Le Mode Sombre de Waymo : Quand le Réseau est Mort

San Francisco est censée être la ville du futur. Mais un samedi après-midi de décembre 2025, cela ressemblait davantage à une scène d’un passé préindustriel – avec un anachronisme flagrant.

Alors que 130 000 habitants étaient plongés dans l’obscurité à la suite d’un incendie massif dans la sous-station de la 8e rue et de Mission, l’infrastructure routière de la ville a tout simplement disparu. Pas de feux verts, pas de feux rouges, pas de signaux pour piétons. Juste des boîtes métalliques noires suspendues au-dessus des intersections. Pour les conducteurs humains, cela a déclenché un protocole social désordonné mais compris : la règle « le traiter comme un arrêt à quatre voies ». C’était chaotique, agressif et lent, mais ça coulait.

La panne du réseau a toutefois été une catastrophe cognitive pour la flotte autonome de Waymo.

Dans les quartiers de Richmond, Presidio et Downtown, le « conducteur le plus expérimenté du monde » ne savait pas quoi faire. Privés de la certitude déterministe d’un feu de circulation et incapables d’établir un contact visuel avec le conducteur confus de la Honda Civic qui avance à petits pas, les robots ont fait la seule chose que leurs modèles de validation de sécurité permettaient : ils se sont figés.

Le résultat a été, selon les mots des spectateurs, « un chaos absolu ». Les véhicules Waymo restaient au ralenti aux intersections sombres, leurs réseaux LiDAR tournant furieusement, attendant un signal qui ne viendrait jamais. Il ne s’agissait pas simplement d’un problème technique ; ce fut une révélation fondamentale sur la fragilité des systèmes autonomes dans un monde analogique en ruine. Les robots sont prêts à prendre la route, mais la route n’est pas prête pour eux.

La physique de l’intersection “morte”

Pour comprendre pourquoi une panne de courant est plus paralysée pour un robot qu’un blizzard, il faut examiner comment un véhicule autonome (AV) perçoit « l’autorité ».

L’erreur déterministe

Un AV fonctionne sur une hiérarchie de contraintes. Au sommet de cette hiérarchie se trouve le Dispositif de contrôle du trafic (TCD).

$P(Action) = P(Path | Signal) \times P(Clearance)$

Dans un scénario normal, l’état du feu ($Signal$) est une contrainte binaire ou ternaire. Le vert signifie « Go », le rouge signifie « Stop ». La distribution de probabilité de la prochaine action du véhicule s’effondre jusqu’à atteindre une quasi-certitude sur la base de ce signal. Le système de vision par ordinateur identifie le cadre de délimitation du feu de circulation, classe la couleur des pixels (rouge/jaune/vert) et la mappe à la couche sémantique de la carte HD pour confirmer que ce feu contrôle la voie du véhicule.

En cas de coupure de courant, l’état TCD devient NULL.

Pour un humain, une lumière sombre est un symbole. Il correspond au concept « 4-Way Stop ». Les conducteurs utilisent la théorie des jeux : ils avancent, font signe et regardent le visage de l’autre conducteur pour évaluer l’agressivité ou l’intention de céder. Les humains s’engagent dans une négociation complexe d’une microseconde basée sur des signaux sociaux.

Pour un AV, une lumière sombre est un cas limite d’extrême incertitude.

1. Échec de détection : La caméra voit le boîtier mais aucun pixel illuminé. Est-ce éteint ? Le soleil brille-t-il ?
2. Conflit de règles : la carte HD indique “Ceci est une intersection signalée”. Les capteurs disent “Aucun signal n’existe”.
3. La condition de risque minimum (MRC) : lorsque le seuil d’incertitude ($\sigma$) dépasse les paramètres de sécurité, le véhicule passe par défaut à sa condition de risque minimum. Habituellement, cela signifie « Arrêtez-vous et attendez que ce soit plus clair ».

Lors de la panne d’électricité du 20 décembre, la « clarté » n’est jamais arrivée. Les robots attendaient un changement de signal que la physique ne pouvait pas fournir.

L’écart entre les capteurs : pourquoi le LiDAR ne peut pas voir “Allez-y”

Les observateurs pourraient se demander : « Pourquoi ne pas simplement coder l’AV pour traiter les lumières sombres comme des panneaux d’arrêt ? »

Le défi est la prédiction d’intention. À un arrêt à quatre voies, la priorité est déterminée par l’heure d’arrivée et la géométrie. Mais dans un scénario de chaos en cas de panne de courant, les humains trichent. Ils franchissent les arrêts, sortent de leur tour et se rassemblent.

La pile de perception de Waymo utilise le LiDAR (Laser Imaging Detection and Ranging) et le radar pour suivre les objets.

• LiDAR donne une distance précise ($d$) et une vitesse ($v$).
• Les caméras donnent une classification des objets.

Les capteurs ne peuvent pas détecter les signaux manuels d’un policier ou le signe de tête d’un conducteur. Les véhicules utilitaires nouvelle génération n’ont pas les capacités nécessaires pour négocier une intersection anarchique.

Lorsque la grille est supprimée, les règles sont supprimées. Et les robots ne peuvent pas improviser.

Histoire contextuelle : le modèle de paralysie

Cela implique une tendance inquiétante. Le « Waymo Freeze » pendant la panne d’électricité n’est pas un incident isolé ; cela fait partie d’un modèle dans lequel les AV luttent contre l’ambiguïté contextuelle.

L’incident du cône (2023)

Rappelez-vous les manifestations de la « Cone Week », où des militants ont placé des cônes de signalisation sur les capots des véhicules Waymo et Cruise. Les véhicules se sont immobilisés. Pourquoi? Parce que la pile de perception a classé le cône comme une « Occlusion » ou un « Obstacle » attaché au véhicule ou dans son chemin critique. La boucle logique est entrée dans une impasse :

1. Obstacle détecté.
2. Impossible de bouger jusqu’à ce que l’obstacle soit éliminé.
3. L’obstacle se déplace avec la voiture.
4. Résultat : Arrêtez.

Le brouillard de la guerre (2024)

Lors d’un épais brouillard à San Francisco l’année dernière, les véhicules Waymo se sont arrêtés en masse. Il s’agissait d’un élément de sécurité – les performances du LiDAR se dégradent dans les médias diffusants – mais cela entraînait le blocage des allées et des rues.

La panne d’électricité (2025)

La panne du 20 décembre est la plus grave car il ne s’agissait pas d’un problème d’interaction avec un capteur ; il s’agissait d’un échec de dépendance de l’infrastructure. Les véhicules étaient parfaitement fonctionnels. Leurs batteries étaient chargées. Leurs capteurs étaient propres. Mais le monde s’est brisé.

Cela met en évidence une vulnérabilité critique dans le déploiement généralisé des AV : Interdépendance. L’industrie superpose une couche de transport d’IA numérique du 21e siècle au-dessus d’un réseau électrique du 20e siècle qui tient à peine le coup.

La dépendance à l’infrastructure : la grille est le graphique

Les experts en cybersécurité parlent souvent de « chaîne de destruction » en matière de sécurité. Dans la mobilité autonome, il existe une « chaîne de dépendance ».

1. Niveau 1 : Le véhicule (matériel, pneus, batterie).
2. Niveau 2 : La connectivité (LTE/5G vers les serveurs de cartographie/téléopérations).
3. Niveau 3 : L’infrastructure (feux de circulation, lampadaires, marquages ​​routiers).

La panne de courant de 2025 a brisé simultanément les niveaux 2 et 3.

Le goulot d’étranglement des téléopérations

Habituellement, lorsqu’un Waymo est confus, il « téléphone à la maison ». Un agent d’assistance à distance (RA) examine le flux de la caméra et donne une commande de haut niveau telle que « Nudge forward » ou « Ignorer ce signal ».

Mais l’incendie de la sous-station PG&E a probablement dégradé les tours de téléphonie cellulaire locales. Même si les tours étaient équipées de batteries de secours, la congestion localisée (des milliers de personnes appelant leurs proches) réduirait la bande passante.

$\text{Latency} \propto \frac{\text{Users}}{\text{Bandwidth}}$

Si le Waymo ne peut pas atteindre le serveur RA en raison d’une congestion du réseau et qu’il ne peut pas résoudre la scène localement en raison de contraintes de sécurité, il devient une brique de 5 000 livres. C’est une brique qui suit les règles, mais une brique quand même.

Analyse prospective : cela peut-il être corrigé ?

Le « problème du black-out » doit être résolu avant d’atteindre une échelle de masse. Si 10 % du trafic de SF était autonome pendant cette panne, l’embouteillage aurait bloqué les camions de pompiers et les ambulances, transformant une nuisance en tragédie.

Solution A : Réseau maillé V2V

La communication de véhicule à véhicule (V2V) pourrait permettre à la flotte de « voter » sur l’état d’une intersection.

• Concept : Si la voiture A voit un feu sombre et s’arrête, et que la voiture B (face à la circulation transversale) voit un feu sombre et s’arrête, elles peuvent se serrer la main numériquement.
• Protocole : une poignée de main numérique confirmant la position et l’état, permettant un mouvement coordonné.
• Réalité : cela nécessite une norme universelle (V2X) sur laquelle tous les constructeurs OEM (Tesla, Rivian, Waymo) s’accordent. L’industrie est dans des années avant d’en arriver là.

Solution B : « Mode sans loi » (The New York Cabbie Update)

Les développeurs audiovisuels devront peut-être former une « politique d’intersection non contrôlée » spécifique, plus agressive.

• Logique : Si TCD = NULL pendant > 30 secondes -> Traiter comme un panneau d’arrêt -> Fluage vers le centre -> S’il n’y a pas de vecteurs entrants à grande vitesse -> Forcer la fusion.
• Risque : cela augmente le $P(Collision)$ de manière non linéaire. Mais l’alternative (paralysie totale) présente son propre profil de risque (blocage des services d’urgence).

Solution C : Renforcement des infrastructures

La réponse ennuyeuse mais réelle : Batterie de secours pour les feux de circulation. Dans les grands couloirs, les LED consomment très peu d’énergie. Une petite mise à niveau solaire + batterie pourrait maintenir la logique du signal en marche pendant 24 heures en cas de panne du réseau. Cela coûte moins cher que de recycler une IA pour comprendre la négociation humaine, mais les budgets des villes lui donnent rarement la priorité.

Le verdict

Le fiasco de Waymo lors de la panne d’électricité à San Francisco n’était pas un échec de l’intelligence artificielle ; c’était une collision entre l’IA et l’Entropie.

Les ingénieurs ont construit des machines qui fonctionnent avec la précision mathématique d’un maître d’échecs. Mais le monde réel, surtout lors d’une catastrophe, n’est pas celui des échecs. C’est un mosh pit. Jusqu’à ce que ces robots apprennent à pousser, bousculer et négocier les règles désordonnées et non écrites des infrastructures en panne, ils resteront des conducteurs par beau temps - brillants lorsque les lumières sont allumées, mais paralysés lorsque la ville s’assombrit.

Les observateurs repérant un robotaxi à un passage sombre ne doivent pas s’attendre à un signal. La machine attend un feu vert qui ne vient pas.