Imaginez des milliers de voitures sillonnant les rues des grandes villes, non pas pour transporter des passagers, mais pour capturer chaque détail du chaos routier : un piéton qui surgit soudain, un camion qui freine brutalement, une averse torrentielle rendant les marquages au sol presque invisibles… Ces données, aujourd’hui parmi les plus précieuses au monde, sont au cœur d’une nouvelle initiative lancée par Uber. La firme vient d’annoncer la création d’AV Labs, une division entièrement dédiée à la collecte de données de conduite pour ses nombreux partenaires dans le domaine des véhicules autonomes.
Alors qu’Uber avait abandonné son propre programme de voitures sans chauffeur après un tragique accident en 2018, la société revient aujourd’hui dans le jeu… mais d’une manière radicalement différente. Exit le développement interne coûteux et risqué : place à une stratégie de plateforme ouverte qui pourrait bien changer la donne pour tout l’écosystème des robotaxis.
Uber AV Labs : quand la collecte de données devient stratégique
Le secteur des véhicules autonomes traverse actuellement une phase critique. Après des années de promesses et d’investissements colossaux, les acteurs majeurs réalisent que la clé du succès réside dans une chose : la quantité et la qualité des données réelles collectées sur route. Les modèles d’intelligence artificielle, en particulier ceux basés sur l’apprentissage par renforcement, ont faim de situations concrètes, variées et imprévisibles.
C’est précisément ce constat qui a poussé Uber à créer AV Labs. Plutôt que de concurrencer directement Waymo, Cruise ou Zoox, Uber choisit de devenir le fournisseur de données premium pour ces mêmes entreprises. Une position de « Suisse » dans la guerre des robotaxis, en quelque sorte.
Pourquoi les données réelles restent irremplaçables
Même les meilleures simulations du monde ne parviennent pas à reproduire fidèlement la complexité du réel. Les fondateurs de sociétés autonomes le savent : il existe toujours des « long tail events », ces situations rarissimes mais potentiellement catastrophiques que seule la route peut révéler.
Prenez l’exemple récent de Waymo : malgré plus de dix années d’expérience et des dizaines de millions de kilomètres parcourus, ses véhicules se sont retrouvés récemment dans des situations problématiques, comme le dépassement illégal de bus scolaires à l’arrêt. Ces incidents montrent que même les leaders accumulent encore des lacunes importantes sur certains scénarios précis.
« Le volume de données est devenu le facteur limitant pour résoudre les cas les plus extrêmes. »
Praveen Neppalli Naga, CTO d’Uber
Uber AV Labs souhaite donc apporter une réponse à cette équation : plus de données, collectées plus rapidement, dans plus de contextes différents. Et la société dispose d’un atout majeur : sa présence dans plus de 600 villes à travers le monde.
Un démarrage modeste mais ambitieux
Pour l’instant, AV Labs reste une structure légère. L’équipe a commencé avec un seul véhicule : une Hyundai Ioniq 5 équipée d’un kit de capteurs bricolé maison. Lidar, radars, caméras multiples… tout est vissé à la main, avec une certaine dose d’humour assumé par les ingénieurs eux-mêmes.
Mais ce prototype n’est qu’une première étape. L’objectif affiché est clair : passer rapidement à plusieurs dizaines, puis plusieurs centaines de véhicules équipés. Uber prévoit également de faire croître l’équipe dédiée à plusieurs centaines de personnes d’ici douze mois.
- Phase 1 : prototype unique et validation technique
- Phase 2 : flotte de 10 à 50 véhicules dans des villes pilotes
- Phase 3 : déploiement ciblé selon les demandes des partenaires
- Phase 4 (horizon) : potentielle intégration partielle dans la flotte Uber existante
Cette montée en puissance progressive permet à Uber de limiter les risques financiers tout en démontrant rapidement la valeur ajoutée de sa nouvelle division.
Une approche inspirée… mais différente de Tesla
Quand on parle de collecte massive de données de conduite, impossible de ne pas penser à Tesla. Avec plusieurs millions de véhicules équipés de capteurs qui transmettent en continu des informations, la firme d’Elon Musk dispose d’un avantage structurel considérable.
Uber ne cherche pas à rivaliser sur ce terrain. Danny Guo, VP Engineering, l’explique sans détour :
« Nous ne voulons pas faire de la quantité brute. Nous visons des données très ciblées, dans les villes et les conditions que nos partenaires jugent les plus utiles. »
Danny Guo, VP Engineering Uber
Plutôt que de tout collecter partout tout le temps, AV Labs compte donc privilégier la précision et la pertinence. Si un partenaire signale des difficultés dans une intersection particulière de San Francisco ou lors de fortes chutes de neige à Montréal, Uber pourra déployer ses véhicules spécifiquement dans ces zones et conditions.
Shadow mode et sémantique : au-delà des données brutes
Uber ne compte pas se contenter de fournir des enregistrements bruts. La valeur ajoutée réside dans le traitement et l’enrichissement des données.
Deux approches complémentaires sont prévues :
- Enrichissement sémantique : ajout d’une couche d’interprétation (objets détectés, intentions prédites, contexte routier…)
- Shadow mode : intégration temporaire du logiciel autonome du partenaire dans les véhicules Uber AV Labs pour comparer ses décisions avec celles du conducteur humain
Cette seconde méthode est particulièrement intéressante. Chaque fois que le système autonome « shadow » prend une décision différente de celle du chauffeur réel, l’événement est marqué et transmis au partenaire. Cela permet de repérer très rapidement les zones de désaccord et d’améliorer les modèles en conséquence.
Objectif affiché : aider les robotaxis à conduire davantage « comme des humains » et moins comme des robots parfois trop rigides ou trop prudents.
Gratuit… pour l’instant
Surprise de taille : Uber ne prévoit pas de facturer ces données, du moins dans un premier temps. Praveen Neppalli Naga l’explique par une vision stratégique à long terme :
« La valeur que nous retirons de l’amélioration globale de l’écosystème des véhicules autonomes est largement supérieure à ce que nous pourrions gagner en vendant simplement des données. »
Praveen Neppalli Naga, CTO Uber
Cette approche « open data » (dans les limites du raisonnable) vise à accélérer l’ensemble du secteur. Plus les robotaxis deviennent performants et sûrs, plus vite les consommateurs et les régulateurs leur feront confiance… et plus vite Uber pourra intégrer massivement ces technologies dans sa plateforme de mobilité.
Un pivot stratégique majeur pour Uber
Il y a encore quelques années, Uber investissait des centaines de millions de dollars par an dans son propre programme de voitures autonomes. Après l’accident tragique de 2018 et la vente de la division à Aurora en 2020, beaucoup pensaient que la société avait définitivement tiré un trait sur ce marché.
AV Labs marque un retour par la petite porte… mais potentiellement beaucoup plus intelligente. Au lieu de porter seule les risques financiers et réglementaires colossaux du développement d’une pile autonome complète, Uber se positionne en fournisseur stratégique d’intrants critiques : les données.
Ce pivot rappelle d’autres grandes transformations réussies dans la tech : Amazon qui passe de libraire en ligne à fournisseur d’infrastructure cloud avec AWS, ou encore Google qui monétise indirectement Android en devenant le système dominant pour la publicité mobile.
Les défis qui attendent AV Labs
Malgré l’ambition affichée, plusieurs obstacles se dressent sur la route :
- Concurrence interne : certains partenaires pourraient hésiter à partager leurs propres données ou leurs besoins précis
- Confidentialité et propriété intellectuelle : comment garantir que les données collectées ne profitent pas indirectement à des concurrents ?
- Réglementation : la collecte massive de données géolocalisées et vidéo pose des questions complexes de vie privée
- Qualité et cohérence : passer d’un véhicule prototype à plusieurs centaines demande une standardisation rigoureuse
- Monétisation future : quand et comment Uber commencera-t-il à facturer ce service ?
La capacité d’Uber à naviguer ces défis déterminera si AV Labs reste une initiative symbolique ou devient un pivot stratégique majeur pour l’entreprise.
Vers une flotte Uber entièrement instrumentée ?
Si l’expérience AV Labs porte ses fruits, la vision à long terme devient vertigineuse. Uber dispose déjà d’une flotte mondiale de plusieurs millions de véhicules (Uber + Uber Eats + partenariats). Instrumenter ne serait-ce qu’une fraction de ces véhicules permettrait de collecter des volumes de données absolument inédits.
Certains observateurs imaginent déjà un futur où chaque course Uber contribue, en arrière-plan, à améliorer les modèles autonomes de dizaines de partenaires différents. Une sorte de « flywheel » data-driven où chaque kilomètre parcouru renforce l’attractivité de la plateforme Uber pour les développeurs de technologies autonomes.
Bien sûr, ce scénario soulève aussi des questions éthiques majeures : consentement des passagers, anonymisation des données, utilisation secondaire des enregistrements… Uber affirme vouloir avancer avec prudence sur ces sujets sensibles.
Un catalyseur pour toute l’industrie ?
Les prochains mois seront décisifs. Si Uber parvient à signer rapidement des partenariats concrets et à démontrer des améliorations mesurables chez ses clients (Waymo, Waabi, Lucid, etc.), AV Labs pourrait devenir l’une des infrastructures les plus stratégiques du secteur autonome.
À l’inverse, si la collecte reste anecdotique ou si les partenaires préfèrent garder jalousement leurs propres données, l’initiative risque de s’essouffler rapidement.
Dans tous les cas, l’annonce d’AV Labs marque un tournant intéressant : après des années de course effrénée au « full stack » autonome, certains acteurs commencent à explorer des modèles plus collaboratifs et spécialisés. Uber, jadis pionnier puis victime de cette course, pourrait bien devenir l’un des grands facilitateurs de la prochaine phase de développement des robotaxis.
À suivre de très près dans les mois qui viennent.
(Environ 3400 mots)
