Nvidia a l’intention de rendre les véhicules autonomes un peu plus bavards, dans le bon sens du terme. Avec Alpamayo 2 Super, l’entreprise a publié un modèle d’IA destiné aux robotaxis et aux voitures autonomes de niveau 4, autrement dit capables de rouler seules dans une zone définie. L’idée n’est pas seulement de dire à la voiture où aller. Le modèle doit aussi expliquer pourquoi il choisit de freiner, de céder le passage, de changer de voie ou de s’arrêter. Dans un secteur où la confiance est au moins aussi importante que les performances, cette capacité à montrer son raisonnement pourrait peser lourd.
Une voiture qui ne se contente pas de tourner le volant
Alpamayo 2 Super repose sur environ 34 milliards de paramètres et s’appuie sur la famille Cosmos de Nvidia. Il traite les images de sept caméras pour obtenir une vision à 360 degrés autour du véhicule. Le système combine un grand modèle de raisonnement avec un module plus spécialisé, chargé de transformer cette analyse en trajectoire de conduite.
Nvidia parle de « chaîne de causalité » : le modèle peut produire une trajectoire, une intention de conduite, une explication de la décision, mais aussi des annotations automatiques pour entraîner d’autres systèmes. Il peut même répondre à des questions visuelles en reliant ses réponses à des zones précises de l’image.
Pour les développeurs, c’est utile : ils peuvent voir ce que le véhicule a observé, comprendre l’action choisie et repérer plus facilement ce qui cloche. Pour les régulateurs et les tribunaux, ce type d’explication pourrait aussi devenir important. Une voiture qui peut dire pourquoi elle a freiné est plus facile à examiner qu’un système qui se contente de produire une commande.
Alpamayo 2 Super est disponible sur Hugging Face sous une licence (OpenMDW-1.1) qui autorise les modifications et une redistribution commerciale. Nvidia met aussi à disposition le code d’inférence sur GitHub. L’ouverture est donc réelle, surtout dans un secteur où les technologies de conduite autonome restent souvent très fermées. Les constructeurs, fournisseurs et développeurs peuvent adapter le modèle à leurs propres données, politiques de conduite et besoins de déploiement.
Mais le modèle complet n’est pas destiné à tourner directement dans une voiture. Il sert plutôt de professeur dans le cloud. Ses sorties peuvent ensuite être utilisées pour former des versions plus légères, optimisées pour les puces embarquées de Nvidia. C’est une stratégie classique pour l’entreprise : ouvrir les outils pour installer son écosystème, puis vendre le matériel sur lequel tout cela fonctionne le mieux. Le modèle est gratuit, mais la route passe souvent par ses puces.
🟣 Pour ne manquer aucune news sur le Journal du Geek, suivez-nous sur Google et sur notre canal WhatsApp. Et si vous nous adorez, on a une newsletter tous les matins.
