Waymo et tornade : comment Google DeepMind apprend aux voitures autonomes à survivre dans le chaos

Imaginez : une route vide quelque part en Oklahoma, coucher de soleil, et soudain une gigantesque tornade descend des nuages directement sur la trajectoire du véhicule. Que devrait faire un véhicule autonome dans une telle situation ? Auparavant, les ingénieurs auraient dû attendre des années qu'une véritable catastrophe se produise, en espérant que leur voiture de test soit à proximité et survive, ou tenter de programmer manuellement la physique du vent et des débris dans un vieux moteur graphique.

Mais Waymo a décidé de prendre un chemin différent, en s'associant avec les génies de Google DeepMind. Ensemble, ils ont créé un système basé sur Genie 3 — un réseau de neurones qui transforme les prompts textuels en mondes 3D interactifs et étrangement réalistes.

En fait, Genie a été originellement conçu comme un jouet amusant pour générer de simples jeux de plateforme à la manière de Super Mario. Mais chez DeepMind, ils ont rapidement compris que si le modèle peut saisir la physique du saut d'un personnage pixelisé, il peut tout aussi bien gérer la dynamique d'un camion de plusieurs tonnes sur une route verglaçée. Pour Waymo, ce n'est pas simplement une autre mise à niveau graphique dans un simulateur.

C'est une transition vers des « modèles du monde » à part entière (World Models) qui sont adaptés aux exigences sévères du trafic routier réel. Désormais, les développeurs peuvent littéralement écrire n'importe quel type de chaos dans un scénario, d'un éléphant se précipitant sur l'autoroute à une tempête de sable, et voir comment l'IA se comporte.

Le problème, c'est que former un véhicule autonome à conduire dans la ensoleillée San Francisco ou Phoenix aujourd'hui n'est pas si difficile. Le véritable défi pour l'industrie, ce sont les soi-disant « cas limites » (edge cases). Ce sont précisément les événements qui se produisent une fois sur un million de miles, mais ce sont justement eux qui causent des accidents mortels.

Il est physiquement impossible de collecter des données sur de tels incidents sur les routes réelles — trop cher et tout simplement dangereux pour les autres autour. Grâce à Genie 3, Waymo peut générer des milliers de variations du même scénario dangereux en un claquement de doigts, forçant les algorithmes à apprendre de leurs erreurs dans la virtualité.

Une différence importante entre Genie 3 et les simulateurs classiques est que ce réseau de neurones crée un environnement qui réagit aux actions de l'agent. Si une voiture dans la simulation tourne soudainement le volant ou appuie sur le frein, le monde autour d'elle change conformément à la physique prédite par le réseau de neurones. C'est une tentative d'enseigner à l'intelligence artificielle à comprendre les relations de cause à effet de notre réalité, plutôt que de simplement copier le comportement des conducteurs humains selon un modèle. C'est un changement fondamental dans notre approche de la sécurité des systèmes autonomes.

Ce mouvement ressemble à une réponse directe aux sceptiques et aux concurrents, y compris Tesla. Tandis qu'Elon Musk mise sur la collecte massive de données provenant de millions de trajets ordinaires de ses clients, Waymo s'engage dans la théorie profonde et la simulation extrême. C'est un affrontement classique d'approches : la force brute contre la préparation intelligente en laboratoire. Si Waymo peut prouver que leurs « jumeaux numériques » du chaos reflètent adéquatement la réalité, les régulateurs pourraient devenir beaucoup plus indulgents envers le lancement massif de robotaxis sans conducteur.

Bien sûr, la 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 à la route sous la pluie, l'entraînement dans une telle simulation pourrait même être nuisible, inculquant de fausses compétences à l'algorithme. Mais compte tenu de l'expertise de DeepMind dans l'apprentissage profond, c'est peut-être la tentative la plus sérieuse de créer un terrain d'essai complet pour l'IA que nous ayons vue ces dernières années.

L'essentiel : Waymo transfère la course aux armements du monde réel aux simulations virtuelles. Les autres entreprises pourront-elles créer des « modèles du monde » de telle qualité, ou la sécurité des véhicules autonomes deviendra-t-elle le monopole de ceux qui ont accès à la puissance de calcul de Google ?