Le 11 novembre 2026, l’entreprise japonaise TIER IV a publié cinq modèles d’Intelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. capables de piloter une voiture de bout en bout, et ce sous licence open‑source. Ces modèles sont conçus pour s’intégrer à Autoware, la plateforme logicielle libre dédiée aux véhicules autonomes, et couvrent des configurations allant de la simple caméra aux systèmes combinant caméras, LiDAR, radar et cartes HD.

Une gamme adaptée à différents besoins

  • Alpamayo 2 Edge repose uniquement sur les images de caméras. Avec 2 milliards de paramètres, il est nettement plus léger que son cousin Alpamayo 2 Super (34 milliards). L’intégration à Autoware est finalisée, mais TIER IV continue d’optimiser le modèle pour les véhicules réels.
  • AutoE2E est le fruit d’une coopération entre la Fondation Autoware et TIER IV. Il compte 79,9 millions de paramètres et peut fonctionner sur des plateformes matérielles variées, pas uniquement NVIDIA. Sa « architecture rapide‑lente » associe un modèle réactif (décisions en temps réel) à des modèles de monde et de raisonnement qui anticipent les évolutions de l’environnement.
  • METEOR cible surtout les voitures particulières. Son réseau de 16 millions de paramètres traite les images sous forme de vue du dessus (bird’s‑eye‑view) et génère directement la trajectoire, sans recourir à des cartes HD. Il accepte de 1 à 8 caméras et peut être complété par LiDAR ou radar, fonctionnant sur des puces NVIDIA ou Renesas.
  • OnePlanner combine perception et planification en utilisant BEVFusion pour TransformerArchitecture de réseau neuronal reposant notamment sur des mécanismes d'attention pour traiter des séquences de données. les nuages de points LiDAR en vue du dessus, puis envoie les caractéristiques extraites directement au planificateur. Le système exploite aussi les cartes HD, les informations d’itinéraire, les états des feux et la dynamique du véhicule pour produire des trajectoires de six secondes. L’intégration à Autoware est également terminée.
  • LatentDrive s’appuie sur V‑JEPA, une méthode d’apprentissage auto‑supervisé qui encode les vidéos caméra dans un espace latent. Le modèle ne nécessite ni détection d’objets ni cartes HD et génère des trajectoires de quatre secondes à partir de la vidéo, de l’itinéraire et de l’état du véhicule. L’intégration et la validation en véhicule sont encore en cours.

AutoE2E v1.0 : premières performances publiques

Le groupe de travail Robotaxi de la Fondation Autoware, sponsorisé par TIER IV, a publié AutoE2E v1.0 le même jour, sous licence Apache 2.0. Le modèle réactif fonctionne à 10 Hz, fusionne six vues caméra en une représentation top‑down et prévoit 6,4 secondes d’accélération et de braquage. Les couches de modèle de monde et de raisonnement sont en cours de développement.

Lors de tests en boucle ouverte sur des données enregistrées, le modèle affiné a affiché une erreur de déplacement moyenne de 0,744 mètre sur trois secondes, se classant deuxième sur huit configurations évaluées. Ces mesures concernent la capacité du modèle à prédire la trajectoire d’un conducteur humain à partir d’images, et ne traduisent pas encore une conduite autonome en conditions réelles. Des essais en boucle fermée sur véhicule sont en cours, avec des déploiements prévus en 2027 pour des scénarios d’assistance L2++ jusqu’à des projets de niveau 4, encore en phase de recherche.

Vers une adoption industrielle

TIER IV mise sur la plateforme Co‑MET, un outil d’étiquetage automatisé intégré à Co‑MLOps, qui utilise l’IA agentiqueApproche de l'intelligence artificielle dans laquelle des systèmes peuvent planifier et exécuter des actions pour atteindre un objectif. pour réduire les besoins de codage manuel. Cette chaîne permet aux constructeurs et fournisseurs de pièces d’ajuster les modèles open‑source à leurs spécifications sans dépendre d’un seul fournisseur de semi‑conducteurs.

Le PDG Shinpei Kato explique que la stratégie à modèles multiples vise à offrir aux industriels la liberté d’adapter la technologie à leurs exigences de performance, sans verrouillage propriétaire. Du côté du matériel, le vice‑président automobile de NVIDIA, Ali Kani, souligne que l’intégration d’Alpamayo 2 Edge constitue une base ouverte pour passer de la recherche à la production.

Quels enjeux pour les développeurs ?

  • Flexibilité matérielle : certains modèles, comme AutoE2E, sont conçus pour fonctionner au-delà des GPUProcesseur conçu pour effectuer de nombreux calculs en parallèle, notamment utilisé pour entraîner et exécuter des modèles d'IA. NVIDIA, ce qui élargit les options d’intégration.
  • Modularité logicielle : Autoware 2.0 introduit un schéma d’indexation flexible, facilitant l’ajout ou le remplacement de blocs fonctionnels.
  • Validation en conditions réelles : la plupart des modèles restent en phase de validation véhicule, ce qui implique que les performances annoncées sur données enregistrées devront être confirmées sur route.
  • Perspective commerciale : TIER IV prévoit de commercialiser les modèles via des partenariats avec des constructeurs, mais le chemin entre la disponibilité open‑source et la certification automobile reste long.

En résumé, la mise à disposition de ces cinq modèles offre aux développeurs une boîte à outils variée pour explorer la conduite autonome, tout en rappelant que la route vers une utilisation industrielle sécurisée passe encore par des essais rigoureux et des adaptations spécifiques à chaque véhicule.

Le prochain défi sera de transformer ces prototypes en solutions certifiées capables de circuler quotidiennement aux côtés des conducteurs humains.

Une lecture à partager ?
Partager
Partager cet article
WhatsApp ↗LinkedIn ↗Facebook ↗X ↗E-mail ↗

POUR CONTINUER

Garder le fil.

Toutes les actus ↗