La vue FSD de Tesla nest pas pour votre voiture mais pour Optimus

Internet a littéralement implosé cette semaine face aux dernières vidéos de la bêta du Full Self-Driving (FSD) de Tesla. Et pour une fois, ce n’est pas parce qu’une voiture a confondu un panneau “Stop” avec une simple suggestion. Le nouveau visualiseur “Reality View” projette sur l’écran central une reconstruction 3D en temps réel d’une précision hallucinante. C’est tellement fluide et photoréaliste qu’un observateur s’est exclamé : « C’est encore plus dingue que GTA VI ». Un poil provocateur, certes, mais quand on voit le double numérique du véhicule naviguer dans une métropole baignée de néons sous une pluie battante, on commence à saisir l’ampleur de la prouesse.

Pourtant, voici le revers de la médaille : cette débauche graphique ultra-gourmande n’est pas vraiment là pour la voiture que vous conduisez. C’est une démonstration publique de la technologie de modélisation du monde que Tesla peaufine pour une ambition bien plus vaste. Lors d’une série d’interventions techniques, le CEO Elon Musk a levé le voile sur les coulisses, révélant non seulement les rouages de ce visualiseur, mais aussi la véritable priorité stratégique de l’entreprise en matière d’IA. Et spoiler alert : elle marche sur deux jambes.

Autopsie du jumeau numérique

Selon Musk, la magie opère grâce à un modèle de diffusion, cette catégorie d’IA générative célèbre pour créer des images à partir de “bruit” numérique. Mais le système de Tesla joue dans une autre cour. Tout commence avec le Tesla Universal Vision Encoder (UVE), qui traite les flux bruts des caméras. Ces données sont ensuite scindées en deux. Un premier flux alimente le modèle de conduite principal de 3 milliards de paramètres — le véritable cerveau du FSD, responsable de la direction et de la vitesse.

Le second flux est injecté dans un modèle de diffusion distinct d’environ un milliard de paramètres. Sa mission ? Générer la “Reality View”. Il prend l’image précédente, y injecte un peu de bruit numérique, puis utilise les dernières données de l’UVE pour la “débruiter” et obtenir cette vue hyperréaliste actuelle. Le résultat est une séquence vidéo de 8 images rendue à 36 fps, le tout tournant sur ce qu’on pourrait appeler de la “monnaie de poche” en termes de puissance de calcul.

Schéma de l'architecture de visualisation FSD de Tesla, des caméras jusqu'au rendu 'Reality View' sur l'écran.

Musk a détaillé les contraintes matérielles brutales : tout ce processus ne mobilise que la moitié de l’un des trois moteurs TRIP (Tesla Inference Processor) du hardware IA de la voiture (le SoC B). Il a souligné que le moteur TRIP est un processeur travaillant uniquement sur des entiers 8 bits, forcé d’émuler des opérations à virgule flottante (comme le softmax) en 28 étapes laborieuses. Le fait que les ingénieurs de Tesla aient réussi à faire tenir un modèle de diffusion d’un milliard de paramètres sur ce silicium relève soit du pur génie informatique, soit d’un entêtement frôlant l’obsession.

L’objectif réel : un modèle du monde “pixel-perfect”

Alors, pourquoi se donner autant de mal ? Pourquoi dédier des ressources de calcul si précieuses à faire de “jolies images” alors que le FSD traite encore parfois les cyclistes comme des obstacles facultatifs ? La réponse tient en trois mots : génération de données synthétiques. Musk a affirmé que Tesla dispose d’un « modèle du monde quasi parfait (pixel-perfect) depuis l’année dernière ». Ce visualiseur n’est que le premier aperçu concret de ce modèle en action.

Une simulation parfaite de la réalité est le Saint Graal pour l’entraînement des systèmes autonomes. Au lieu de devoir parcourir des millions de kilomètres supplémentaires pour croiser des cas rares ou extrêmes (les fameux edge cases), Tesla peut générer des variations infinies de scénarios dans sa simulation. Elle peut créer des tempêtes de neige virtuelles en plein mois de juillet, tester la réaction face à un kangourou en plein centre-ville de Lyon, et globalement torturer son IA de conduite de manières impraticables ou dangereuses dans le monde réel. Les belles images sur l’écran ne sont qu’un sous-produit ; le vrai produit, c’est l’usine à données.

La bombe AI5 : ce n’est pas pour vous, conducteurs

Alors que tout le monde digérait encore cet exploit technique, Musk a lâché une bombe. Interrogé sur les futures améliorations matérielles, il a révélé que la prochaine génération de puces IA maison, l’AI5, représenterait une « amélioration gigantesque » avec environ 12 fois plus de puissance de calcul. Puis est venu le coup de grâce :

« Elle ira dans Optimus. Les voitures resteront sur l’AI4. C’est suffisant pour atteindre une conduite surhumaine. »

Cette simple déclaration bouleverse totalement le récit de Tesla. L’entreprise affirme publiquement que son matériel AI4 actuel suffit à surpasser l’humain au volant — une affirmation qui sera accueillie avec une bonne dose de scepticisme par quiconque a déjà testé le système. Mais l’info capitale, c’est que la puce la plus avancée de la firme, avec un bond de performance d’un ordre de grandeur, est exclusivement réservée au programme de robot humanoïde.

L’implication est limpide : Tesla considère la robotique incarnée et généraliste comme un défi bien plus complexe, et finalement bien plus lucratif, que la conduite autonome. Une voiture évolue dans un environnement structuré et régi par des règles (voies, panneaux, code de la route). Un robot humanoïde, lui, doit naviguer dans le chaos infini des espaces humains. Il a besoin d’une puissance de calcul phénoménale pour construire un modèle du monde capable de comprendre non seulement comment avancer, mais aussi comment ouvrir une porte, utiliser une machine à café ou plier du linge sans mettre le feu à la maison.

Pendant que les propriétaires de Tesla profitent d’un économiseur d’écran ultra-léché aux airs de jeu vidéo, la véritable IA de nouvelle génération se construit pour un robot bipède. Le modèle du monde qui alimente ce visualiseur époustouflant n’est qu’un terrain d’entraînement. Le véritable test aura lieu quand cette même compréhension de l’univers physique sera déployée, non pas sur quatre roues, mais sur deux jambes, propulsée par une puce qui fera passer celle de votre voiture pour une calculatrice de poche.