GM travaille sur une intelligence collective pour les caméras des voitures
Une demande de brevet déposée par General Motors et l’Université du Michigan décrit un système capable de fusionner les données de caméras, radars, lidars et de localisation de plusieurs véhicules dans une carte routière partagée. L’objectif est de réduire les angles morts et d’alerter les voitures sur des dangers que leurs propres capteurs ne voient pas encore.
Les voitures pourraient tirer parti des capteurs des autres véhicules.
La demande de brevet US 20260133049 A1 s’intitule « Collaborative Perception System for Creating a Bird’s Eye View Cooperative Perception Map ». Elle a été publiée le 14 mai 2026, avec University of Michigan System et GM Global Technology Operations LLC comme déposants.
Le principe paraît simple. Le rendre opérationnel l’est beaucoup moins. Une voiture ne dépendrait plus uniquement de ses propres caméras et capteurs. Les données collectées par plusieurs véhicules seraient traitées sous forme de vue aérienne, puis fusionnées par des ordinateurs centraux dans une carte de perception commune.
Un tel système pourrait aider lorsqu’un conducteur ou une aide à la conduite ne voit pas directement un danger. Un gros camion, par exemple, peut masquer une voiture ou un piéton qui arrive à une intersection. Si un autre véhicule connecté détecte déjà le risque, le système pourrait transmettre cette information.
La carte serait ensuite renvoyée aux voitures.
Les véhicules recueilleraient les informations issues des caméras, des radars, des lidars et des capteurs de positionnement. Ces données seraient envoyées vers un système dans le nuage, où elles seraient synchronisées et transformées en représentation tridimensionnelle de la circulation. L’image finalisée pourrait alors être transmise aux écrans des véhicules ou aux calculateurs des systèmes d’aide à la conduite.
La description du brevet mentionne aussi la reconstitution de données manquantes, l’attention croisée et des cartes d’attention temporelle. Plus simplement, le système doit assembler des informations incomplètes provenant de différents véhicules pour produire une représentation suffisamment fiable pour être utile.
L’intérêt pratique concerne les angles morts, les piétons et le stationnement.
Le système de GM pourrait fournir à un conducteur ou à un dispositif de conduite automatisée des informations sur des objets situés hors de portée des capteurs du véhicule. Il pourrait s’agir de voitures dissimulées par des obstacles, de piétons surgissant d’une zone masquée ou de places de stationnement libres à proximité.
Selon la demande de brevet, les informations partagées seraient limitées à une zone d’environ 50 à 75 mètres autour de la voiture. Cela permettrait de réduire le volume de données et la charge imposée aux systèmes informatiques embarqués.
Un brevet ne signifie pas une fonction de série.
GM ne présente pas encore cette technologie comme un équipement prêt à rejoindre les modèles en concession. Pour l’instant, il s’agit d’une demande de brevet. Commercialiser un tel système exigerait des connexions de données rapides, des normes communes d’échange d’informations et des règles très claires sur les données que les voitures peuvent partager.
Ce dernier point n’est pas anodin pour GM. En 2025, la Federal Trade Commission américaine a accusé GM et OnStar d’avoir partagé des données de localisation et de comportement de conduite sans consentement suffisant des conducteurs. Dans le cadre de l’accord conclu, l’entreprise s’est vu interdire pendant cinq ans de transmettre ces données à des sociétés d’évaluation des consommateurs.
L’idée de perception collective de GM peut donc sembler prometteuse sur le plan technique, mais sa réussite dépendra autant de la confiance que des algorithmes. Les voitures pourront peut-être un jour voir au coin des rues les unes pour les autres. Le conducteur devra toujours savoir précisément qui peut voir les données et ce qu’il compte en faire.
