Automobile : les balbutiements de l’IA générative embarquée

L’IA générative embarquée est encore peu adaptée à la réalité économique de l’automobile

Une telle approche technique implique de la latence et de possibles indisponibilités dans les zones où la couverture réseau est de piètre qualité ou peu dense. De plus, les constructeurs sont dépendants des services de leurs partenaires, de leurs évolutions, et doivent être vigilants quant à la gestion de données partagées.

Il est pourtant possible, du moins sur le papier, d’embarquer les fonctionnalités d’IA générative au sein du véhicule. De fait, les voitures équipées d’une architecture centralisée disposent de puces aussi puissantes que certains ordinateurs de bureau, quand elles n’embarquent pas directement des GPU Nvidia. Et le concept de SDV implique de pouvoir actualiser les fonctions du véhicule tout au long de sa durée de vie.

Cela pose toutefois des enjeux de taille. Rares sont les constructeurs capables d’anticiper les évolutions de leurs systèmes après cinq ans sur la route, expliquait Stefan Buerkle, président de l’informatique interdisciplinaire pour la région Amérique du Nord chez Bosch, lors du CES 2025.

Thomas Cardon, directeur des ventes EMEA du segment automobile de BlackBerry QNX, considère, lui, qu’en l’état, le fait d’embarquer directement les fonctions d’IA générative dans la voiture va à l’encontre des réalités techniques et économiques.

« Je ne connais pas un constructeur qui n’est pas dans une logique d’optimisation », déclare-t-il. « S’il reste de la charge CPU disponible, la logique du moment est plutôt de choisir des calculateurs moins puissants afin de réduire le coût du BOM, plutôt que de laisser de la place vacante pour un hypothétique cas d’usage logiciel ».

Oui, cela est contraire à la philosophie du Software Defined-Vehicule, reconnaît-il. « Mais aujourd’hui, il y a une telle pression sur les coûts que si l’on peut économiser 20 ou 25 % du BOM sur le calculateur, l’on ne va pas s’en priver », insiste-t-il.

Et pas question d’ajouter un HPC dédié à l’IA et l’IA générative au sein des véhicules. « Si vous faites bien attention, lors des démonstrations faites dans les allées du CES 2026, il y a une ressource supplémentaire de calcul (CPU ou GPU) qui est dédiée à l’IA », relate Thomas Cardon.

« Actuellement, j’ai du mal à imaginer, en fait, une architecture électronique qui permet d’héberger sur un même SoC les fonctions cockpit et d’IA générative avec toutes les demandes en matière de consommation graphique et ainsi de suite ».

C’est pourtant la direction prise par plusieurs fournisseurs de silicones et éditeurs. Qualcomm, Nvidia ou encore NXP sont quelques-uns des acteurs à avoir présenté des démonstrations en la matière. Le jeune spécialiste de la gestion de configuration de véhicules Sonatus également.

« Aujourd’hui, nous sommes capables de mettre en place une solution que nous appelons AI Director, une plateforme embarquée qui n’a pas besoin d’un GPU ou d’une bête de course », indique Alexandre Corjon, vice-président de l’ingénierie chez Sonatus. « Nous l’avons testée sur deux types de calculateurs centralisés fournis par NXP, sans que cela mobilise toutes les ressources ».

Avec AI Director, Sonatus entend gérer des SLM (de petits modèles de langage) et des systèmes RAG au sein même des véhicules. Avec son partenaire VicOne, l’entreprise américaine a testé l’usage d’un LLM embarqué pour traiter et corréler les logs de sécurité afin de réduire de 60 % la quantité de données envoyées vers le cloud. « Dans cette configuration, nous exécutons le LLM sur un véhicule électrique en charge. Le traitement a pris environ cinq heures lors de nos premiers essais », nuance Alexandre Corjon.

Du machine learning aux agents IA, combiner IA embarquée et débarquée

AI Director et les autres briques de Sonatus s’appuient davantage sur des algorithmes de machine learning et de statistiques, beaucoup plus faciles à miniaturiser. Et encore, les cas d’usage les plus déployés reposent sur l’analyse de données débarquée, depuis le cloud. Les usages embarqués sont encore balbutiants, reconnaît l’ancien vice-président de l’ingénierie de l’alliance Renault Nissan.

Sonatus, comme Qualcomm, fait le pari que les déploiements de l’IA dans l’automobile seront hybrides, embarqués et débarqués. Dans un livre blanc, Girish Shirasat, directeur senior de l’ingénierie chez Qualcomm, évoque l’émergence de l’AIDV, l’AI-Defined Vehicle et des agents IA dans les véhicules.

« En combinant des frameworks agentiques et des systèmes d’inférence en Edge, les agents Snapdragon Chassis permettent à des entités logicielles, indépendantes et axées sur des objectifs, d’orchestrer et de personnaliser les fonctions du véhicule en temps réel », avance-t-il.

Il présente (exemple à l’appui) une architecture combinant des LLM en cloud, des SLM et des serveurs MCP embarqués, des agents IA cloud et Edge communiquant à l’aide du protocole Agent2Agent mis sur pied par Google. Il s’agit de se connecter aux données des systèmes d’aides à la conduite (ADAS), du cockpit (infotainment) ou encore de la télématique.

« Ce genre de configuration [hybride] me semble envisageable », commente Thomas Cardon. « La cloudification de l’automobile date d’avant l’émergence de l’IA générative », rappelle-t-il.

Bien que très prometteur selon Alexandre Corjon, l’IA générative ou le machine learning hybrides doivent de toute manière passer les épreuves chez les constructeurs, signale Alexandre Corjon. « Les priorités de développement sont dictées par les constructeurs. Ils jugeront s’ils peuvent le valoriser d’un point de vue monétaire ou en matière d’image de marque », déclare-t-il. D’ailleurs, l’expert du secteur mise davantage sur le deuxième aspect. La fidélisation des clients est un élément déterminant afin d’assurer que l’automobiliste continue d’acheter et recommande les véhicules de la marque à ses proches.

La priorité pourrait être, pour certains, la fiabilité de leurs véhicules. Le scandale Takata et les freinages fantômes pour un bon nombre d’entre eux, les problèmes du moteur Pure Tech pour Stellantis, sont autant d’éléments qui pourraient inciter les constructeurs à se concentrer sur ce point. Elle sert les deux intérêts : l’image de marque et les finances du constructeur. Diminuer les retours en concession est l’assurance d’une réduction des coûts. Mais là encore, il y a un revers de la médaille : multiplier les composants matériels et logiciels, c’est s’exposer à un plus grand nombre de pannes. Un risque qui sied davantage au segment haut de gamme. D’autres pourraient considérer que la fiabilisation des éléments existants peut se limiter à la collecte de la télémétrie via le cloud, ou à la fiabilisation dès la conception. Certains constructeurs en ont fait leur marque de fabrique.

L’IA générative, plus utile dans l’amélioration des processus selon les analystes

Pour le moment, le directeur des ventes EMEA chez BlackBerry QNX observe davantage le recours à la GenAI dans la phase de développement des logiciels embarqués, comme chez la plupart des éditeurs et des entreprises. De son côté, Boston Consulting Group estime que les gains les plus probants sont à trouver au cours des phases de conception, de développement logiciel, de réalisation des tests, lors de la vente ainsi que dans le cadre de la supply chain et du support client. « Nous estimons que les applications GenAI pourraient réduire les coûts de 25 % et augmenter la productivité de 20 à 30 % au cours des trois prochaines années à venir », écrivent-ils.

Pour autant, là encore, l’unification de systèmes existants fragmentés et la nécessaire refonte des processus sont des étapes préalables pour profiter de ces gains, considère le cabinet. Si certains fabricants ont acquis la culture du processus, d’autres débutent à peine.