Le rapport « China Autonomous Driving Data Closed Loop Research Report, 2025 » publié par ResearchAndMarkets.com met en lumière l’évolution stratégique du marché chinois de la conduite autonome, centrée sur l’optimisation du cycle de données « collecte-transmission-traitement-formation-déploiement ». En 2025, l’industrie passe d’une phase initiale de « 0 à 1 » vers une ère de « haute qualité et haute efficacité », marquée par deux enjeux clés : la couverture des scénarios longue queue (corner cases) et la maîtrise des coûts. Les constructeurs automobiles (OEM) et les fournisseurs de premier niveau (Tier 1) s’organisent pour construire des boucles de données autonomes intégrées, permettant une amélioration continue des algorithmes d’assistance à la conduite, avec une amélioration significative de la précision et de la stabilité des systèmes. Une transformation majeure est observée dans la composition des données d’entraînement : la part des données synthétiques, issues de modèles mondiaux et de techniques comme les GAN ou les modèles de diffusion, passe de 20 à 30 % en 2023 à plus de 50 % en 2025. Alors que les données réelles restent essentielles pour ancrer les capacités fondamentales, les données synthétiques permettent de surmonter les limites de la collecte physique, en couvrant des scénarios rares ou dangereux. Cette synergie entre données réelles et synthétiques devient le pilier d’un développement accéléré. Parallèlement, les boucles de données évoluent vers des chaînes automatisées intégrées, de la collecte au déploiement. L’automatisation complète du processus — annotation, entraînement, simulation, déploiement — est rendue possible grâce à l’intégration d’IA de grande taille et à la collaboration cloud-边缘 (edge). Des solutions comme MindFlow, utilisée par des acteurs comme SAIC, Changan, Geely, Huawei ou Bosch, permettent de briser les silos de données et d’activer une auto-évolution continue du système. L’architecture véhicule-cloud est devenue centrale. Elle repose sur une division des rôles : le véhicule collecte en temps réel des données environnementales (conditions routières, comportement du véhicule), les transmet après anonymisation, chiffrement et compression vers le cloud. Le cloud, doté de capacités de traitement massif (PB/EB), effectue l’annotation, l’entraînement des modèles et l’optimisation, avant de diffuser les mises à jour via OTA. La solution ExceedData, adoptée par plus de 15 OEM et déployée sur plus de 30 modèles, réduit de 75 % les coûts de transmission, de 90 % ceux du stockage cloud et de 33 % ceux du calcul, avec une optimisation globale des coûts de 85 % selon un cas client. Xpeng Motors illustre cette évolution avec sa « usine de modèles cloud » dotée de 10 EFLOPS de puissance de calcul en 2025, permettant un cycle d’itération moyen de 5 jours. L’entreprise a lancé le premier modèle mondial à 72 milliards de paramètres pour la conduite autonome de niveau 4, intégrant un raisonnement par chaîne de pensée (CoT) simulant la logique humaine. Grâce à la distillation de modèles, ses capacités sont transférées à des modèles légers embarqués, assurant un déploiement personnalisé « petit format, haute intelligence ». Les données à haute valeur (comme les cas extrêmes) sont d’abord filtrées par un moteur de règles embarqué, puis complétées par des données synthétiques générées en cloud. Les modèles E2E (end-to-end) et VLA (vision-language-action) intègrent des entrées multimodales pour produire directement des commandes de contrôle, soutenus par l’entraînement de grands modèles cloud. Enfin, la livraison des systèmes d’assistance évolue vers un modèle de service cloud souscrit, au lieu de simples mises à jour logicielles. La collaboration efficace entre véhicule et cloud devient le facteur clé pour accélérer les itérations dans un contexte d’intelligence artificielle en pleine expansion. Évaluation et acteurs clés : Les experts soulignent que la réussite des boucles de données repose désormais sur l’efficacité du cloud-vehicle integration, la maîtrise des coûts et la rapidité d’itération. Des entreprises comme ExceedData, Xpeng, Huawei, Bosch, MAXIEYE et NavInfo émergent comme des leaders technologiques. Leur capacité à combiner IA, cloud et edge computing, tout en optimisant les coûts, positionne ces acteurs comme des piliers de l’industrie chinoise de la conduite autonome, prête à accélérer la commercialisation des véhicules autonomes.