Divulgation : les points de vue et opinions exprimés ici appartiennent uniquement à l’auteur et ne représentent pas les points de vue et opinions de l’éditorial de crypto.news.
Pendant des décennies, les véhicules autonomes ont fait l’objet de films de science-fiction, mais maintenant nous avons équipé les véhicules de toutes sortes de capteurs, puces et logiciels. Eh bien, ils le sont toujours en quelque sorte.
Cela ne veut pas dire que l’industrie n’avance pas : elle fait la une des journaux sur de nouvelles initiatives passionnantes et des incidents préoccupants. Mais même certains de ses pionniers remettent en question ces progrès, et les articles sous ces titres mettent en vedette les têtes d’affiche bien trop familières : Waymo de Google, Apple, General Motors, entre autres. On aurait et dû s’attendre à ce qu’il y ait davantage de véritables perturbateurs sur un marché aussi perturbateur que celui-ci.
La vérité est que certaines des technologies sous-jacentes à la pile d’une voiture sans conducteur favorisent fortement la centralisation et les énormes acteurs centralisés. C’est du moins ce qu’il semble à première vue.
De toute évidence, coller une caméra sur une voiture ne lui apprendra pas comme par magie à conduire, mais connecter cette caméra à son ordinateur de bord ne le ferait pas non plus. En ce qui concerne l’ordinateur, le flux de la caméra n’est qu’un autre flux de données. Un cerveau humain possède un système complexe de connexions neuronales qui extraient des informations exploitables à partir de signaux visuels, et l’ordinateur a besoin de quelque chose de similaire. Il lui faut sa propre vision.
La vision par ordinateur est un sous-domaine de l’industrie plus vaste de l’intelligence artificielle (IA), ou apprentissage automatique (ML), pour être plus précis, qui permet à une voiture sans conducteur de « voir » le monde qui l’entoure. Les algorithmes d’IA sont souvent utilisés pour traiter d’autres flux de capteurs, tels que le LiDAR, améliorant ainsi la capacité globale du véhicule à naviguer dans l’espace physique. Et le problème avec de tels modèles est qu’ils nécessitent des quantités absolument gargantuesques de données pour être entraînés.
Les entreprises, soucieuses de savoir jusqu’où on peut aller avec un ensemble de données simulées, ont longtemps eu du mal à acquérir des données du monde réel pour entraîner leurs modèles. L’industrie des véhicules sans conducteur ne fait pas exception. Même si les entreprises peuvent utiliser des simulations, un peu comme ce que l’on voit dans les jeux vidéo, pour enregistrer divers scénarios et amorcer leurs ensembles de données, cela ne vous mène pas loin. Des conditions météorologiques aux spécificités régionales, les données du monde réel sont cruciales pour rendre les voitures autonomes sûres et fiables. C’est pourquoi les habitants de San Francisco peuvent voir des taxis sans conducteur circuler sans passagers pendant des heures. Ils ne recherchent pas de passagers ; ils collectent des données.
Le défi de collecter des ensembles de données d’une ampleur et d’un niveau de qualité suffisants à une vitesse qui permet de rester en activité est un obstacle pour l’industrie automobile autonome – un obstacle qui maintiendra les règles du jeu inégales, en les faisant pivoter vers de grandes entités centralisées. Les géants centralisés collectent des quantités de données, tandis que les nouveaux arrivants sont confrontés à un défi en matière de données qui entrave leur progression. Cela jette l’ombre d’un oligopole sur un marché naissant et prometteur, et nous savons tous ce que cela signifie pour les gens ordinaires.
La solution existe déjà, dans les milliers de véhicules qui circulent chaque jour sur les routes de chaque ville et de chaque pays. La plupart d’entre eux capturent des tonnes de données en déplacement, et avec les bonnes incitations, les conducteurs effectueraient probablement l’étiquetage eux-mêmes. Il suffit de regarder le CAPTCHA : les tests avec les piétons, les motos et les feux de circulation sont tous des exercices d’étiquetage de données que les gens effectuent pour accéder simplement à un site Web ou à un service.
L’accumulation de toutes ces données dans de vastes ensembles fournira aux startups et aux entreprises émergentes tous les supports d’apprentissage du monde réel dont leurs modèles pourraient avoir besoin. Ces ensembles de données peuvent être aussi divers ou spécifiques à un emplacement que nécessaire, ancrés dans des scénarios, des conditions et des spécificités du monde réel. Cependant, pour débloquer l’accès aux données, l’industrie a besoin en premier lieu d’un tout nouveau paradigme de données.
Ce paradigme doit exploiter la blockchain en tant qu’infrastructure de base et couche de transaction partagées et indépendantes du fournisseur pour empêcher la montée d’un autre écosystème cloisonné. Il doit également exploiter les données et les identités autonomes des conducteurs et des véhicules, leur redonnant ainsi le contrôle de leurs données et de leur vie privée.
Les identités auto-souveraines fonctionneront comme des portefeuilles Web3 stockant des preuves cryptographiques de divers attributs d’utilisateur émises par des organismes de confiance, tels que les autorités ou les constructeurs automobiles. Les consommateurs de données pourront les utiliser pour vérifier les données que les vendeurs – qui sont ici les moteurs – peuvent choisir de mettre en vente. La perspective n’est pas aussi farfelue qu’elle pourrait paraître, les sociétés Web2 et Web3 travaillant déjà sur des infrastructures de mobilité alimentées par la blockchain, telles que Gaia-X moveID en Europe.
Ce paradigme de données auto-souverain fera des conducteurs des acteurs actifs dans l’espace de la mobilité numérique, leur permettant de monétiser les données qu’ils génèrent au cours de leurs déplacements quotidiens. Cela résoudra également le défi des ensembles de données dans l’ensemble du secteur des véhicules autonomes, en donnant à tous ses participants un accès égal à un marché partagé de données brutes, donnant ainsi au secteur un coup de pouce indispensable.
Malgré toutes leurs promesses, les véhicules autonomes véritablement autonomes restent insaisissables, en partie à cause du défi associé à la collecte des ensembles de données pour former les modèles d’IA qui aideront à conduire de telles voitures. Adopter le paradigme des données Web3 est la meilleure chance pour l’industrie de débloquer l’accès à un pool pratiquement illimité de données de formation tout en maintenant un sain esprit de concurrence ouverte.
Cet article a été co-écrit par Sheridan Johnsco-fondateur d’Ocean Protocol, et Léonard Dorlöchterco-fondateur de peaq.