L'ESSENTIEL EN 30 SECONDES

  • Baidu a présenté le 3 novembre Apollo World, un système d'IA qui simule l'environnement routier et prédit son évolution afin d'entraîner des logiciels de conduite autonome.
  • Le groupe dit pouvoir produire jusqu'à 100 000 km de conduite simulée par jour, ce qui équivaudrait selon lui à environ trois ans d'essais réels avec un conducteur de sécurité.
  • Baidu indique que le modèle entraîne déjà la flotte de robotaxis Apollo Go ; aucun résultat indépendant ni détail technique n'a été publié.

Baidu a dévoilé le 3 novembre Apollo World, un système d'IA conçu pour simuler des environnements routiers réels et prévoir leur évolution, afin d'entraîner des logiciels de conduite autonome sans envoyer de voitures sur la voie publique. Reuters a rendu compte du lancement depuis Pékin. L'annonce intervient après des informations publiées fin octobre par TechNode et 36Kr, selon lesquelles le groupe développait un tel modèle et devait bientôt présenter ses avancées.

Ce que fait le modèle, selon Baidu

D'après Baidu, Apollo World peut générer jusqu'à 100 000 km de conduite simulée chaque jour. L'entreprise assimile ce volume à environ trois ans d'essais réels par un véhicule autonome accompagné d'un conducteur de sécurité. Le système produit en temps réel des données multimodales, notamment des images de caméra et des relevés lidar, pour que la pile logicielle de conduite perçoive la scène générée et s'y déplace comme dans le monde réel. Baidu affirme que le modèle sert déjà à entraîner la flotte d'Apollo Go, son service de robotaxis, que Reuters présente comme le premier opérateur du secteur en Chine.

Ces chiffres proviennent de Baidu. Ni Reuters ni les articles antérieurs ne fournissent de tests indépendants, de paramètres techniques ou d'éléments montrant dans quelle mesure l'entraînement simulé améliore la sécurité sur route.

Pourquoi les modèles de monde comptent pour les robotaxis

Un modèle de monde apprend une représentation d'un environnement physique et anticipe la suite, par exemple les déplacements des véhicules et des piétons alentour. Un article de 36Kr paru avant le lancement estimait que cette approche permettrait à Baidu de pratiquer l'apprentissage par renforcement dans un jumeau numérique, de réduire des essais routiers coûteux et d'aider Apollo Go à s'adapter plus vite à de nouvelles villes, là où il faut aujourd'hui des mois de collecte de données locales. Le même texte rappelait qu'Apollo Go est présent dans 28 villes et que le kilométrage d'essais publics d'Apollo dépasse 350 millions de km, des données susceptibles d'alimenter un tel modèle. Il s'agit d'analyses du média, non de plans annoncés par Baidu.

Le contexte concurrentiel

Baidu n'est pas seul : 36Kr cite des travaux similaires chez Nvidia, avec sa plateforme Cosmos, chez Tesla et chez la start-up Wayve, et indique que Huawei, Xpeng et NIO ont aussi évoqué les modèles de monde. En Chine, Apollo Go affronte WeRide, Pony.ai et Momenta, tandis que Xpeng prévoit de lancer des robotaxis en 2027, selon Reuters. Le coût de l'entraînement reste un enjeu central : Frank McCleary, du cabinet Arthur D. Little, a déclaré à Reuters que c'est un défi auquel toutes les entreprises du véhicule autonome seront confrontées.