Le test de la panne d'électricité : pourquoi Waymo s'est figé et pas FSD

À 23 h 00 le 20 décembre 2025, une panne de câble souterrain massive a plongé le quartier Mission de San Francisco dans l’obscurité totale. Les lampadaires se sont éteints. Les feux de circulation sont devenus noirs. 130 000 résidents ont perdu l’électricité. Et au milieu de ce vide urbain, quelque chose de révélateur s’est produit.

Des dizaines de véhicules Waymo, des Jaguar, se sont simplement arrêtés.

Figés dans les voies de circulation, les feux de détresse clignotant dans l’obscurité, ils sont devenus des obstacles de 5 000 livres qui ont nécessité que des équipes de secours humaines les récupèrent manuellement. Pendant ce temps, des rapports et des séquences ont rapidement émergeant de véhicules Tesla, fonctionnant sous FSD v14, naviguant dans les mêmes intersections complètement noires avec une confiance étrange. Ils ont traité les feux morts comme des arrêts à quatre voies, ont négocié avec les conducteurs humains et ont continué leurs trajets.

C’est le moment du « code rouge » de Waymo. Cet incident exige un examen technique rigoureux de la raison pour laquelle une architecture a échoué là où l’autre a prospéré. La réponse réside dans la différence fondamentale entre les priors dépendants de la carte et la vision de bout en bout, et la fragilité cachée de l’autonomie liée à l’infrastructure.

L’écart d’architecture : Cartes vs. Vision

Pour comprendre l’échec, il faut comprendre la hiérarchie de prise de décision de la pile Waymo, telle que détaillée dans l’analyse de l’paralysie par panne du réseau. Waymo s’appuie fortement sur les cartes haute définition (HD) : des jumeaux numériques pré-scannés à la perfection centimétrique de la ville. Ces cartes servent de « vérité fondamentale » par rapport à laquelle les données des capteurs sont comparées.

Le piège de la probabilité préalable

Dans une architecture Waymo typique, le véhicule possède une croyance « préalable » forte sur le monde. Il sait exactement où se trouve chaque feu de circulation, panneau d’arrêt et marquage de voie. $P(\text{État} | \text{Carte}, \text{Capteur})$ Lorsque le réseau électrique échoue, les données du « capteur » (obscurité) entrent en conflit violent avec les données de la « carte ». La carte affirme l’existence d’une intersection contrôlée avec des signaux actifs. Les capteurs signalent un vide.

Crucialement, le LiDAR (le capteur principal de Waymo) fonctionne parfaitement dans l’obscurité. Il peut voir la géométrie de l’intersection, les autres voitures et les piétons. Cependant, le LiDAR ne peut pas voir la couleur d’un feu de circulation ; il compte sur les caméras pour la détection d’état sémantique. Quand un feu de circulation perd l’électricité, il ne devient pas rouge ; il disparaît efficacement de la compréhension sémantique de la machine.

Pour un système explicitement programmé pour obéir aux feux de circulation codés en dur dans sa réalité délimitée géographiquement, l’absence d’état de signal est une « panne critique du système ». La politique de sécurité est déterministe : si l’état d’un dispositif de contrôle du trafic connu ne peut pas être vérifié, le véhicule doit entrer dans une condition de risque minimum (MRC). Dans ce cas, cela signifiait s’arrêter immédiatement dans la voie. C’est le « cas limite fragile ». Le système est sûr, oui ; mais se bloquer est plus sûr que de naviguer une intersection aveugle, mais ce n’est pas résilient. Cela exige que l’infrastructure corresponde à la carte.

La vision de Tesla : L’approche « sans priors »

L’approche de Tesla, spécifiquement avec les réseaux de neurones de bout en bout introduits en v12 et affinés en v14, fonctionne selon un principe fondamentalement différent. Elle ne s’appuie pas sur une carte pour valider l’existence d’un feu de circulation. Elle s’appuie sur le flux de photons bruts frappant le capteur de caméra.

Le réseau a été entraîné sur des pétaoctets de données vidéo. Il a « vu » des feux cassés, des routes sombres et des pannes d’électricité dans son ensemble d’entraînement, dérivé des millions de Tesla conduites par des humains opérant mondialement. Lorsqu’il s’approche d’une intersection bloquée, le réseau ne interroge pas une base de données ou ne consulte pas un manuel. Il traite la texture visuelle de la scène directement. $f(\text{Pixels}) \rightarrow \text{Politique de contrôle}$ Parce que les lumières étaient éteintes, le « contexte visuel » correspondait à la représentation d’espace latent d’un scénario « signal cassé » ou « intersection non contrôlée ». La sortie de politique reflétait l’intuition humaine : ralentir, avancer progressivement pour la visibilité, vérifier le mouvement du trafic transversal et procéder quand c’est clair. Cela a résolu le problème localement, en temps réel, sans avoir besoin que l’infrastructure de la ville valide le scénario.

Le goulot d’étranglement de la connectivité

Un facteur secondaire, souvent négligé, dans l’échec de Waymo est la dépendance à l’« assistance distante » (RA). Quand un véhicule Waymo rencontre un scénario inconnu, il appelle à la maison. Un opérateur humain examine le flux de capteurs et fournit une instruction de haut niveau (par exemple, « Procédez à travers l’intersection »).

Cependant, une massive panne d’électricité se corrèle souvent avec la congestion du réseau cellulaire ou une panne. Si les tours cellulaires locales perdent l’électricité ou sont submergées par 130 000 résidents vérifiant leurs téléphones simultanément, le lien RA est coupé. $\text{Autonomie} = \text{Calcul embarqué} \times \text{Connectivité}$ Si la connectivité baisse à zéro, un système dépendant du cloud chute son QI considérablement. L’inférence de Tesla est strictement locale à l’ordinateur FSD (HW3/HW4). Elle ne nécessite aucune connexion cellulaire pour prendre une décision de conduite. Ce découplage du « nuage » est un avantage stratégique dans les scénarios de désastre où l’infrastructure (à la fois électrique et données) est compromise.

Contexte historique : Les ombres de Cruise

Cet incident fait écho à l’effondrement de Cruise fin 2023. Les véhicules Cruise ont notairement calé en masse quand la connectivité a échoué ou quand des scénarios complexes ont submergé le planificateur. Cet échec a mené à la révocation de son permis d’exploitation en Californie.

Bien que Waymo ait historiquement été beaucoup plus robuste que Cruise, la panne électrique de San Francisco révèle qu’ils partagent l’ADN architectural identique : l’approche « robotique ». L’approche robotique traite la conduite comme une série de règles distinctes (Si rouge -> arrêt). L’approche « imitation learning » (Tesla) traite la conduite comme un flux comportemental.

Le coût de cette fragilité n’est pas seulement réputationnel ; c’est opérationnel. Récupérer 50 véhicules échoués nécessite un déploiement logistique massif. Cela bloque les prestataires d’urgence, comme les camions de pompiers et les ambulances, tentant de naviguer la panne. Cela crée une boucle de rétroaction négative avec les régulateurs de la ville. Si la « solution » à une panne est de créer un embouteillage, la ville pourrait reconsidérer le permis.

L’équation d’évolutivité

Les investisseurs et les ingénieurs doivent regarder les mathématiques de l’évolutivité.

1. Modèle Waymo (lié à l’infrastructure) : Pour s’étendre à une nouvelle ville, on a besoin de cartes HD, d’une couverture 5G/LTE fiable et d’un réseau électrique stable. Si l’une de ces variables fluctue, la flotte crée une « attaque par déni de service » sur les routes de la ville.
2. Modèle Tesla (à usage général) : Le véhicule navigue basé sur la réalité visuelle immédiate. Il est agnostique par rapport à la ville, aux mises à jour de carte ou à l’état du réseau, à condition d’avoir des phares et de la traction.

La panne électrique de San Francisco suggère que l’autonomie « à usage général » a un plafond de fiabilité plus élevé dans les environnements chaotiques par rapport à l’autonomie « sur-ajustée ». Waymo a « sur-ajusté » sa solution à l’état spécifique et fonctionnant de San Francisco. Quand cet état a changé, l’ajustement a échoué.

La route à suivre : Code rouge pour la stratégie ?

C’est fatal pour Waymo ? Non. Les équipes d’ingénierie vont corriger le logiciel. Elles mettront à jour les priors pour gérer les scénarios « détection de perte d’électricité ». Elles amélioreront la logique pour les « intersections non contrôlées » déduites des signaux sombres.

Mais c’est un code rouge pour la stratégie.

Cela démontre qu’on ne peut pas forcer l’autonomie en cartographiant chaque pouce du monde, parce que le monde est entropique. Les ampoules brûlent. Les réseaux échouent. La construction modifie la géométrie du jour au lendemain. Si un robot a besoin que le monde reste immobile, il finira inévitablement par se figer.

L’avenir de l’autonomie nécessite de la résilience. Cela signifie fonctionner quand le serveur est en panne, quand le GPS est brouillé et quand les lumières s’éteignent. Hier, dans les rues sombres de la Mission, un système ressemblait à un projet scientifique fragile et l’autre ressemblait à un conducteur compétent.

Le réseau échouera à nouveau. Le test ultime pour Waymo n’est pas la qualité de sa conduite un mardi ensoleillé, mais si elle peut s’adapter quand le chaos imprévisible du monde réel éteint les lumières. Jusque-là, l’avantage va au système qui apprend du chaos plutôt que de le craindre.