Hyundai met en service le volant d'inertie de données d'Atria AI

Hyundai Motor Group a annoncé le 13 septembre 2026 que son « volant d'inertie de données » pour la conduite autonome fonctionne désormais pleinement. La boucle prend les données de conduite d'une flotte dédiée et y cherche les situations que ses modèles maîtrisent le moins bien. Elle réentraîne sur celles-ci, puis renvoie le résultat dans des voitures circulant sur la voie publique.

Le système entraîné s'appelle Atria AI. Il a été conçu en interne par 42dot, la filiale du groupe pour la conduite autonome. L'image du volant d'inertie n'est pas gratuite. Chaque tour de la boucle est censé rendre le suivant moins coûteux, parce que les voitures elles-mêmes vont chercher le prochain cas difficile.

Comment la boucle tourne vraiment

L'annonce de Hyundai décrit un cycle, pas une chaîne linéaire. Voici les étapes citées.

Étape	Ce qui se passe
Collecte	Une flotte dédiée recueille des données de conduite réelles sur plusieurs marchés
Hard example mining	Le système isole les situations que le modèle traite mal
Entraînement continu	Ces exemples retournent à l'entraînement, les résultats repartent en avant
Validation virtuelle	Des scènes réelles sont reconstruites en 3D et rejouées comme tests
Déploiement	Le modèle amélioré repart dans les voitures et génère de nouvelles données

Deux étapes méritent des mots simples. Le hard example mining signifie que la flotte ne cherche pas à tout enregistrer. Elle cherche les cas gênants, ceux que le modèle rate, car ce sont les seules images qui lui apprennent quelque chose.

La validation virtuelle est l'autre. Hyundai dit reconstruire des scènes routières réelles avec le 3D Gaussian Splatting, une technique qui reconstitue une scène à partir de photos sous forme de nuage de taches floues plutôt que de surfaces pleines. Une fois la scène ainsi disponible, on peut la rejouer autant qu'on veut et la faire varier, sans remettre une voiture sur la route.

Le groupe précise aussi que le développement suit un rythme follow-the-sun : des équipes en Corée du Sud et aux États-Unis se passent le travail d'un fuseau à l'autre, pour un cycle de 24 heures. La standardisation des capteurs est coordonnée avec Motional, et le groupe cite NVIDIA DRIVE Hyperion 10 comme plateforme de référence. Un cadre nommé Data Union doit permettre à Hyundai Motor, Kia, 42dot et Motional de partager les données dans un même format.

La flotte est plus petite qu'on ne l'imagine

Le chiffre frappant est le peu de voitures qui alimentent tout cela. Hyundai parle de 40 véhicules dédiés à la collecte. Le Kyunghyang Shinmun rapporte une répartition de 20 pour la collecte et 20 pour la vérification, chacun recueillant environ 80 heures par semaine, soit près de 1 600 heures pour l'ensemble.

Le journal met ce chiffre à côté de Tesla, qui collecterait environ 4,38 millions d'heures de données de conduite par jour. L'écart n'est pas mince, et la réponse de Hyundai est une échelle qu'il n'exploite pas encore : environ 7 millions de véhicules vendus par an dans quelque 190 pays. La direction prévoit de dépasser les données cumulées de ses rivaux dans les cinq ans suivant le lancement en série.

Minwoo Park est président de la division Advanced Vehicle Platform du groupe et directeur général de 42dot. « Competitiveness is determined by how much data you secure, how quickly you learn and how effectively you can reflect those results », a-t-il déclaré. Seonggyun Jeong, qui dirige le groupe Atria chez 42dot, l'a dit plus crûment : « High-quality data is where good autonomous driving AI ultimately starts. »

Ce qui arrive, et quand

Objectif	Date
Pilote de niveau 4 à Gwangju, avec le ministère coréen des transports	D'ici fin 2026
Production de niveau 2+, à base NVIDIA	Premier semestre 2028
Production de niveau 2++, à base NVIDIA	Second semestre 2028
Atria AI en production	Second semestre 2029

Les sources divergent sur cette dernière ligne. L'annonce de Hyundai décrit l'objectif 2029 d'Atria AI comme un niveau 2++. Le Kyunghyang Shinmun le rapporte comme un niveau 3+. La différence compte, car le niveau 3 est le point où c'est la voiture, et non le conducteur, qui doit surveiller la route.

Le groupe pousse aussi un modèle Vision-Language-Action, qui relie ce que la voiture voit à un raisonnement en langage, puis à une action de conduite. « VLA is core technology for Physical AI going beyond simply driving », a déclaré HeeSeok Lee, qui dirige le groupe Trion chez 42dot.

Ce que cela signifie pour les développeurs

L'idée réutilisable est le hard example mining, et elle ne concerne pas que les voitures. La plupart des équipes qui ont un modèle en production échantillonnent encore leurs données plus ou moins au hasard. La thèse de Hyundai est qu'une petite flotte bat une grande si elle ne garde que les exemples sur lesquels le modèle échoue. Si votre modèle voit du trafic réel, la question de la semaine est de savoir si vous pouvez détecter et stocker vos propres échecs automatiquement.

Voyez l'étape de reconstruction 3D comme l'ingénierie intéressante, pas comme la démonstration. Reconstruire une scène réelle pour la rejouer et la faire varier, c'est transformer un essai routier coûteux en beaucoup d'essais bon marché. Le même schéma vaut pour tout système coûteux à tester en conditions réelles, c'est-à-dire la plupart d'entre eux.

Lisez la contradiction sur les niveaux d'autonomie comme un rappel sur les annonces. Deux comptes rendus de la même présentation ne s'accordent pas sur qui surveille la route en 2029, la voiture ou le conducteur. Quand une feuille de route est aussi lointaine, le niveau est une cible plutôt qu'un engagement. La décision du Nevada d'autoriser des milliers de robotaxis payants a montré à quelle vitesse le terrain peut bouger dessous.

Enfin, notez qui n'est pas dans la boucle. C'est un volant fermé : les voitures de Hyundai, la filiale de Hyundai, le format de Hyundai. Data Union standardise le partage à l'intérieur du groupe, pas à l'extérieur. Si vous espériez voir les constructeurs converger vers un format ouvert de données de conduite, voici un indice qui pointe dans l'autre sens.