Robotaxis : l’autonomie en ville, entre promesses technologiques et réalités du terrain

En septembre 2026, prendre un robotaxi à Londres n’est plus une expérience de laboratoire. Depuis le 3 septembre, la plateforme Uber et la start-up britannique Wayve proposent des trajets payants dans la capitale britannique, avec un opérateur de sécurité à bord. Une étape modeste — quelques dizaines de véhicules, des trajets limités — mais symbolique : c’est le premier déploiement commercial grand public en Europe, après les métropoles américaines et chinoises où des services similaires fonctionnent déjà. À San Francisco, Miami ou Dubaï, des milliers de ces véhicules sillonnent les rues, souvent sans conducteur à bord, comme le revendique Waymo, filiale d’Alphabet, qui affiche une réduction de 94 % des accidents graves par rapport à des conducteurs humains dans les mêmes zones.

Pourtant, ces chiffres ne suffisent pas à masquer les tensions qui traversent le secteur. Entre les promesses d’une autonomie totale et les contraintes du réel, les acteurs doivent arbitrer en permanence entre sécurité, rentabilité et acceptation sociale. Trois enjeux se croisent : la fiabilité des systèmes, la viabilité économique des modèles, et la capacité des régulateurs à encadrer une technologie encore en mouvement.

1. La fiabilité technique : entre capteurs, IA et certifications

Les robotaxis ne se contentent pas de suivre une route. Ils doivent interpréter en temps réel un environnement urbain dense, où chaque usager — piéton, cycliste, autre véhicule — représente une variable imprévisible. Pour y parvenir, les constructeurs misent sur des architectures hybrides, combinant capteurs physiques et intelligence artificielle.

Waymo, par exemple, s’appuie sur une flotte de lidars, radars et caméras couplée à une IA entraînée sur des milliards de kilomètres virtuels et réels. Son approche repose sur une redondance des systèmes : si un capteur tombe en panne, un autre prend le relais. Tesla, en revanche, mise sur une solution minimaliste, avec six caméras et une IA entraînée sur des données collectées par ses véhicules grand public. Cette différence d’architecture a un coût : selon une estimation de Morgan Stanley, le prix au mile facturé par Waymo est de 1,4 dollar, contre 0,8 dollar pour Tesla, dont l’objectif est de descendre à 0,2 dollar à long terme.

Mais la fiabilité ne se mesure pas seulement en kilomètres parcourus. Elle se juge aussi à l’aune des scénarios critiques, comme la détection d’un piéton traversant hors passage ou d’un véhicule à contresens. Une équipe de l’Université de Tübingen a récemment proposé une méthode pour évaluer la dangerosité d’un usager vulnérable en temps réel, indépendamment du scénario. Leur approche, validée sur le jeu de données DeepAccident, améliore de 275 % les performances des systèmes existants et atteint un F1-score de 0,96. Un progrès technique qui pourrait réduire les accidents impliquant des piétons ou des cyclistes, encore trop fréquents dans les statistiques des robotaxis.

2. Le modèle économique : rentabilité vs. sécurité

Un robotaxi n’est pas rentable s’il reste au garage. Son modèle économique repose sur sa capacité à enchaîner les trajets, 24h/24, sans intervention humaine. Pourtant, l’autonomie totale a un prix : une conduite trop prudente, comme celle de Waymo, rallonge les trajets et réduit le nombre de courses par véhicule. À l’inverse, une conduite plus agressive, comme celle de Tesla, peut exposer les passagers et les autres usagers à des risques accrus.

Le Cybercab de Tesla, attendu pour 2027, incarne cette tension. Le constructeur mise sur une IA capable de conduire sans supervision, mais doit prouver qu’elle peut s’intégrer à la circulation ordinaire sans se faire neutraliser par des comportements imprévisibles. Une voiture trop lente ou hésitante devient un gouffre financier : elle immobilise du capital (achat, recharge, entretien) et réduit les revenus par trajet. Selon une analyse de La Tribune, une flotte de robotaxis doit atteindre un taux d’utilisation de 80 % pour être rentable. Or, aujourd’hui, aucun acteur ne dépasse les 60 % en moyenne.

Pour contourner ce problème, certains opérateurs misent sur des véhicules dédiés, comme Zoox, qui produit ses propres robotaxis dans une usine californienne. Avec une capacité de 2 500 véhicules par an, Zoox espère atteindre une masse critique qui lui permettra de réduire les coûts. D’autres, comme WeRide en Chine, s’allient à des partenaires locaux pour accélérer leur déploiement, avec un objectif de 1 200 robotaxis à Dubaï d’ici 2027.

3. Le cadre réglementaire : entre innovation et prudence

Si les États-Unis et la Chine ont ouvert la voie, l’Europe reste prudente. En France, la loi n’autorise pour l’instant que les véhicules de niveau 3 (conduite semi-autonome avec un humain au volant). Les niveaux 4 et 5, qui permettent une autonomie totale, sont encore en phase d’expérimentation. Le Parlement européen table sur une homologation des véhicules 100 % autonomes d’ici 2030, mais les régulateurs nationaux freinent des quatre fers.

À Londres, le régulateur des transports (TfL) a autorisé 15 véhicules avec opérateurs de sécurité pour Wayve et Uber, mais refuse pour l’instant d’homologuer des trajets sans humain à bord. Aux États-Unis, la NHTSA a accordé à Zoox une dérogation pour des courses sans reprise en main possible, mais sous supervision rigoureuse. Ces garde-fous sont nécessaires : en 2025, des incidents impliquant des robotaxis de Waymo à San Francisco avaient provoqué des blocages de trafic et des accidents, rappelant que la technologie n’est pas encore infaillible.

4. L’entraînement des IA : quand les jeux vidéo deviennent des laboratoires

Pour entraîner leurs IA, les constructeurs ne se contentent plus des routes réelles. NVIDIA a développé RTX Spark, une plateforme qui utilise des environnements virtuels comme Apex Legends ou Alan Wake 2 pour simuler des scénarios de conduite. Grâce à des innovations comme le DLSS 4.5 Ray Reconstruction et une mémoire unifiée de 128 Go, cette architecture permet de générer des données d’entraînement à haute performance, réduisant le besoin de kilomètres réels.

Pourtant, les environnements virtuels ont leurs limites. Ils ne reproduisent pas toujours la complexité du monde réel, comme les ronds-points français ou les autoroutes allemandes sans limitation de vitesse. WeRide, par exemple, teste actuellement son système GXR dans ces environnements extrêmes, mais doit valider ses résultats sur route avant de généraliser son déploiement.

Ce qui change vraiment en 2026

Les robotaxis ne sont plus une curiosité technologique. Ils sont une réalité commerciale, avec des services disponibles dans une douzaine de métropoles, des milliers de véhicules en circulation et des milliards de dollars investis. Pourtant, leur avenir dépend de trois arbitrages clés :

Pour l’instant, les acteurs avancent pas à pas. Waymo vise un déploiement sans opérateur d’ici la fin 2026, sous réserve des autorisations. Uber et Wayve limitent leurs trajets à Londres à une zone restreinte. Tesla retarde l’homologation de son Cybercab, faute de données suffisantes. Mais une chose est sûre : la course vers l’autonomie totale est lancée, et elle ne s’arrêtera plus.