TIER IV ouvre cinq modèles autonomes pour Autoware

TIER IV a annoncé le 11 novembre 2026 cinq modèles d’IA de conduite autonome destinés à Autoware, son logiciel open source pour véhicules autonomes. L’ensemble couvre plusieurs architectures, de la caméra seule aux configurations avec LiDAR, radar et cartes HD, afin d’aider constructeurs et partenaires à choisir selon leurs capteurs et leur puissance de calcul. Dans le même mouvement, l’Autoware Foundation a publié AutoE2E v1.0 sous licence Apache 2.0. La portée est claire, mais la route vers un déploiement réel reste encore longue.

Une gamme pensée pour des véhicules très différents

Les cinq modèles se nomment NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner et LatentDrive. Tous relient la perception de l’environnement à la génération de trajectoire, mais avec des compromis différents sur les capteurs, le raisonnement et l’intégration dans le véhicule. Autrement dit, TIER IV ne pousse pas une seule recette miracle, mais plusieurs briques adaptées à des usages distincts.

Alpamayo 2 Edge, par exemple, compte 2 milliards de paramètres contre 34 milliards pour Alpamayo 2 Super. Il fonctionne uniquement à partir d’images caméra et de raisonnement, et son intégration dans Autoware est déjà achevée, même si l’optimisation et l’adaptation aux véhicules se poursuivent. NVIDIA et TIER IV le présentent comme une passerelle entre recherche et industrialisation, ce qui, dans ce secteur, reste souvent la partie la plus coriace du menu.

AutoE2E, développé par l’Autoware Foundation et TIER IV, repose sur 79,9 millions de paramètres et peut tourner au-delà des plateformes NVIDIA. Son architecture rapide-lente associe un modèle réactif pour les décisions en temps réel à des modules de monde et de raisonnement chargés d’anticiper l’environnement. Les configurations vont de la simple caméra à des systèmes intégrant LiDAR et radar.

Des approches techniques qui évitent le copier-coller

METEOR vise surtout les véhicules particuliers. TIER IV indique que ce réseau de 16 millions de paramètres utilise une représentation en vue aérienne pour gérer la perception jusqu’à la trajectoire, sans dépendre de cartes HD. Il accepte des images provenant d’une à huit caméras, peut ajouter LiDAR et radar, et prend en charge les plateformes semiconductrices NVIDIA et Renesas.

OnePlanner suit une autre logique. Le modèle combine perception et planification de mouvement, s’appuie sur BEVFusion pour convertir les nuages de points LiDAR en représentation aérienne, puis transmet directement les informations utiles au planificateur. Cette circulation réduit les conversions intermédiaires en positions et vitesses d’objets. Le système ajoute cartes HD, informations d’itinéraire, état des feux et état du véhicule pour produire des trajectoires sur six secondes. Son intégration à Autoware est déjà complète.

LatentDrive, enfin, utilise V-JEPA, une méthode d’apprentissage auto-supervisé qui apprend des représentations latentes à partir de vidéos caméra. Le modèle n’a pas besoin de carte HD et génère des trajectoires sur quatre secondes à partir de la vidéo, de l’itinéraire et de l’état du véhicule. Il prend en charge une ou trois caméras, mais son intégration dans Autoware et sa validation embarquée restent en cours.

AutoE2E v1.0 avance, sans confondre test et conduite réelle

L’Autoware Foundation a publié AutoE2E v1.0 le 11 novembre 2026, sous licence Apache 2.0, avec des checkpoints entraînés disponibles pour la recherche et un usage commercial. La version inclut le Reactive Model, qui tourne à 10 Hz, fusionne six vues caméra en une représentation de type vue aérienne et planifie 6,4 secondes d’accélération et de braquage. Les couches monde et raisonnement doivent encore être développées pour fonctionner avec le même planificateur.

Sur données enregistrées, le modèle affiné affiche une erreur de déplacement moyenne de 0,744 mètre sur trois secondes, selon la fondation, et se classe deuxième parmi huit configurations open weight comparées. Ce résultat concerne toutefois une évaluation en boucle ouverte, c’est-à-dire sur trajectoires prédites à partir de séquences vidéo enregistrées, pas sur une voiture sans conducteur en circulation. Le projet vise des usages allant de l’assistance mains libres de niveau L2++ à la mobilité L4, mais la conduite autonome de niveau L4 reste un objectif de développement, pas une capacité acquise.

Ce que cherche TIER IV derrière cette stratégie

Le message de TIER IV est moins technologique qu’industriel : permettre aux constructeurs et équipementiers d’« internaliser des technologies selon leurs applications et leurs exigences de performance, sans dépendre d’un modèle d’IA ou d’une plateforme semi-conductrice particulière », selon Shinpei Kato. Cette logique compte, car la conduite autonome ne se joue pas seulement sur un modèle plus malin, mais sur sa capacité à s’adapter aux capteurs, au calcul embarqué et aux contraintes de production.

Pour accélérer METEOR, TIER IV s’appuie aussi sur CoMET, sa plateforme de labellisation automatisée intégrée à Co-MLOps, associée à de l’IA agentique pour automatiser le marquage des données, l’entraînement, l’évaluation et l’amélioration du modèle. L’entreprise veut maintenant améliorer les performances, optimiser l’embarqué, commercialiser ces briques avec Autoware et étendre leur usage à davantage de véhicules. Reste une nuance décisive : open source ne veut pas encore dire déploiement validé, et c’est souvent là que les calendriers se mettent à boiter.