Waymo et DeepMind construisent leur « Matrice » : pourquoi les voitures autonomes doivent imaginer des accidents

Imaginez que vous appreniez à un enfant à traverser la rue. Plutôt que d'attendre des années qu'un chauffard passe en trombe devant lui ou qu'un piano tombe d'un camion, vous lui mettez simplement un casque de réalité virtuelle qui génère ces cauchemars à la demande. C'est à peu près ce que font aujourd'hui Waymo et Google DeepMind.

Les deux entreprises ont estimé que la réalité ne suffisait pas pour entraîner une voiture autonome vraiment sûre. Elles ont donc créé Genie 3, un modèle de monde génératif capable d'« imaginer la suite » des situations de circulation. Tous les systèmes de conduite autonome actuels butent sur la fameuse « longue traîne ».

Les voitures autonomes gèrent très bien le trafic ordinaire par une journée ensoleillée, mais calent face aux anomalies : un kangourou qui surgit sur la chaussée ou des oranges éparpillées sur le bitume. Réunir suffisamment d'exemples de ce type dans le monde réel est physiquement impossible, et dangereux. Jusqu'ici, les ingénieurs dessinaient ces scènes à la main dans des simulateurs proches du jeu vidéo, mais le résultat restait toujours trop aseptisé et éloigné de la réalité.

Genie 3 change la donne. Il ne s'agit pas d'un simple lecteur vidéo, mais d'un véritable environnement neuronal. Le modèle prend un court extrait d'enregistrement réel issu des caméras de Waymo et le transforme en bac à sable interactif.

Les ingénieurs peuvent lui demander : « Maintenant, fais en sorte que cette voiture nous fasse une queue de poisson », et Genie 3 redessine la séquence vidéo en temps réel, en respectant les lois de la physique et la vraisemblance visuelle. Le véhicule autonome plongé dans cette simulation peut réagir aux changements, et le modèle génère alors la réponse de l'environnement. C'est précisément ce « modèle de monde » dont on parle tant à propos de GPT-5 et de l'avenir de l'IA.

Sur le plan technique, Genie 3 repose sur une architecture qui comprend les relations de cause à effet. Il ne se contente pas de modifier des pixels : il comprend que si une voiture freine, la distance qui nous en sépare doit diminuer. Waymo peut ainsi entraîner ses algorithmes dans un régime d'« hallucinations contrôlées ».

Pendant que ses concurrents accumulent des millions de miles réels en espérant tomber sur quelque chose d'inhabituel, Waymo génère tout simplement l'expérience dont il a besoin sur les serveurs de DeepMind. Le passage aux modèles de monde marque un changement fondamental pour la robotique. On abandonne la simple imitation du conducteur humain pour apprendre au système à comprendre les fondements de la réalité.

Si une IA comprend comment le monde fonctionne, elle n'a pas besoin de voir mille accidents pour saisir le danger d'un objet projeté vers le pare-brise. L'ironie, c'est que les hallucinations ont longtemps été considérées comme le pire ennemi des réseaux de neurones. Désormais, c'est justement la capacité à « halluciner » sur un thème donné qui devient la clé pour créer le conducteur le plus sûr de l'histoire.

L'essentiel : Waymo passe de la collecte de données à leur synthèse à l'échelle industrielle. Si ce pari sur Genie 3 est payant, les essais physiques sur route ne seront plus qu'un examen de forme pour un système qui aura déjà vécu des millions de vies dans une « Matrice » numérique. Quelqu'un pourra-t-il rattraper Google sans avoir accès à une telle puissance de calcul et à une telle expertise en modèles génératifs ?