Le marché mondial des cartes pour la conduite autonome connaît un changement majeur, avec une évolution vers des solutions « mapless » qui réduisent la dépendance aux cartes HD (Haute Définition) en ligne. Ce phénomène est en partie lié aux difficultés rencontrées dans le développement de ces cartes, qui nécessitent des ressources importantes et un temps de mise à jour long. Le concept de « mapless » repose sur la construction en temps réel de cartes vectorielles, qui sont ensuite alignées avec des cartes locales (LD) existantes pour fournir des informations de positionnement et de navigation. Cette approche s'apparente à la technologie SLAM (Simultaneous Localization and Mapping), qui a historiquement utilisé des capteurs LiDAR, mais qui est progressivement remplacée avec l'émergence de la vision par ordinateur (BEV) dans certains environnements. Cependant, le SLAM reste pertinent dans des scénarios comme les parkings souterrains. À partir de 2025, l’industrie des cartes de conduite autonome devrait bénéficier de nouvelles technologies comme la 3D Gaussian sputtering et les NeRF (Neural Radiance Fields). Ces innovations permettront aux cartes de « prédire l’avenir » plutôt que de simplement « enregistrer le passé ». Les « world models » (modèles du monde) jouent un rôle clé dans cette évolution. Ils utilisent des algorithmes ADAS (Advanced Driver Assistance Systems) axés sur les données plutôt que sur des règles prédéfinies. Ces modèles extraient des motifs spatio-temporels à partir de données de conduite massives, intègrent des informations provenant de capteurs multimodaux (caméras, LiDAR) et de données collectées en temps réel, pour créer une base de connaissances environnementale dynamique. Ils permettent ainsi une analyse en ligne de la topologie des routes, des informations sémantiques et des règles de circulation. Les « world models » exploitent les données historiques et les conditions prédéfinies pour anticiper les changements dans les scénarios de conduite intelligentes et les réactions du véhicule. Cette capacité de prédiction renforce la sécurité et l’efficacité des systèmes de conduite autonome. Parallèlement, des tendances émergent dans le développement des cartes, notamment la cartographie automatisée à faible coût et l’application de technologies vectorisées comme MapTR et VectorMapNet. En Chine, Baidu a lancé MapAuto 6.5, la première carte à niveau de voie en 3D et la carte de conduite humain-robotique couvrant tous les scénarios. Cette solution repose sur des véhicules de collecte de données intégrés, sur une entrée de données multi-source (boucle de données des véhicules et des infrastructures) et sur des modèles de génération de cartes avec des milliards de paramètres. Elle a permis d’accroître considérablement l’efficacité de la production de cartes, soutenu les mises à jour rapides des données de Baidu et offert des services de données complets. NavInfo, quant à elle, propose d’intégrer la capacité de cognition spatio-temporelle des cartes dans les technologies de conduite basées sur les « world models ». Selon l’entreprise, les cartes évoluent de simples couches statiques en moteurs de données dynamiques essentiels pour les systèmes de conduite autonome. Elles deviennent des capteurs « a priori » incontournables pour améliorer l’intelligence des véhicules, réduire les contraintes en termes de puissance de calcul et répondre aux avertissements d’urgence. Les DWMs (Driving World Models) sont au cœur des prochaines générations de systèmes de conduite autonome. Ils intègrent des données de cartes HD, des informations en temps réel des capteurs, des données sur l’état du véhicule et l’environnement externe (trafic, météo) pour construire un cycle de données fermé. Leur objectif est d’assurer la triade de la conduite autonome : « compréhension, prédiction et planification ». Les experts du secteur soulignent que cette transition vers des modèles du monde dynamiques marque une avancée majeure pour la sécurité et l’efficacité des véhicules autonomes. Les entreprises comme Baidu et NavInfo montrent une capacité technique et stratégique croissante, positionnant la Chine comme un acteur clé dans ce domaine en pleine mutation. Leur capacité à intégrer des données en temps réel et à construire des modèles prédictifs semble déterminante pour l’avenir de l’industrie.