Intelligence artificielle et automobiles
Habitacle d’une voiture autonome (baza178, iStockphoto)
Habitacle d’une voiture autonome (baza178, iStockphoto)
Quels sont les liens avec mon programme d'études?
Découvre comment des systèmes d’intelligence artificielle sont utilisés dans le monde des transports et intégrés dans les véhicules autonomes.
L’intelligence artificielle (IA) peut sembler être quelque chose de nouveau. Mais des applications d’IA sont utilisées dans les transports depuis un certain temps déjà. Beaucoup de véhicules modernes utilisent un système de localisation par satellite (GPS). Ce système utilise des données provenant de satellites pour établir où se trouve un véhicule sur Terre. Les algorithmes de cartographie utilisent l’IA pour déterminer quel est le meilleur chemin pour se rendre du point A au point B.
Pour y arriver, les systèmes d’IA ont appris à prédire les meilleures trajectoires à partir d’immenses quantités de données. Ils combinent ensuite ces données avec de l’information en temps réel sur les utilisateurs et utilisatrices. Cela comprend des renseignements tels que la vitesse à laquelle ils et elles roulent sur la route. Ces deux types de données peuvent ensuite fournir aux gens de l’information exacte et précise concernant leurs déplacements. L’IA peut même aider les conducteurs et conductrices à contourner les congestions de circulation et à éviter les sites de construction routière.
Image - Version texte
Voici une photo en couleur d'une carte sur un petit écran fixé au pare-brise d'une voiture. L'écran est bien visible au premier plan. Il est fixé au pare-brise au-dessus du tableau de bord à l'aide d'une ventouse. La carte montre la route avec une ligne rouge épaisse menant à l'horizon. Des zones de texte à gauche de l'écran indiquent l'heure et la vitesse, et montre une grande flèche pointant vers le haut, avec l'inscription « 11 km ». Le reste du texte est trop petit pour être lu. À l'arrière-plan, en flou, on aperçoit la route, l'arrière d'une autre voiture et un bâtiment. Des gouttes de pluie sont visibles sur le pare-brise.
Le savais-tu?
L’apprentissage machine est une sorte d’IA. Il est utilisé pour développer la majorité des systèmes de transport qui utilisent l’IA.
Plusieurs dispositifs de sécurité dans les véhicules modernes utilisent l’IA. L’aide à la conduite en est un exemple. Les systèmes d’aide à la conduite avertissent la personne qui conduit des possibles dangers. Il peut s’agir, par exemple, d’une alarme sonore qui se déclenche lorsque la voiture dévie hors de sa voie. Pour ce faire, la voiture utilise divers capteurs, notamment des caméras et des capteurs infrarouges.
Certains systèmes aident également à la conduite. Il peut s'agir de fonctions précises, comme les systèmes de contrôle qui ajustent la vitesse ou la direction du véhicule. Il peut aussi s'agir de fonctions plus générales, comme l'utilisation de modèles d'apprentissage automatique pour prendre des décisions en fonction des différentes conditions de circulation. Toutes ces fonctions envoient des données à un centre de données central. Ces informations sont ensuite utilisées comme données de formation pour de futurs modèles.
L’IA et le suivi de la circulation
Personne n’aime être pris dans le trafic! Les urbanistes sont donc toujours à la recherche de moyens d’améliorer la circulation des véhicules sur les routes. Installer des capteurs sur des feux de circulation peut aider. Les capteurs envoient des données à une grande base de données à distance. Ces données sont ensuite utilisées pour élaborer différents scénarios de contrôle des feux de circulation qui sont analysés pour déterminer les meilleurs réglages. Les urbanistes utilisent aussi l’apprentissage machine pour concevoir de meilleurs systèmes routiers. Cela peut inclure des idées comme utiliser des carrefours giratoires plutôt que des feux de circulation.
Image - Version texte
Voici une photo en couleur de voitures à un grand carrefour, avec des cercles concentriques bleus autour d'elles. Des véhicules de tailles et de formes différentes se déplacent dans plusieurs directions autour d’une intersection complexe avec des feux, des panneaux d'arrêt et des voies de virage. Chaque véhicule est entouré de trois à cinq cercles concentriques bleu pâle illustrés sur la chaussée.
L’IA et la sécurité routière
Savais-tu que les accidents de voiture sont la cause du décès de plus de 1700 personnes chaque année au Canada? À l’échelle mondiale, ce chiffre monte à environ 1,35 million de personnes. Et c’est sans compter les 20 millions et plus de personnes qui subissent des blessures non fatales chaque année.
Il y a trois causes principales aux accidents de voiture : la vitesse, la conduite avec facultés affaiblies et la distraction au volant. Afin d’améliorer la sécurité routière, on peut utiliser les systèmes d’IA pour identifier les personnes qui adoptent de tels comportements. Un système d’IA peut rechercher des régularités dans la conduite des gens, qu’elle soit bonne ou mauvaise. On peut ensuite enseigner aux systèmes à rechercher certaines choses qui sont dangereuses, comme l’excès de vitesse.
Le savais-tu?
Robocar, la voiture autonome la plus rapide peut atteindre une vitesse de 282,42 km/h!
L’IA et les voitures autonomes
Contrairement aux humains, les machines ne font pas de choses imprévisibles ou imprudentes. Ceci a mené certaines personnes à se demander si des voitures autonomes pourraient rendre nos routes plus sécuritaires.
La sécurité est le facteur le plus important qui pousse les gens à concevoir des voitures autonomes. Mais ce n’est pas le seul facteur. Le temps en est un autre. Imagine si les gens pouvaient utiliser le temps qu’ils passent à conduire pour accomplir des tâches plus agréables ou plus productives.
Le savais-tu?
Les voitures sans conducteur peuvent sembler être une solution pour réduire le trafic. Mais une étude stipule que les gens qui utilisent des véhicules autonomes pourraient passer plus de temps sur la route, un effet désavantageux pour l’environnement.
Pour ce qui est des voitures, il existe différents niveaux d’autonomie. La majorité des véhicules modernes possèdent quelques fonctions du niveau 2 d’automatisation. Certaines nouvelles voitures possèdent même des fonctions de niveau 3 ou 4.
Image - Version texte
Voici une infographie en couleur comportant six zones de textes décrivant différents niveaux d’autonomisation, allant de « Aucune automatisation » à « Automatisation complète ».
Le titre « Niveaux d'automatisation des véhicules » figure en grosses lettres dans le coin supérieur gauche. En dessous, chaque bande bleue comporte une illustration d'une personne conduisant une voiture, une étiquette verte, une date et une description.
La première bande correspond au « Niveau 0 ». Elle est intitulée « Aucune automatisation » et datée « Avant les années 2000 ». Le texte à l'intérieur est le suivant : « La conduite s’effectue entièrement par un humain, sans aucune assistance du véhicule ». Dans l’illustration au-dessus, la personne a les deux mains sur le volant.
La deuxième bande correspond au « Niveau 1 ». Elle est intitulée « Aide à la conduite » et datée de l’année « 2000 ». Le texte se lit comme suit : « La conduite s’effectue par l’humain mais des fonctionnalités de sécurité viennent en aide dans certaines situations, tels les freins antiblocages ou le régulateur de vitesse ». Dans l’illustration au-dessus, la personne a toujours les deux mains sur le volant.
La troisième bande correspond au « Niveau 2 ». Elle est intitulée « Automatisation partielle » et datée de l’année « 2013 ». Le texte se lit comme suit : « La conduite s’effectue en majorité par l’humain. Dans certaines situations, le véhicule peut contrôler la vitesse ou la position dans une voie ». Dans l’illustration au-dessus, la personne n’a qu’une main sur le volant.
La quatrième bande correspond au « Niveau 3 ». Elle est intitulée « Automatisation conditionnelle » et datée de l’année « 2018 ». Le texte se lit comme suit : « Le véhicule surveille l’environnement et peut effectuer des tâches de conduite. Le conducteur ou la conductrice doit toujours être prêt(e) à prendre le contrôle du véhicule à tout moment ». Dans l’illustration au-dessus, la personne est toujours au volant, mais elle a les deux mains sur les genoux.
La cinquième bande correspond au « Niveau 4 ». Elle est intitulée « Automatisation avancée » et datée de l’année « ~2024 ». Le texte se lit comme suit : « Le véhicule surveille l’environnement et effectue toutes les tâches de conduite dans certaines conditions. L’humain peut encore avoir besoin de prendre le contrôle du véhicule dans certaines conditions ». Dans l’illustration au-dessus, la personne est toujours au volant, mais elle lit un livre.
La sixième bande correspond au « Niveau 5 ». Elle est intitulée « Automatisation complète » et datée des années « ~2027-2030 ». Le texte se lit comme suit : « Le véhicule effectue toutes les tâches de conduite dans toutes les conditions. Un humain n’est plus nécessaire ». La personne n’est plus au volant, mais assise, les bras croisés et les yeux fermés.
Ces voitures peuvent se conduire elles-mêmes dans certaines conditions, comme sur une autoroute par exemple. Il est important de se souvenir que cette technologie est encore nouvelle, et imparfaite. Les gens doivent encore garder les yeux sur la route lorsqu’ils conduisent une voiture autonome.
Comment les véhicules autonomes fonctionnent-ils?
Pour se conduire elle-même, une voiture a besoin d’équipements et de logiciels. Un équipement est un ensemble de capteurs et de pièces mécaniques. Il permet à la voiture de percevoir son environnement et d’obtenir les données nécessaires à la prise de décision automatique. C’est comme les yeux, les mains et les jambes de la personne qui conduit. Les logiciels sont la programmation informatique. Ils permettent à l’ordinateur de la voiture de prendre des décisions. C’est comme le cerveau de la personne qui conduit.
Les voitures autonomes utilisent de nombreuses technologies pour percevoir leur environnement. Cela inclut des caméras à haute définition, des capteurs ultrasonores et des capteurs radar et lidar. Ceux-ci permettent à la voiture de détecter les feux de circulation, les cyclistes, ou même un écureuil qui traverse la rue! Le radar utilise les ondes radio pour détecter les objets. Le lidar fonctionne comme un radar, mis à part qu’il utilise des impulsions de lumière pour détecter les objets. Ces deux derniers instruments permettent de complémenter les informations visuelles des caméras standards. Ceci est particulièrement utile lorsque les conditions météo réduisent la visibilité.
Image - Version texte
Cette infographie en couleur montre une voiture entourée de formes de différentes couleurs, auxquelles sont associées des informations. La voiture est vue du dessus. Elle est située près du centre de l'image. Elle porte la mention « Systèmes de capteurs de voitures autonomes ». À l'avant de la voiture, un long cône rose part du milieu du pare-chocs. Il porte la mention « Régulateur de vitesse adaptatif et radar à longue portée ». Un cône orange plus court et plus large, situé au même endroit, porte la mention « Assistance au freinage d'urgence, détection des piétons, système anticollision et LIDAR ». Un cône jaune encore plus court et plus large s'étend presque jusqu’au haut et au bas de l’image. Il porte la mention « Alerte de franchissement de ligne, reconnaissance des panneaux de signalisation et caméra vidéo ». Deux ovales bleus s'étendent autour des phares de la voiture. Ils portent la mention « Alerte de circulation transversale et radar à moyenne portée ». Une longue capsule verte entoure les côtés de la voiture. Elle porte la mention « Système intelligent d'aide au stationnement et radar à ultrasons ». À l'extérieur, un grand cercle jaune s'étend sur toute la hauteur de l'image. Il porte la mention « Caméra panoramique à 360 degrés et caméra vidéo ». À l'arrière de la voiture, deux grands ovales bleus s'étendent autour des portes latérales. Ils portent la mention « Surveillance des angles morts et radar à moyenne portée ». Deux petits ovales bleus s'étendent autour des feux arrière de la voiture. Ils portent la mention « Système d'évitement de collision arrière, alerte de circulation transversale et radar à moyenne portée ». Deux formes en cônes partent du milieu du pare-chocs arrière. Le plus grand est vert et porte la mention « Système de stationnement intelligent et radar à ultrasons ». Le plus petit cône, de couleur jaune, n'est pas étiqueté. Une autre étiquette, qui n'est liée à aucune partie de l'image, indique « Ordinateur central ».
Le logiciel du véhicule utilise aussi de l’information provenant du GPS. Cela inclut l’emplacement de la voiture et des renseignements tels que les limites de vitesse. Cela fait beaucoup d’informations. C’est pourquoi les voitures autonomes ont besoin d’un ordinateur puissant. Cet ordinateur doit pouvoir traiter toutes ces informations très rapidement. Des délais trop longs pour décider comment déplacer la voiture pourrait s’avérer très dangereux!
La programmation des véhicules autonomes
Jadis, on croyait qu’une fois rendu à notre époque, tout le monde utiliserait des voitures sans conducteur. Alors, pourquoi n’en est-il pas ainsi? La raison est simple. Créer des machines qui peuvent prendre des décisions par elles-mêmes dans un monde d’humains est difficile.
Parfois, lorsqu’elle conduit, une personne se retrouve devant des situations difficiles. Par exemple, une personne en voiture voit soudainement un coyote qui se tient au milieu de la route.
Image - Version texte
La photo en couleur montre un animal debout sur de l’asphalte peint de lignes jaunes en arrière-plan. L'animal regarde attentivement la route. Il ressemble un peu à un chien, mais en plus grand. Il a des yeux étroits, des oreilles pointues et une fourrure épaisse. Ses pattes sont posées sur de l’asphalte gris fissuré. Deux lignes jaunes sont peintes sur la chaussée, dans le coin supérieur droit de l'image.
D’un côté de la route, il y a un fossé profond. La personne espère que l’animal va se sauver, mais il ne bouge pas. Elle ne pourra pas s’arrêter à temps. Devrait-elle donner un coup de volant pour éviter de frapper le coyote? Si elle le fait, elle pourrait se blesser elle-même et endommager sa voiture en tombant dans le fossé. Ou devrait-elle frapper le coyote? Si elle le fait, le coyote pourrait mourir, mais la personne et sa voiture s’en tireraient bien. Que ferais-tu?
Si tu trouves que prendre une telle décision est difficile, imagine comment c'est d’essayer de créer un programme informatique pour le faire! Voilà exactement ce sur quoi travaillent les ingénieurs et ingénieures en IA. Pour en revenir à notre exemple du coyote, penses-tu que tout le monde prendrait la même décision que toi? Ta façon de prendre une décision dépend de tes valeurs. En d’autres mots, ce que tu penses est important.
Ce n’est pas tout le monde qui accorde de l’importance aux mêmes choses. Une étude portant sur des données recueillies par la machine morale du MIT le prouve bien.
La machine morale est un ensemble de scénarios d’accidents de voiture dans lesquels des gens décident ce qu’ils feraient s’ils se retrouvaient face à un choix. Tu peux l’essayer toi-même en cliquant sur le lien ci-dessus. L’étude démontre que les gens de partout dans le monde ont parfois pris des décisions similaires. Les gens préfèrent sauver les personnes plutôt que les animaux. Ils préfèrent sauver un plus grand nombre de vies plutôt qu’un nombre plus petit. Et ils préfèrent sauver les enfants plutôt que les adultes. Des différences entre les pays ont aussi été remarquées. Celles-ci sont probablement dues à ce à quoi les gens d’un pays donné accordent de l’importance. Par exemple, les gens de certains pays accordent davantage d’importance aux personnes âgées que d’autres.
Un enjeu connexe est les biais dans les données de formation utilisées pour élaborer les modèles d’apprentissage machine. La qualité des modèles dépend des données qui les alimentent. Les données utilisées pour former les systèmes que les voitures autonomes utilisent pour détecter et éviter les piétons en sont un exemple. Les ensembles de données utilisés pour former ces systèmes doivent être extrêmement vastes et diversifiés afin de couvrir toutes les tailles et formes et tous les teints de peau possibles des humains. S'ils ne sont pas assez diversifiés, nous pourrions nous retrouver avec des systèmes qui identifient mieux les piétons ayant certains teints de peau que d'autres. Cela pourrait signifier que certains groupes de personnes seraient en danger, sur la base de leur couleur de peau ou d'autres facteurs.
En résumé
Le rôle de l’IA dans les véhicules personnels va en augmentant. Un jour, ces véhicules seront probablement la norme. La prochaine génération de gens pourrait même ne pas apprendre à conduire!
Parlons sciences remercie la consultante en technologie Melissa Valdez de AI & Quantum pour sa contribution à la révision de ce document d’information.
En savoir plus
Comment fonctionne une voiture autonome ? (2017)
Cette vidéo (2 min 53 s) de Comment ça marche ? explique le fonctionnement des systèmes de voitures autonomes.
Le dilemme éthique des voitures autonomes (2015)
Cette vidéo de TedEd (4 min 15 s) nous amène à réfléchir aux décisions devant être programmées dans les voitures autonomes grâce à des exemples concrets.
LA VOITURE AUTONOME : laissez-vous guider sur la route du futur (2020)
Cette vidéo (35 min 59 s) de L'Esprit Sorcier présente une foule d’information sur les véhicules autonomes, de l’historique au futur, en passant par leur fonctionnement aux risques.
Références
Awad, E., Dsouza, S., Kim, R. et al. The Moral Machine experiment. Nature 563, 59–64 (2018). https://doi.org/10.1038/s41586-018-0637-6
Hendrickson, J. (2020, January 3). What Are the Different Self-Driving Car “Levels” of Autonomy?. How-To Geek.
IEEE Spectrum. (n.d.). Accelerating Autonomous Vehicle Technology.
Jensen, C. & Jensen, C. (2017, February 9). States Must Prepare For Human Drivers Mixing It Up With Autonomous Vehicles. Forbes.
Rivelli, E. (2020, June 30). How Do Self-Driving Cars Work and What Problems Remain?. The Simple Dollar.
Schroer, A. (2019, December 19). Artificial Intelligence in Cars Powers an AI Revolution in the Auto Industry. Built In.
TED-Ed. [TED-Ed]. (2019, May 13). How do self-driving cars “see”? - Sajan Saini. [Video]. Youtube.