jackseg

Oui ca dépend de l'utilisation. Pour un taxi aux US, c'est quand même le jackpot si il achète une Model S aujourd'hui avec FSD et recharge gratuite à vie + garantie 8 ans et km illimités sur les moteurs+batterie et en s'imaginant que dans 1 ou 2 ans, la voiture peut faire les trajets toute seule. Sinon ce n'est pas anodin, l'une des étapes importantes du programme de rémunération de Musk consiste à atteindre les 10 millions d'abonnements actifs au FSD.

Proposition de reprise de S 75D de 2017 avec 150'000km par Tesla: 10'700 CHF J'étais prêt à reprendre une Model S plus moderne mais avec ce genre de proposition, ils vont juste nous pousser à garder la voiture le plus longtemps possible.

MotorTrend élit Tesla FSD Supervised meilleur système d'assistance 2026 alors qu'ils étaient très sévère avec les versions précédentes. https://www.motortrend.com/features/tesla-fsd-driver-assistance-system-best-tech-2026

J'ai l'impression que c'est toutes les voitures la même chose. Tu vois une différence entre ta Mazda et ta Tesla sur l'adaptation de la vitesse ?

J'ai fait quelques recherches avec Perplexity et voici ce qu'il me sort. A contrôler mais ça me semble plausible. Pour avoir essayé quelques voitures du groupe VW, je ne vois rien de mieux ou pire que nos Tesla à ce niveau. Résumé : Reconnaissance de panneaux de vitesse vs application automatique Le problème que tu observes Tesla (et toutes les autres marques) reconnaissent correctement les panneaux mais ne les appliquent pas toujours car Autopilot utilise une double source : caméra + données GPS. Quand elles entrent en conflit, l'AP doit choisir – et le choix n'est jamais parfait. Pourquoi c'est mal géré GPS vs Caméra : Tesla privilégie les données cartographiques, qui sont souvent obsolètes ou inexactes en Europe Asymétrie intentionnelle : Tesla hésite à augmenter la vitesse (sécurité) mais réduit rapidement (détection caméra) Hardware limite : AP2.5 traite 110 images/sec vs AP3 (2300/sec), d'où moins de reconnaissance fiable sur ancien matériel Les autres marques : pas vraiment mieux Marque Approche Différence clé BMW Caméra + GPS Plus transparent, tu configures l'auto-ajustement Mercedes Caméra + GPS Affichage surtout, moins d'action auto Audi Caméra seule Purement informatif, très conservateur XPeng Caméra + GPS (HERE) Plus clair sur usage de la base de données BYD Caméra + GPS Trop nouveau, peu d'infos, équipement limité Contexte EU (2024) : tous dans le même bateau Depuis juillet 2024, la réglementation ISA oblige tous les véhicules à détecter 90% des panneaux. Majorité des marques utilisent HERE ISA Map – même source de données. Résultat : Aucune marque n'a résolu le conflit GPS vs caméra. C'est un problème systémique des données européennes, pas seulement Tesla. Le takeaway Reconnaissance = fonctionne bien partout Application auto = chaotique partout (Tesla comme autres) Vraie cause = données GPS de mauvaise qualité + absence de standard pour choisir caméra/GPS Workaround : Passe à TACC manuel plutôt qu'AP sur routes avec changements fréquents C'est un problème d'infrastructure (données), pas de technologie – Tesla a simplement moins de transparence sur sa logique que BMW ou XPeng.

On va un peu debunk ce magnifique post. - caméras qui n'ont pas de notion de profondeur -> Faux La vision stéréoscopique, le motion parallax, l’optical flow, la multi-caméra et les réseaux de depth estimation permettent une estimation de profondeur très fiable. c’est juste de la vision artificiele moderne. Celle qu’on utilise partout… sauf visiblement dans certains posts - incapacité à distinguer les nuances de couleur -> Totalement faux Les caméras actuelles ont une dynamique et une résolution colorimétrique bien supérieures à l’œil humain - caméras embuées, salies, éblouies -> Problème réel, mais non spécifique aux caméras Le Lidar est aussi perturbé par la pluie, brouillard, neige, poussière, ... Les humains aussi sont aveuglés, éblouis, gênés. Pour le Lidar, on va un peu développer. Il sert à valider et mesurer ce que le système de vision éstime. En l’utilisant comme référence pour ce qu’il sait faire de mieux, Tesla peut détecter les erreurs d’estimation de profondeur du système de vision. C'est un référentiel pour l'apprentissage en développement pas une béquille en production ! C’est une pratique standard en robotique et en vision artificielle, on utilise un capteur plus précis pour apprendre à un système moins couteux à généraliser. Pour l'article de 2016, il n'y avait pas de vision only. C'était caméras + radars et un AP1 de Mobile Eye, donc absolument rien à voir avec Tesla Vision de 2026 Utiliser des critiques de 2016 pour Tesla Vision de 2026, c’est comme dire que la photo numérique est inutilisable parce que les premiers capteurs CCD étaient nuls et bruités. J’aimerais sincèrement savoir ce que tu fais comme métier @EnVoitureSimone Si tu travailles avec Luc Julia sur l'IA chez Renault, je comprends mieux tes réflexions (avec le respect évidement)

Je parlais du saut entre niveau 2 et 3 pour la responsabilité. Tesla ne peut pas simplement demander une homologation SAE niveau 5 en assumant la responsabilité des accidents, car le niveau SAE est une définition technique. Tesla doit d'abord démontrer techniquement une autonomie complète partout puis passer par des processus réglementaires longs (audits, normes de sécurité et acceptation de responsabilité par le constructeur). Ce qu'ils font à Austin est un test grandeur nature mais ils devront passer par des phases de tests dans toutes les villes dans lesquelles ils veulent s'implanter avec + ou - de contraintes.

Les niveaux SAE ne disent pas si un système est bon techniquement, mais qui est censé conduire et être responsable. Un niveau 2 comme le FSD peut aujourd’hui faire bien plus qu’un niveau 3 bridé ou purement marketing. Donc oui, je préfère largement un niveau 2 très performant, supervisé, qu’un niveau 3 médiocre. Le vrai débat, ce n’est pas le numéro du niveau mais le gain réel de sécurité par rapport à l’humain !

Oui sauf que les risques et conséquences ne sont pas les mêmes à 50km/h qu'un avion de ligne qui se crash avec 300 passagers. Tu ne peux pas appliquer les normes aéro pour la route sinon il faut aussi demander à chaque conducteur d'avoir un niveau de pilote de ligne. Si on appliquait les exigences de l’aéro à l’automobile, il faudrait tout simplement interdire la conduite humaine actuelle. La seule question est "est-ce que le FSD supervised est meilleur que le conducteur moyen ?" Même une amélioration modeste du risque (x1,5 ou x2) par rapport à l’humain moyen sauverait déjà des milliers de vies à l’échelle d’un continent et les données disponibles vont clairement dans ce sens. Exiger du FSD un niveau de fiabilité de type 10⁻⁷ ou 10⁻⁹, tout en continuant à autoriser l’alcool au volant, la fatigue, le téléphone, l’inexpérience n’a aucun sens. Personne ne demande un système parfait. On demande juste un système meilleur que l’humain moyen, et dans ce cas, l’interdiction devient difficile à justifier. Voici tous les pays complètement fous et irresponsables qui ne comprennent pas que l'UE est la seule à avoir raison: Pays Statut Notes États-Unis ✅ Opérationnel Déploiement principal, national Canada ✅ Opérationnel Déploiement complet Mexique ✅ Opérationnel Déploiement actif Puerto Rico ✅ Opérationnel US territory Chine ✅ Opérationnel Sous le nom "City Autopilot" Australie ✅ Opérationnel Récemment déployé (décembre 2025) Nouvelle-Zélande ✅ Opérationnel Récemment déployé (décembre 2025) Corée du Sud ✅ Opérationnel Déployé novembre 2025 avec UI localisée

Non, évidement. Je parle sur la façon de faire, de la technologie, de l'écosystème, de tout ce qui gravite autour de la voiture, ... XPeng est celui qui est le plus à comparer au fonctionnement de Tesla. Mercedes a toujours été très bon en technologie mais n'est pas comparable à ces nouveaux constructeurs. L'inertie et l'historique est trop lourd pour tout révolutionner en interne. C'est un autre marché ou les concurrents de Mercedes asiatique, comme Li Auto, semblent plus intéressant et efficaces que Mercedes sur quasi tous les points. Après tu as d'autres voitures, moins techno, moins chers, c'est encore un autre marché mais là aussi, je ne vois pas comment égaler la Chine sur ce segment.

Les véritables concurrents de Tesla.

Oui c'est ce que j'ai noté. Quand je parle de Legacy, c'est pour nos model S/X donc plus de charge CPU que pour les model 3/Y avec le même MCU.

Je suis perçu comme condescendant et fanboy alors que je ne fais que relater des faits. En 2012-2013 j'ai vu ces mêmes constructeurs être plus que condescendants vis-à-vis de Tesla. Ils parlent toujours de Mercedes alors qu'ils ne sont pas sur le même segment technologique... ils devraient plutôt parler de XPeng et compagnie pour de vrais concurrents à Tesla et sa façon de faire.

Erreur

Tesla bénéficie d'une intégration verticale bien supérieure, d'une échelle de données massive et d'une agilité technologique incomparable. Tu viens de le démontrer avec le partenariat Google, merci. Chez Tesla, ils essaient de faire au maximum en interne, c'est ce qui fait toute la différence avec une entreprise de grand-papa moderne. L'exemple de Dojo est impitoyable pour les autres constructeurs. Ils ont fait la transitions de Dojo à leur cluster existant avec des H100 en seulement quelques semaines, c'est du jamais vu ! Même le PDG de NVidia n'en revenait pas. Pour un constructeur automobile classique, un changement comparable de plateforme de compute AI prend généralement 2 à 5 ans !!! Rien que sur ce point, vous devriez voir le KO total sinon je ne peux plus rien pour vous. Tesla contrôle environ 80 % de sa chaîne d'approvisionnement et de production, de la conception hardware (HW3-4-5), le software FSD end-to-end, la collecte et le traitement de données (proche de 11.3 milliards de km cumulés fin 2025), la fabrication dans ses Gigafactories, et les batteries/moteurs en interne (avec partenariats pour la fabrication). Les estimations sur Mercedes sont dans les 30-40% d'intégration verticale. Elle repose fortement sur NVIDIA pour le compute (DRIVE Orin), Bosch/Continental pour les capteurs, et d'autres fournisseurs traditionnels, tout comme les constructeurs à la grand-papa qui sont hyper dépendant de toute la chaine. Pendant que l'un est bloqué sur une problématique, l'autre à défaut fait 4-5 itérations rapides de façon agile. Un exemple concret, similaire à la transition Dojo (gestion des piétons urbains) Tesla FSD v13 -> v14 (2 mois) - Identifie faux positif piétons - Retrains neural net avec fleet data - Teste en shadow mode 100M km fictifs - Déploie OTA, collecte feedback, itère - Résultat: quasi-éradication faux freinage Mercedes Drive Pilot (estimation totale: 12 à 24 mois pour un correctif comparable) - Même problème identifié - Attente 6 mois validation Bosch/NVIDIA/régulateurs - Certification TÜV/German authority - Déploiement OTA limité à ~100k cars qualifiées - Pas de découverte de cas limites à grande échelle KO technique à chaque fois. Ils ne jouent pas dans la même cours, c'est factuel, pas besoin d'être un fanboy ou un haters pour le comprendre.