li, CTO de QCraft, une entreprise chinoise spécialisée dans le développement de systèmes avancés d’assistance à la conduite pour les voitures de série. Au cœur de notre conversation se trouve QPilot PRO, une technologie conçue pour assister le conducteur tant en ville qu’autoroute, même lorsque la circulation présente des situations complexes.

Li m’a raconté comment fonctionne le système, quelles stratégies il utilise pour prédire les mouvements des autres usagers de la route et ce qui se passe lorsqu’il rencontre un scénario qu’il ne parvient pas à interpréter avec suffisamment de certitude.

Caméras, capteurs et intelligence artificielle : comment la voiture prend-elle des décisions

QPilot PRO fait partie de la famille de systèmes d’aide à la conduite de QCraft, qui comprend également les versions AIR et MAX. Il a été conçu pour aider la voiture à se déplacer en ville et sur l’autoroute grâce à la fonction Navigation on Autopilot (NOA). Sa capacité de calcul varie de 100 à 200 TOPS, une unité qui indique le nombre d’opérations mathématiques qu’il peut effectuer par seconde.

QPilot PRO fait partie de la famille des systèmes d’aide à la conduite de QCraft

Foto de : QCraft

Le système utilise 11 caméras, complétées par un capteur LiDAR, qui reconstitue l’environnement environnant en trois dimensions. Les caméras reconnaissent les voitures, les piétons, les feux de signalisation et les voies, tandis que le LiDAR aide à déterminer la position et la forme des obstacles. En combinant ces données, l’intelligence artificielle tente de comprendre où la voiture peut passer et comment se déplacent les autres usagers de la route.

La étape suivante consiste à décider comment réagir. « Notre principale innovation réside dans l’intégration des exigences de sécurité tout au long du processus, de l’apprentissage du modèle à le choix de la trajectoire », m’a expliqué Dong Li, CTO de QCraft, lors de l’interview. Le système combine l’interprétation du terrain et la prédiction des événements avec des règles de sécurité définies par les humains, afin de rendre les décisions plus contrôlables.

Pour apprendre à gérer différentes situations, QCraft utilise également des modèles du monde qui simulent le fonctionnement du monde physique, ainsi que l’apprentissage par renforcement, une technique qui aide l’intelligence artificielle à améliorer ses décisions grâce à l’apprentissage.

QCraft, ainsi l’intelligence artificielle interprète la route

Foto de : QCraft

C’est ainsi que l’on cherche à reconnaître un obstacle et à prévoir ce qui pourrait se produire. Comme me l’a expliqué Li, si une balle roule sur la route, le système doit considérer qu’un enfant pourrait courir pour la ramasser et ralentir à l’avance. De même, s’il y a de l’eau près des piétons, il peut réduire sa vitesse pour éviter de les éclabousser. Voilà la différence entre voir ce qui se passe et interpréter le contexte pour anticiper les conséquences possibles.

Que se passe-t-il lorsque la voiture est en difficulté

Bien sûr, aucun système ne peut être entraîné à l’avance pour toutes les situations qui peuvent survenir dans la circulation réelle. C’est pourquoi QCraft utilise des simulations à grande échelle et des modèles du monde physique pour créer un environnement virtuel permettant de reproduire des scénarios rares, des conditions météorologiques difficiles et des situations dangereuses dont il serait compliqué de recréer la reproduction à plusieurs reprises sur la route.

Dong Li, CTO de QCraft

Foto de : Motor1 Italia visual (aide IA)

Ces tests s’ajoutent aux données collectées au cours de l’utilisation quotidienne. Selon les chiffres communiqués par Li, en 2026, les solutions QPilot ont dépassé le million d’installations sur des véhicules de série. À la fin du mois de juillet, les automobilistes avaient parcouru au total plus de 4,5 milliards de kilomètres en utilisant les systèmes d’assistance de l’entreprise. QCraft indique également un taux d’activation involontaire de la freinage automatique d’urgence inférieur à une fois tous les 500 000 kilomètres. Il s’agit d’une donnée fournie par l’entreprise, qui doit être interprétée en conjonction avec les conditions de mesure et les critères utilisés : seule, en effet, elle ne permet pas de déterminer dans quelle mesure un système est plus sûr que la conduite humaine dans toutes les situations.

Que se passe-t-il, en revanche, lorsque la voiture rencontre une situation qu’elle ne parvient pas à interpréter avec suffisante fiabilité ?

C’est un point fondamental, car QPilot PRO appartient à la catégorie des systèmes d’assistance à la conduite de Niveau 2. Le conducteur doit donc continuer à surveiller la route et le fonctionnement du système, gardant la possibilité d’intervenir à tout moment. La voiture peut gérer certaines opérations de conduite, mais la responsabilité du contrôle reste humaine.

Afin de limiter les risques liés à la distraction ou à une confiance excessive dans la technologie, QCraft collabore avec les constructeurs sur des systèmes de surveillance du conducteur. Si, pendant l’assistance active, le système détecte que la personne se lève de son siège ou reste sans ceinture pendant plus de cinq secondes, il peut demander une intervention manuelle et augmenter le seuil de couple nécessaire pour intervenir sur le volant, réduisant ainsi le risque qu’un contact involontaire provoque une réaction.

La posture du conducteur est également surveillée : si celui-ci s’incline jusqu’à adopter une position allongée, le système continue de demander le rétablissement d’une position correcte. En cas de fatigue prolongée ou de distraction détectée, il peut demander au conducteur de reprendre le contrôle du véhicule et, s’il n’obtient pas de réponse, freiner jusqu’à s’arrêter en toute sécurité dans la voie, conformément aux stratégies prévues par le système.

Des difficultés persistent cependant. La pluie très intense, les phares éblouissants, les obstacles qui cachent d’autres usagers de la route ainsi que des situations exceptionnelles continuent de mettre à l’épreuve même les technologies les plus avancées. Pour y faire face, QCraft entraîne ses modèles à l’aide d’images simulées avec des caméras éblouies ou partiellement obscurcies, ainsi que dans des scénarios où certains capteurs ne fonctionnent pas correctement.

Dans les systèmes qui ne dépendent pas de cartes en haute définition, des informations cartographiques erronées sont également introduites lors de l’entraînement, afin de réduire la dépendance à des données qui pourraient ne pas correspondre à la réalité. L’entreprise utilise également des modèles redondants pour atténuer les conséquences d’une éventuelle panne d’un composant.

Il y a ensuite la question des mises à jour. Les données collectées par les véhicules peuvent aider à identifier de nouveaux problèmes et à améliorer les versions ultérieures, mais cela ne signifie pas que les voitures apprennent directement en circulant, en modifiant autonomement leurs stratégies de conduite. Avant d’être distribuées, les mises à jour doivent passer par des vérifications via des simulations, la reproduction de scénarios, des tests de régression et des essais sur route. La validation est ensuite effectuée en collaboration avec le constructeur du véhicule.

L’arrivée en Europe exige également un travail spécifique. Les rond-points, les priorités de circulation, les passages piétons, la signalisation ainsi que les habitudes des automobilistes varient d’un marché à l’autre. QCraft a déjà effectué des tests en milieu urbain et sur autoroute dans différentes localités d’Allemagne et de France, mais Li souligne qu’il n’existe pas de nombre de kilomètres valable pour chaque pays : la formation et la vérification dépendent des différences entre les conditions locales et celles déjà connues par le système.

QCraft : l’arrivée en Europe nécessite un travail adapté

Foto de : QCraft

L’objectif de l’entreprise est de rendre ces technologies disponibles également sur des véhicules de gamme plus abordable. QCraft affirme avoir déjà intégré des systèmes de navigation assistée en milieu urbain sur des plateformes de 128 TOPS et prétend que QPilot PRO couvre 99 % des scénarios du trajet quotidien, selon ses propres évaluations. Le système prend en outre en charge plus de 300 scénarios de stationnement, y compris les espaces très étroits et le stationnement sur plusieurs niveaux d’un garage.

Ces résultats et objectifs montrent à quel point la conduite assistée évolue, mais ils ne résolvent pas le problème fondamental : la route est un environnement imprévisible, et la capacité à gérer un cas courant ne garantit pas de savoir faire face aux situations exceptionnelles. C’est précisément ici que se mesure la maturité de ces technologies : non seulement dans leur capacité à prendre des décisions lorsque tout fonctionne comme prévu, mais aussi dans leur aptitude à reconnaître quand les informations sont insuffisantes et quand il est nécessaire de laisser à nouveau place à l’intervention humaine.

Lisez aussi