Waymo et les tornades : comment Google DeepMind apprend aux voitures autonomes à survivre au chaos

Imaginez une route déserte quelque part en Oklahoma, au coucher du soleil. Soudain, droit devant, une tornade géante descend des nuages. Que doit faire une voiture autonome ? Auparavant, les ingénieurs n'avaient que deux options : attendre des années une vraie catastrophe en espérant que leur véhicule d'essai se trouve à proximité et survive, ou tenter de programmer à la main la physique du vent et des débris dans un vieux moteur de jeu. Waymo a choisi une autre voie en s'associant aux spécialistes de Google DeepMind. Ensemble, ils ont conçu un système fondé sur Genie 3, un réseau de neurones qui transforme des prompts textuels en mondes 3D interactifs et d'un réalisme troublant.

À l'origine, Genie était conçu comme un jouet amusant pour générer de petits jeux de plateforme dans l'esprit de Super Mario. Mais DeepMind a vite compris que si un modèle comprend la physique du saut d'un personnage en pixels, il peut aussi gérer la dynamique d'un camion de plusieurs tonnes sur une route verglacée. Pour Waymo, il ne s'agit pas d'une simple amélioration graphique de son simulateur. C'est le passage à de véritables « modèles du monde » (World Models), adaptés aux exigences sévères de la circulation réelle. Les développeurs peuvent désormais inscrire dans un scénario n'importe quelle folie, d'un éléphant déboulant sur l'autoroute à une tempête de sable, et observer le comportement de l'IA.

Le problème, c'est qu'apprendre à une voiture autonome à rouler dans le San Francisco ensoleillé ou à Phoenix n'est plus si compliqué aujourd'hui. Le vrai défi du secteur, ce sont les « cas limites » (edge cases) : des événements qui surviennent une fois tous les millions de miles, mais qui sont à l'origine d'accidents mortels. Collecter des données sur de tels incidents sur route réelle est physiquement impossible, trop coûteux et tout simplement dangereux pour l'entourage. Grâce à Genie 3, Waymo peut générer des milliers de variantes d'un même scénario dangereux en un claquement de doigts, et forcer ses algorithmes à apprendre de leurs erreurs dans le virtuel.

La différence essentielle entre Genie 3 et les simulateurs classiques tient à ce que ce réseau de neurones crée un environnement qui réagit aux actions de l'agent. Si la voiture simulée braque brusquement ou freine, le monde autour d'elle change selon la physique que le réseau a prédite. C'est une tentative d'apprendre à l'intelligence artificielle les relations de cause à effet de notre réalité, plutôt que de copier mécaniquement le comportement des conducteurs humains. C'est un changement fondamental dans notre manière d'aborder la sécurité des systèmes autonomes.

Cette initiative ressemble à une réponse directe aux sceptiques et aux concurrents, Tesla compris. Tandis qu'Elon Musk mise sur la collecte massive de données issues de millions de trajets ordinaires de ses clients, Waymo s'enfonce dans la théorie et la simulation extrême. C'est l'affrontement classique de deux approches : la force brute contre la préparation intellectuelle en laboratoire. Si Waymo parvient à prouver que ses « jumeaux numériques » du chaos reflètent correctement la réalité, les régulateurs pourraient se montrer bien plus favorables à un déploiement massif de robotaxis sans conducteur.

Bien sûr, une question reste ouverte : dans quelle mesure les hallucinations du réseau de neurones Genie 3 correspondent-elles à la physique réelle d'une tornade ou au comportement d'un animal effrayé ? Si le modèle se trompe dans le calcul de l'adhérence des pneus sur route mouillée, l'entraînement dans une telle simulation pourrait même être néfaste, en inculquant de fausses compétences à l'algorithme. Mais vu l'expertise de DeepMind en apprentissage profond, c'est sans doute la tentative la plus sérieuse de créer un véritable terrain d'essai pour l'IA que l'on ait vue ces dernières années.

L'essentiel : Waymo déplace la course aux armements du monde réel vers les simulations virtuelles. D'autres entreprises seront-elles capables de créer des « modèles du monde » de même qualité, ou la sécurité des voitures autonomes deviendra-t-elle le monopole de ceux qui ont accès à la puissance de calcul de Google ?