Wayve s’appuie sur CoreWeave et les GPU NVIDIA Blackwell pour accélérer l’AI Driver

Wayve a signé le 9 novembre 2026 un accord pluriannuel avec CoreWeave afin d’entraîner ses modèles de conduite autonome sur le cloud de CoreWeave, équipé des GPUGPUProcesseur conçu pour effectuer de nombreux calculs en parallèle, notamment utilisé pour entraîner et exécuter des modèles d'IA. NVIDIA Blackwell. Le partenariat couvre la formation, l’évaluation et la simulation d’un système qui apprend à partir de données réelles collectées dans plus de 70 pays.

Le processus de Wayve repose sur un « data flywheel » : les véhicules capturent des téraoctets de capteurs chaque jour, ces données sont stockées, puis réutilisées pour entraîner les réseaux de neurones. Chaque version du modèle est comparée à la précédente et seules les améliorations qui dépassent les performances existantes sont déployées, selon Silvius Rus, vice‑président senior de l’ingénierie.

CoreWeave apporte la puissance de calcul nécessaire à ces boucles longues et coûteuses. Grâce à l’infrastructure Kubernetes, aux réseaux InfiniBand/RoCE et au stockage objet à l’échelle du pétaoctet, les jobs de formation et de simulation peuvent s’exécuter en parallèle sur de nombreux GPU. Un test interne a montré que 1,25 million de simulations CARLA pouvaient être réalisées en 12 heures en utilisant un GPU dédié par simulation, illustrant la variété d’environnements (météo, trafic, cartes) générés pour tester le modèle.

La fiabilité du matériel est également mise en avant. Le moteur RAS (Reliability, Availability and Serviceability) des GPU Blackwell surveille des milliers de points de santé afin de prévenir les pannes pendant les entraînements de plusieurs semaines, un critère essentiel pour un système où chaque défaut peut avoir des conséquences de sécurité.

Sur le plan de la traçabilité, Wayve utilise Weights & Biases pour suivre chaque expérience, le registre de modèles pour relier les checkpoints aux jeux de données et Weave pour visualiser les évaluations. Cette chaîne de versionnage facilite le retour d’information depuis la simulation jusqu’à la donnée d’origine, un atout majeur pour un logiciel critique.

L’enjeu du partenariat est de réduire le délai entre la collecte d’expériences de conduite réelles et leur conversion en améliorations validées, tout en conservant la robustesse requise pour des véhicules autonomes, qu’il s’agisse de voitures particulières ou de robotaxis. Si CoreWeave parvient à fournir la capacité de calcul et l’infrastructure de données à l’échelle annoncée, Wayve pourrait accélérer son déploiement commercial dans les années à venir.

Perspectives : le modèle d’entraînementTrainingProcessus durant lequel un modèle ajuste ses paramètres à partir de données afin d'améliorer ses performances. continu, soutenu par une infrastructure cloud robuste, pourrait devenir la norme pour les acteurs de la conduite autonome, où la rapidité d’itération et la sécurité restent les priorités.