Tesla rebat ses cartes sur le calcul IA
Face à une chute de ses ventes à l’échelle mondiale, Tesla renonce à construire en interne son superordinateur dédié au traitement de la vision par ordinateur pour son système d’aide à la conduite. Le patron de Dojo, le projet maison maintes fois mis en avant par Elon Musk, quitte l’entreprise. Une vingtaine de membres de l’équipe ont déjà rejoint une société de centres de données concurrente, tandis que le reste des effectifs est redirigé vers d’autres projets d’infrastructure. Le message est clair: la priorité n’est plus à l’industrialisation d’un calculateur IA propriétaire.
Pourquoi ce revirement maintenant ?
Tesla a réorienté ses ambitions vers un service de robotaxi s’appuyant massivement sur la perception visuelle. Dans ce contexte, disperser les moyens entre plusieurs architectures de puces IA n’a plus de sens pour la direction. Musk l’a d’ailleurs reconnu publiquement en substance: mieux vaut concentrer les ressources plutôt que maintenir deux conceptions de puces distinctes. Cette inflexion traduit une volonté d’aller plus vite, avec des briques technologiques déjà disponibles, plutôt que de poursuivre un pari industriel au résultat incertain.
Cap sur les partenaires, sans renoncer à l’ADN maison
Plutôt que d’assembler un supercalculateur interne, Tesla s’appuie désormais sur des partenaires comme Nvidia, AMD et Samsung pour la fabrication et l’approvisionnement en semi-conducteurs IA. Cette stratégie permet d’accéder immédiatement à des GPU et à des procédés de gravure de pointe, tout en réduisant les risques liés au développement d’une pile matérielle entièrement propriétaire.
Pour autant, la marque ne renonce pas à ses propres puces. Les générations AI5 et AI6 sont présentées comme très efficaces pour l’inférence (faire tourner les modèles en production) et « suffisant bonnes » pour l’entraînement dans certaines configurations. L’effort interne se concentre donc sur des composants capables d’opérer à bord des véhicules et dans les serveurs d’inférence, pendant que l’entraînement massif s’appuie sur du matériel tiers.
Dojo: des ambitions démesurées à la réalité du marché
À l’origine, Dojo devait entraîner les modèles qui alimentent Autopilot et la suite « Full Self-Driving ». Le projet a été largement vanté, présenté comme une bête de course capable d’absorber des volumes colossaux de données vidéo. Mais la flambée de la demande en IA a déclenché une guerre des talents: salaires record, recrutements agressifs, et concurrence féroce des géants du secteur. Résultat, le cœur de l’équipe Dojo s’est étiolé, et Tesla a accéléré la bascule vers des solutions externes.
Autonomie: des revers techniques et juridiques
Le déploiement des technologies de conduite autonome reste heurté. Les premiers tests de robotaxis à Austin (Texas) ont été marqués par des problèmes techniques et des quasi-accidents inquiétants. Sur le front judiciaire, un jury en Floride a récemment jugé Tesla partiellement responsable d’un accident mortel impliquant Autopilot, avec à la clé une condamnation financière approchant le quart de milliard de dollars. Sur le plan de l’image, la posture politique très tranchée d’Elon Musk continue de polariser et d’alimenter un recul des ventes, pesant sur la dynamique commerciale de la marque.
Marché et finance: le paradoxe Tesla
Malgré les difficultés opérationnelles, les investisseurs soutiennent toujours la valeur. La capitalisation boursière demeure au-dessus de 1 000 milliards de dollars, et l’action a progressé de plus de 10 % sur un mois. Cet écart entre performances industrielles et confiance du marché souligne un pari: celui d’un redressement rapide grâce à l’IA, aux services, et à la monétisation des flottes.
Et maintenant ?
Il y a peu, Tesla évoquait l’idée de « converger » vers une seule puce pour un hypothétique « Dojo 3 ». La dissolution de l’équipe Dojo rend cette trajectoire incertaine. À court terme, le scénario le plus probable reste une dépendance accrue aux matériels externes, confirmée par un accord massif d’environ 16,5 milliards de dollars avec Samsung pour des semi-conducteurs IA. Reste une question ouverte: Dojo aura-t-il été une distraction coûteuse ou une étape nécessaire pour affiner la stratégie matérielle de Tesla?
FAQ
Qu’est-ce qu’un superordinateur d’entraînement IA, concrètement ?
C’est une infrastructure composée de milliers de puces spécialisées interconnectées, conçue pour « entraîner » des modèles à partir d’énormes volumes de données. L’objectif est d’accélérer l’apprentissage et de réduire le temps entre collecte de données et déploiement de nouvelles versions du modèle.
Quelle est la différence entre entraînement et inférence ?
- Entraînement: on ajuste les paramètres d’un modèle à partir de données, opération très coûteuse en calcul.
- Inférence: on utilise un modèle déjà entraîné pour faire des prédictions en temps réel, avec des contraintes de latence et d’efficacité énergétique, par exemple à bord d’une voiture.
Pourquoi s’adosser à Nvidia, AMD ou Samsung ?
Ces acteurs maîtrisent la fabrication à grande échelle, disposent des meilleures puces GPU/IA du moment et d’écosystèmes logiciels éprouvés. S’appuyer sur eux accélère le déploiement et réduit les risques technologiques et industriels.
Quel impact pour les propriétaires de Tesla à court terme ?
Peu de changements visibles immédiats: Tesla peut continuer à améliorer ses logiciels via des mises à jour. Le recours à du matériel tiers pourrait même accélérer l’entraînement et la diffusion de nouvelles versions, si l’infrastructure logicielle suit.
La vision seule suffit-elle pour la conduite autonome ?
Miser uniquement sur la vision est possible mais ambitieux: cela exige des modèles très robustes et un entraînement massif. De nombreux acteurs combinent la vision avec d’autres capteurs (radar, lidar) pour gagner en redondance et fiabilité, au prix d’une complexité matérielle accrue.
