Le PDG de Waymo explique pourquoi la conduite autonome de Tesla basée uniquement sur des caméras est insuffisante

Dmitri Dolgov, co-CEO de Waymo, a présenté la démonstration technique la plus claire à ce jour expliquant pourquoi seules les caméras ne suffisent pas pour atteindre une autonomie complète dans un système de conduite autonome, affirmant que des capteurs « faibles » atteignent rapidement leurs limites de sécurité avant même d’atteindre des performances surhumaines.

Il n’a jamais mentionné le nom Tesla. Pourtant, l’approche basée uniquement sur les caméras correspond entièrement à la stratégie de Tesla, et ce texte constituait une attaque directe contre elle.

Le débat sur les capteurs, selon quelqu’un qui a parcouru 220 millions de miles en véhicules sans conducteur

Dolgov a fait ces remarques lors d’une conférence à l’Startup School de Y Combinator, où il a exposé les leçons apprises par Waymo au cours de près de deux décennies de développement de son système de conduite autonome. Il a abordé directement la question des capteurs : « il existe depuis longtemps un débat sur les types de capteurs nécessaires pour la conduite autonome. »

Sa réponse souligne un point que les partisans exclusivement basés sur les caméras ont tendance à ignorer. « Les humains peuvent bien sûr conduire uniquement avec leurs yeux, ce qui constitue une preuve de faisabilité », a-t-il dit. « Si l’objectif est simplement d’égaler approximativement les performances humaines ou de créer un produit d’aide, c’est une approche tout à fait raisonnable. »

Puis vient le problème : si l’on vise une autonomie totale et des performances nettement supérieures à celles de l’être humain, a-t-il expliqué, « on constate que des capteurs insuffisants entraînent une courbe de sécurité qui s’aplatit bien trop tôt ».

C’est là l’essentiel de l’argument en quelques phrases : les caméras peuvent égaler les capacités d’un être humain et alimenter des systèmes d’assistance à la conduite. Selon Dolgov, leur performance reste inférieure aux exigences nécessaires pour qu’une voiture puisse circuler sans conducteur.

Sauf si l’on utilise ces systèmes à des fins de démonstration dans une zone géofendue, à vitesse limitée et avec un faible volume de circulation afin de réduire les risques.

Pourquoi Waymo utilise-t-il à la fois des caméras, du lidar et du radar ?

Waymo utilise trois types de capteurs, et Dolgov a expliqué en détail pourquoi. Les caméras offrent une haute résolution et des couleurs, mais elles sont passives et leur performance diminue dans l’obscurité ou en cas de réflexions lumineuses intenses. Le lidar mesure directement la structure 3D du monde. Le radar perçoit à travers le brouillard, la pluie et la neige, et permet de déterminer directement la vitesse grâce au principe Doppler. Le lidar et le radar étant des capteurs actifs, ils fonctionnent tout aussi bien dans l’obscurité totale que face à un coucher de soleil éblouissant.

Cela n’est pas une redondance pour le plaisir. « Ces différentes modalités de capteurs ne se font pas office de sauvegardes les unes pour les autres », a déclaré Dolgov. Chacun d’eux dispose de son propre encodeur, et les données sont fusionnées pour former une seule vue du monde qui, selon lui, est « de loin supérieure à ce que l’on peut obtenir avec un seul capteur ».

Il a étayé son propos avec des exemples où la caméra devient inutilisable. Une tempête de poussière à Phoenix, où la caméra ne voit presque rien tandis que le lidar identifie clairement un piéton au bord de la route. Des personnes qui franchissent une barrière en béton pour accéder à la route de nuit. Des enfants qui poursuivent des chiens dans une rue complètement sombre, sans phares ni lampadaires. Dans chacun de ces cas, l’image capturée par la caméra est presque inutile, tandis que la vue fournie par le lidar reste claire.

Puis il y a les cas de panne que la caméra seule ne peut pas surmonter : un objet physique qui couvre l’objectif. Une simple feuille sur le capteur peut faire arrêter complètement un robot, a déclaré Dolgov, avant de montrer un véhicule Waymo qui a repéré une branche d’arbre que ses essuie-glaces ne pouvaient pas enlever et a utilisé ses autres capteurs pour se ramener en toute sécurité au dépôt.

Le problème des « neuf »

Derrière l’argument lié aux capteurs se trouve un argument mathématique, et c’est justement ce qui devrait inquiéter quiconque tente des extrapolations à partir d’une démonstration utilisant uniquement une caméra. La fiabilité repose sur ce que Dolgov a appelé « l’échelle exponentielle des neufs ». Le PDG de Tesla, Elon Musk, la désigne comme « la marche des neufs ». Atteindre 90 % ou 99 % de fiabilité est la partie facile. Chaque niveau supplémentaire de fiabilité exige à peu près dix fois plus d’efforts que le précédent.

Ainsi, le piège consiste à choisir la technologie qui présente la croissance la plus rapide au début, celle qui offre la meilleure démonstration, à projeter cette pente raide vers l’avant, pour ensuite atteindre un plateau « bien avant les performances requises par votre produit ». Une démonstration peut nécessiter un seul niveau de fiabilité. Un produit d’assistance à la conduite en a besoin de quelques-uns. Une voiture avec des enfants à l’arrière et sans conducteur en a besoin d’une série complète.

Dolgov a également remis en question l’argument principal avancé par les partisans exclusivement axés sur les caméras : le coût. Waymo est déjà à sa sixième génération de matériel, et il a affirmé que chaque génération réduisait drastiquement le prix. Parier contre des capteurs tels que le lidar au vu des prix actuels, a-t-il averti, revient à parier sur « un chiffre dont la durée de vie est plutôt courte ».

La place de Tesla

Tesla représente le camp le plus affirmé dans ce débat. Elle a retiré les radars de ses voitures en 2021 et éliminé les capteurs ultrasonores en 2022, misant entièrement sur les caméras avec le système « Tesla Vision ». Elon Musk a qualifié le lidar de « tâche vaine » et a affirmé que quiconque s’y fie est « condamné ». Le service de robotaxi de Tesla, lancé à Austin en 2025, fonctionne uniquement avec des caméras. Nous avons déjà traité en détail le conflit entre Tesla Vision et le lidar.

Jusqu’à présent, les résultats correspondent exactement au plafond décrit par Dolgov. Les données propres aux robotaxis de Tesla montrent un taux d’accidents environ trois fois supérieur à celui des conducteurs humains, même en présence d’un superviseur de sécurité humain au volant. Musk affirme que FSD est plus sûr que les humains, à chaque nouvelle version, mais les données ne l’ont pas encore confirmé, malgré les manipulations importantes effectuées par Tesla.

Waymo obtient des résultats que Dolgov estime impossibles avec uniquement des caméras. Son dernier rapport de sécurité, basé sur 220 millions de miles parcourus uniquement par des passagers, montre un nombre d’accidents graves 94 % inférieur à celui que provoqueraient des conducteurs humains sur la même distance, soit environ 17 fois mieux. Waymo propose actuellement près d’un demi-million de trajets payants par semaine dans 15 villes américaines, et vise à atteindre un objectif de 1 million de trajets par semaine, alors que Musk insiste sur le fait que Waymo « n’a jamais eu de chance » face à Tesla.

Tesla a récemment confirmé avoir parcouru 380 000 miles en mode sans conducteur au cours de l’année écoulée depuis le lancement de son robotaxi. Le service sans conducteur de Waymo atteint cette distance en une seule journée.

Point de vue d’Electrek

C’est la version la plus pertinente du débat lidar contre caméras que j’aie vue, car Dolgov ne prétend pas que les caméras soient inutiles. Il reconnaît ce que les fans de Tesla soulignent toujours : oui, les humains conduisent avec deux yeux, et oui, des caméras seules peuvent permettre de créer un produit d’assistance à la conduite vraiment efficace. Ce n’est pas là le point de désaccord. Le véritable débat porte sur la question de savoir si « suffisamment bon pour aider un humain à conduire » devient un jour « suffisamment bon pour se passer de l’humain », et sa réponse est non, car la capacité de détection atteint ses limites avant d’atteindre ce niveau ultime.

Actuellement, Tesla cite son service Robotaxi actif comme exemple de « suppression de l’élément humain », mais Dolgov affirme également qu’une démonstration utilisant uniquement des caméras est tout à fait viable, et c’est essentiellement ce que représente actuellement le service Robotaxi de Tesla.

Tesla vient de confirmer que le nombre de kilomètres parcourus sans supervision n’atteint à ce jour que 380 000 kilomètres. Il s’agit donc fondamentalement d’une démonstration à basse vitesse dans de petites zones géographiquement délimitées au Texas.

C’est justement ce point qui inquiète les investisseurs de Tesla. L’entreprise a passé des années sur la partie facile et ascendante de cette courbe, où chaque mise à jour du FSD semble bien meilleure que la précédente, et Musk continue de prolonger cette pente vers les véhicules autonomes. Dolgov explique précisément pourquoi cette ligne se brise : les premiers progrès sont peu coûteux, mais la phase suivante est extrêmement difficile, et c’est cette phase qui pose tous les problèmes de sécurité lorsque l’on parcourt des millions de kilomètres par semaine.

Le coût est également important, car l’argument « le lidar est trop cher » constitue le dernier obstacle technique que doit surmonter la solution basée uniquement sur des caméras. Waymo est déjà à sa sixième génération de matériel et affirme que les coûts diminuent rapidement. Si les capteurs continuent de devenir moins chers tandis que les systèmes basés uniquement sur des caméras butent toujours contre les mêmes limites, l’argument selon lequel « les caméras représentent le choix le plus pragmatique » s’affaiblit d’année en année.

Nous apprenons que Waymo est proche de pouvoir proposer son ensemble complet (voiture + suite de capteurs Waymo + conducteur) pour environ 60 000 dollars. À ce stade, le fait d’avoir un système fonctionnel à grande échelle est bien plus important qu’un avantage de coût d’environ 20 000 dollars pour la voiture.