Des années après avoir mis fin à son projet de conduite autonome, Uber tente de revenir sur la scène des voitures sans conducteur d'une autre manière : en transformant les véhicules de millions de conducteurs en ligne à travers le monde en « réseaux de capteurs » mobiles qui fournissent des données aux entreprises de conduite autonome et à d'autres modèles d'IA du monde réel.

Praveen Neppalli Naga, directeur de la technologie d'Uber, a dévoilé sa vision à long terme dans une interview, la décrivant comme une « extension naturelle » du nouveau projet de l'entreprise AV Labs annoncé fin janvier de cette année. Il a déclaré que l’objectif ultime d’Uber était d’installer dans un avenir proche divers capteurs sur les voitures privées des conducteurs humains afin de collecter des données réelles sur la scène routière. Naga a également souligné qu'avant de franchir cette étape, l'entreprise devait bien comprendre les capacités et les méthodes de travail des différents kits de capteurs, et attendre que les États américains donnent des directives réglementaires plus claires sur « qu'est-ce qu'un capteur et comment partager des données ».

Actuellement, AV Labs fonctionne toujours sur une flotte limitée de véhicules dédiés équipés de capteurs exploités par Uber lui-même et indépendants du groupe de conducteurs qui effectuent des trajets quotidiens. Mais le récit d’Uber montre qu’il ne s’agit que d’un point de départ : Uber compte des millions de conducteurs dans le monde, et même si seul un petit nombre de véhicules sont équipés de capteurs, cela suffit à construire un réseau de collecte de données routières difficile à égaler pour une seule entreprise de conduite autonome. Naga estime que le goulot d'étranglement limitant l'évolution de la technologie de conduite autonome n'est plus l'algorithme ou la puissance de calcul sous-jacente, mais des données du monde réel de haute qualité et suffisamment diversifiées. "Le goulot d'étranglement, ce sont les données", a-t-il déclaré. « Les entreprises comme Waymo doivent constamment collecter des données pour couvrir différents scénarios. »

Selon sa vision, les entreprises autonomes peuvent personnaliser à la demande des données de formation extrêmement détaillées via le réseau d'Uber, comme l'obligation de « collecter les conditions de circulation à une intersection devant une école de San Francisco pendant une période spécifique pour former le modèle ». Le vrai problème est que la plupart des entreprises de conduite autonome ne disposent pas de capitaux suffisants pour déployer leurs propres flottes à grande échelle dans le monde entier afin de couvrir ces scénarios à longue traîne et à haute densité. Si Uber parvient à mobiliser les ressources existantes en matière de conducteurs et de véhicules, il devrait devenir la couche d'approvisionnement en données pour l'ensemble du secteur, fournissant un flux constant de « carburant » pour la technologie de conduite autonome.

Le monde extérieur se demande depuis longtemps si Uber sera à l'avenir « contourné » par les entreprises autonomes après avoir renoncé à construire ses propres voitures autonomes, ou même s'il sera marginalisé dans l'écosystème du voyage. Le co-fondateur Travis Kalanick a également déclaré publiquement que renoncer à la conduite autonome était une « énorme erreur ». Aujourd'hui, via AV Labs, Uber tente de transformer son rôle de développeur de véhicules autonomes en une plateforme d'infrastructure et de données dans ce domaine, fournissant des capacités sous-jacentes à tous les participants avec l'aide de son vaste réseau de chauffeurs et de son flux de commandes.

Uber a actuellement des partenariats avec 25 entreprises de conduite autonome dans le monde, notamment des acteurs tels que Wayve, qui opère à Londres. Sur cette base, l'entreprise construit ce qu'on appelle le « cloud AV » : un entrepôt de données de capteurs multimodaux entièrement annoté que les partenaires peuvent récupérer et appeler pour entraîner leurs propres modèles de conduite autonome. Naga a déclaré que les entreprises partenaires peuvent également effectuer une inférence en « mode fantôme » sur des commandes réelles sur la plate-forme Uber, c'est-à-dire simuler la façon dont leurs propres systèmes de conduite autonome prendront des décisions sur des données de voyage réelles sans réellement mettre de véhicules autonomes sur la route.

À en juger par son apparence extérieure, Uber tente de présenter cette plateforme comme un « établissement public industriel ». "Notre objectif n'est pas de gagner de l'argent avec ces données", a déclaré Naga, "mais de les démocratiser". Cependant, compte tenu de la valeur commerciale et de la rareté des données de haute qualité dans le domaine de la conduite autonome et du domaine plus large de l’IA, on peut encore se demander si un tel positionnement pourra être durable à l’avenir. En fait, Uber a investi en actions dans un certain nombre d'entreprises autonomes ces dernières années, et si les données de formation à grande échelle et différenciées dont elle dispose font partie des compétences de base de ses partenaires, le pouvoir de négociation d'Uber face à ces entreprises sera probablement encore renforcé.

Derrière cette idée, la logique d'Uber passe de « construire une voiture » à « construire une plateforme » : d'une part, elle continue de maintenir son avantage d'entrée au niveau de l'utilisateur final grâce à son propre réseau de voyages et de livraison de nourriture ; d'autre part, il tente de précipiter l'itinéraire et les scènes réels du véhicule du conducteur en actifs de données structurés pour servir les entreprises de conduite autonome et même d'autres grandes entreprises modèles qui ont besoin de données de formation provenant du monde physique. Pour une entreprise qui a depuis longtemps cessé de fabriquer des piles matérielles et logicielles de conduite autonome, cela pourrait être une nouvelle façon de continuer à participer à la prochaine vague de changements technologiques dans le domaine des transports et d’y maintenir une présence.