Marché des modèles de fondation d’IA pour l’automobile Taille et part 2026-2035

Taille du marché des modèles de fondation d’IA pour l’automobile

Le marché des modèles de fondation d’IA pour l’automobile a atteint 900 millions de dollars américains en 2025 et devrait croître à un taux de croissance annuel composé (TCAC) d’environ 38,5 % entre 2026 et 2035, pour atteindre 23,6 milliards de dollars américains d’ici 2035.

Cette croissance s’explique par l’utilisation croissante de modèles capables d’interpréter les scènes routières, de raisonner à partir de différentes données de capteurs, de générer des scénarios d’entraînement et de prendre en charge l’intelligence embarquée dans les véhicules. Les enjeux de sécurité restent importants sur le plan commercial : les accidents de la route causent chaque année environ 1,19 million de décès dans le monde, ce qui soutient la demande de systèmes améliorant la détection, la surveillance des conducteurs et la prise de décision automatisée ^{[1]World Health Organization, Global Status Report on Road Safety 2023. who.int}.

L’adoption des modèles de fondation dépasse les tâches de perception isolées au profit d’architectures combinant la vision, le langage, le radar, les cartes, l’état du véhicule et les données comportementales. Cette évolution modifie les perspectives de développement des constructeurs automobiles et des opérateurs de conduite automatisée. Un modèle réutilisable peut prendre en charge plusieurs fonctions du véhicule, mais sa valeur commerciale dépend de sa capacité à être validé dans le respect des contraintes de sécurité automobile, adapté aux conditions de conduite régionales et déployé avec des budgets limités en puissance de calcul et en énergie.

Les systèmes ADAS destinés aux véhicules particuliers constituent la principale application actuelle, car ils offrent une voie de déploiement à grande échelle dans le parc automobile. La principale perspective de croissance se trouve dans les modèles de conduite autonome de bout en bout, où les capacités des modèles, la profondeur de la simulation et l’apprentissage à l’échelle de la flotte peuvent déterminer si un système passe d’un domaine de conception opérationnelle limité à un déploiement commercial reproductible. Le marché favorise donc les organisations capables d’associer de vastes actifs de données à une assurance rigoureuse de la sécurité, plutôt que celles qui se contentent de lancer des modèles plus volumineux.

Principaux moteurs de croissance

Demande croissante en matière de sécurité des véhicules et de réduction des accidents

Les enjeux de sécurité routière favorisent les investissements dans des modèles de fondation capables d’interpréter des situations de conduite rares, ambiguës et impliquant plusieurs usagers. L’estimation de l’Organisation mondiale de la Santé, qui fait état de 1,19 million de décès annuels sur les routes, donne la mesure du problème. La NHTSA estime que la règle définitive sur le freinage d’urgence automatique pourrait sauver 360 vies et éviter 24 000 blessures chaque année ^{[2]National Highway Traffic Safety Administration, NHTSA Finalizes Rule on Automatic Emergency Braking. nhtsa.gov}. Pour les constructeurs automobiles, l’intérêt stratégique ne réside pas seulement dans l’amélioration de la précision de la reconnaissance des objets ; il tient aussi à la capacité de relier la perception à la surveillance de l’état du conducteur, à la prédiction des trajectoires et à la logique d’intervention dans un plus grand nombre de situations.

Obligations réglementaires relatives aux systèmes avancés d’aide à la conduite

La réglementation en matière de sécurité renforce l’importance des fonctions avancées de détection et d’intervention dans la conception des véhicules. Le cadre de sécurité de la NHTSA pour les véhicules automatisés illustre le rôle constant de la surveillance réglementaire dans les essais, le déploiement et l’évaluation de la sécurité, tandis que les exigences européennes en matière de sécurité des véhicules ont favorisé l’adoption de fonctions telles que l’adaptation intelligente de la vitesse, le freinage d’urgence autonome et la détection de la somnolence du conducteur ^{[3]National Highway Traffic Safety Administration, Automated Vehicle Safety. nhtsa.gov}. La norme FMVSS 127 impose des systèmes de freinage d’urgence automatique sur les véhicules légers, sa mise en conformité étant échelonnée jusqu’en septembre 2029. L’obligation de l’UE concernant l’adaptation intelligente de la vitesse s’applique à tous les véhicules nouvellement immatriculés depuis juillet 2024. Environ 67 % des 15 millions de voitures particulières vendues en Chine en 2025 étaient équipées de fonctions ADAS. La Commission européenne a également défini des procédures d’essai harmonisées pour les systèmes ADAS et ADS dans le cadre de son plan d’action pour le secteur automobile. Ces exigences stimulent la demande de modèles pouvant être documentés, testés et surveillés tout au long du cycle de vie d’un véhicule, plutôt que d’être considérés comme des services logiciels grand public en évolution constante.

Le Royaume-Uni oriente également des fonds publics vers la transformation du secteur automobile. Son programme DRIVE35, doté de 2,5 milliards de livres sterling, et l’initiative Connected and Automated Mobility Pathfinder, dotée de 18 millions de livres sterling, soulignent l’importance commerciale des capacités nationales en matière de logiciels, de mobilité automatisée et de développement de véhicules.

Adoption des modèles de fondation pour la conduite autonome et les systèmes ADAS

Les modèles de fondation du monde peuvent transformer les données de conduite en un atout pour le développement en facilitant la génération de scénarios, l’apprentissage multivue et l’évaluation en boucle fermée. Les modèles de fondation du monde Cosmos de NVIDIA, adaptés au secteur automobile, ont été entraînés sur plus de 20 000 heures de données de conduite et sont destinés à la génération de données synthétiques et à l’entraînement multivue en boucle fermée. Le mécanisme est important : une couverture de simulation plus étendue peut exposer un système de planification à des cas limites qu’il serait long, coûteux ou dangereux de recueillir exclusivement lors d’essais routiers réels.

Intégration croissante de l’IA générative dans les véhicules connectés

Les programmes consacrés aux véhicules connectés étendent l’utilisation de l’IA générative, des assistants dans le cloud à des fonctions nécessitant un contexte local, des contrôles de confidentialité et une faible latence de réponse. Les plateformes multimodales d’IA physique sont conçues pour relier la perception et le raisonnement dans les applications de véhicules autonomes et de robotique. La règle du Bureau de l’industrie et de la sécurité des États-Unis concernant les véhicules connectés interdit certains logiciels de systèmes de connectivité des véhicules et de systèmes de conduite automatisée liés à la Chine et à la Russie dans les véhicules de l’année-modèle 2027. Cela élargit la demande potentielle au-delà de la conduite automatisée, en particulier pour les interfaces de cockpit, l’assistance contextuelle, l’assistance prédictive aux véhicules et les expériences personnalisées à bord.

Principaux freins du marché

Exigences informatiques élevées pour l’inférence en temps réel

Les modèles de fondation automobiles sont déployés dans un environnement différent de celui des applications de centres de données. Les véhicules doivent exécuter l’inférence avec une latence prévisible, dans le respect des limites thermiques et des contraintes de puissance, ainsi que des exigences de sécurité fonctionnelle. Le portefeuille de normes de l’IEEE sur les systèmes autonomes et intelligents comprend la norme IEEE 2941 to 2021 sur la compression des modèles et des normes portant sur la sécurité et les considérations éthiques liées aux systèmes autonomes. Cela souligne pourquoi l’efficacité informatique et la garantie de fiabilité ne peuvent être dissociées dans le déploiement automobile. Les recherches sur le cloud, la périphérie et les terminaux pour la conduite autonome identifient les contraintes de latence et de coordination comme des obstacles majeurs au recours au calcul à distance pour les fonctions du véhicule sensibles au facteur temps. La plateforme de développement DRIVE AGX Thor de NVIDIA illustre le haut de gamme des capacités de calcul disponibles pour les véhicules, avec jusqu’à 1,000 TOPS pour les charges de travail liées aux véhicules autonomes et à l’IA générative.

La contrainte est particulièrement forte pour les modèles qui combinent des flux de caméras haute résolution, des données radar, lidar et cartographiques, ainsi que la télémétrie du véhicule. Un modèle plus vaste peut améliorer la capacité de généralisation lors du développement, mais imposer aux véhicules de série des exigences matérielles peu économiques. La décision de Rivian de remplacer le matériel NVIDIA par sa propre puce d’IA illustre la volonté du secteur de réduire le coût du calcul automobile. Il en résulte un marché scindé entre les charges de travail d’entraînement et de simulation dans le cloud, les systèmes périphériques hautes performances pour les flottes haut de gamme ou automatisées, et les architectures hybrides qui réservent au véhicule les seules tâches critiques en matière de latence.

Préoccupations liées à la confidentialité des données et restrictions sur les transferts transfrontaliers de données

Les modèles de fondation reposent sur des jeux de données de conduite volumineux et diversifiés, mais les données des véhicules peuvent inclure des images permettant d’identifier des personnes, des historiques de localisation, des interactions vocales et des signaux comportementaux. La Banque mondiale considère la gouvernance des données comme un enjeu central du déploiement des technologies de transport, notamment lorsque les transferts de données transfrontaliers, les conditions réglementaires locales et les capacités institutionnelles varient. Des réglementations telles que le RGPD, le CCPA et la PIPL renforcent la nécessité d’adopter des stratégies régionales de gestion des données plutôt qu’un pipeline mondial unique d’entraînement. En Chine, certaines catégories de données automobiles critiques sont soumises à des exigences de localisation, tandis que les transferts transfrontaliers peuvent nécessiter une évaluation de sécurité par la CAC. La réglementation du Bureau of Industry and Security des États-Unis sur les véhicules connectés interdit également certains logiciels de systèmes de connectivité automobile et de conduite automatisée liés à la Chine ou à la Russie dans les véhicules de l’année-modèle 2027.

Pour les fournisseurs, cela se traduit par des exigences accrues en matière de provenance des données, de contrôle d’accès et de conception de la gouvernance des modèles. Les données de flotte ne peuvent avoir une valeur commerciale qu’une fois les exigences en matière de consentement, de durée de conservation, de localisation et d’anonymisation satisfaites. Les organisations capables de mettre en place des opérations de données adaptées à chaque région sans fragmenter leur processus de développement des modèles disposeront d’un avantage concret.

Cette tension favorise les stratégies de déploiement modulaires. L’infrastructure cloud reste précieuse pour l’entraînement et la génération de scénarios, tandis que les systèmes en périphérie préservent la réactivité et réduisent la dépendance à une connectivité permanente. Les offres commerciales les plus prometteuses seront celles qui transformeront cette répartition en avantage d’ingénierie : des modèles embarqués compacts pour un fonctionnement déterministe, associés à un apprentissage à l’échelle du cloud et à des processus de gouvernance capables de résister aux restrictions régionales en matière de données.

Analyse par segment du marché des modèles de fondation d’IA pour l’automobile

Par capacité du modèle

Les grands modèles de langage multimodaux représentaient 166,8 millions de dollars en 2025 et devraient atteindre 5,5 milliards de dollars d’ici 2035, avec un taux de croissance annuel composé (TCAC) de 42,3 %. Ils sont particulièrement utiles lorsque les systèmes des véhicules doivent associer une interaction en langage naturel à des informations visuelles, contextuelles et relatives à l’état du véhicule, notamment dans les cockpits intelligents et les systèmes d’assistance aux opérateurs.

Les modèles de fondation du monde représentaient 80,8 millions de dollars en 2025 et devraient atteindre 1,6 milliard de dollars d’ici 2035, avec un TCAC de 34,9 %. Ils sont conçus pour modéliser l’environnement physique de conduite et faciliter la simulation, la planification et la génération de scénarios. La plateforme Cosmos de NVIDIA illustre cette évolution en proposant des modèles du monde multimodaux destinés aux applications d’IA physique ^{[4]NVIDIA, Physical AI with World Foundation Models (Cosmos). developer.nvidia.com}.

Les modèles de fondation de vision ont généré 182,4 milliards de dollars en 2025 et devraient atteindre 3 355,8 milliards de dollars d’ici 2035, avec un TCAC de 34,0 %. Leur valeur repose sur des représentations visuelles transférables, adaptables aux usagers de la route, aux conditions météorologiques, à la signalisation, à la surveillance de l’habitacle et aux configurations des caméras des véhicules.

Les modèles génératifs de données synthétiques ont atteint 259,5 millions de dollars en 2025 et devraient atteindre 5,5 milliards de dollars d’ici 2035, avec un TCAC de 36,1 %. Ils répondent à un goulot d’étranglement du développement : il est difficile de recueillir suffisamment de données sur les événements rares en s’appuyant uniquement sur la collecte de données des flottes. Les modèles du monde adaptés à l’automobile peuvent générer des scénarios synthétiques et faciliter l’entraînement en boucle fermée à partir de plusieurs vues de caméra ^{[5]NVIDIA, Simplify End-to-End AV Development with NVIDIA Cosmos World Foundation Models. developer.nvidia.com}.

Les modèles de conduite autonome de bout en bout constituent le segment de capacité à la croissance la plus rapide. Leur marché devrait passer de 208,2 millions de dollars en 2025 à 5,4 milliards de dollars d’ici 2035, avec un TCAC de 38,8 %. Leur attrait tient à la possibilité d’optimiser la perception, la prédiction et les actions de conduite au sein d’un système intégré. Le risque est tout aussi intégré : une architecture de bout en bout exige des preuves plus solides que son comportement reste sûr et interprétable dans des situations inédites.

Les modèles de reconstruction de scènes 3D représentaient 46,9 millions de dollars en 2025 et devraient atteindre 1,1 milliard de dollars d’ici 2035, avec un TCAC de 36,9 %. Ces modèles facilitent la compréhension spatiale, la reconstitution d’environnements numériques et la création de données d’entrée plus réalistes pour les simulations.

Par type de licence

Les modèles propriétaires/commerciaux ont dominé le segment des licences en 2025. Leur position témoigne de la demande des OEM et des fournisseurs en matière de soutien contractuel, de mises à jour contrôlées, de documentation de conformité et de répartition des responsabilités. Les modèles open source ont atteint 205,3 millions de dollars, soutenus par le besoin d’expérimenter au sein de l’écosystème et de donner accès aux développeurs. L’initiative Alpamayo de NVIDIA illustre les modèles open source de type véhicule-langage-action et un écosystème qui comprend JLR, Lucid et Uber pour le développement de véhicules de niveau 4. Les modèles hybrides ont représenté 146,9 millions de dollars, permettant aux entreprises de conserver la maîtrise des données des véhicules et des déploiements propriétaires tout en s’appuyant sur des composants de modèles accessibles.

Par déploiement

Les modèles en périphérie/sur véhicule détenaient la plus grande part des déploiements en 2025. Leur avance s’explique par la nécessité opérationnelle de prendre immédiatement des décisions de perception et de contrôle lorsque la qualité du réseau est variable ou que la dépendance au cloud ne convient pas. Les modèles basés sur le cloud ont représenté 413,6 millions de dollars, répondant aux besoins d’entraînement des modèles, de simulation, d’analyse des flottes et d’amélioration continue.

Par application

Les systèmes avancés d’aide à la conduite (ADAS) destinés aux consommateurs constituaient la plus grande application, avec une valeur de 245,2 millions de dollars en 2025. Ce segment bénéficie de la plus vaste base de véhicules de série et est directement lié aux exigences réglementaires et à la sécurité des consommateurs. La planification et l’exploitation des véhicules autonomes ont atteint 345,2 millions de dollars. Ces applications nécessitent une validation opérationnelle plus approfondie, car leur modèle commercial repose sur des performances de conduite sans supervision ou gérées par une flotte.

L’habitacle intelligent et l’IA embarquée ont représenté 260,8 millions de dollars en 2025. Leur croissance dépendra de la capacité des constructeurs automobiles à fournir une intelligence utile tenant compte du contexte du véhicule sans transmettre en continu au cloud des conversations sensibles ou des données comportementales. Le segment Autres a généré 76 millions de dollars.

Par utilisation finale

Les OEM représentaient le plus grand segment d’utilisation finale, avec 329,5 millions de dollars en 2025, ce qui reflète leur maîtrise de l’architecture des véhicules, de l’intégration en production, de l’exposition au risque lié aux garanties et de l’expérience client. Les opérateurs de véhicules autonomes ont représenté 256,6 millions de dollars, leurs modèles étant directement liés à l’utilisation des flottes et aux domaines opérationnels de conception. Les fournisseurs automobiles de rang 1 ont généré 209,2 millions de dollars et demeurent des intermédiaires importants, car ils transforment les capacités des modèles en systèmes qualifiés de détection, de calcul, de freinage, de direction, d’habitacle et de logiciels.

Les choix de licences et de déploiement renforcent cette distinction. Les modèles propriétaires sont privilégiés lorsque la responsabilité et le soutien sont déterminants, tandis que les écosystèmes ouverts peuvent accélérer l’expérimentation et l’adaptation. Le déploiement en périphérie domine, car les décisions de conduite ne peuvent attendre un aller-retour par le réseau, mais les capacités du cloud restent essentielles à l’entraînement et à la simulation. Les fournisseurs capables de maintenir un modèle cohérent dans ces différents environnements, plutôt que de traiter les logiciels cloud et embarqués comme des produits distincts, sont mieux placés pour capter de la valeur.

Analyse régionale du marché des modèles de fondation d’IA pour l’automobile

Amérique du Nord

L’Amérique du Nord était le plus grand marché régional, avec une valeur de 517,2 millions de dollars en 2025, soit environ 47,2 % du chiffre d’affaires mondial. Il devrait atteindre 13,2 milliards de dollars d’ici 2035, avec un TCAC de 38,6 %. Les États-Unis représentaient 490,6 millions de dollars en 2025, tandis que le Canada représentait 30,2 milliards de dollars. La région conjugue un développement avancé des logiciels automobiles, des essais de mobilité automatisée et un environnement réglementaire dans lequel la NHTSA continue d’encadrer la surveillance de la sécurité des véhicules automatisés.

La concurrence en Amérique du Nord s’étend également de la conduite automatisée à l’intelligence embarquée. Mercedes-Benz et Liquid AI ont annoncé en avril 2026 un partenariat visant à déployer à grande échelle les modèles de fondation Liquid pour les systèmes MBUX de troisième et quatrième génération en Amérique du Nord, en mettant l’accent sur le fonctionnement sur l’appareil, sans dépendre d’une connexion au cloud ^{[6]Mercedes-Benz and Liquid AI, Mercedes-Benz and Liquid AI Partner to Scale Embedded In-Car Intelligence in North America. media.mbusa.com}. L’intelligence du poste de conduite apparaît ainsi comme une voie de déploiement des modèles de fondation, même lorsque l’autonomie complète reste limitée.

Europe

L’Europe a généré 139,2 millions de dollars en 2025 et devrait atteindre 2,8 milliards de dollars d’ici 2035, avec un TCAC de 35,3 %. L’Allemagne était en tête de la région, avec 52,4 millions de dollars.

L’adoption en Europe est façonnée par la réglementation en matière de sécurité, les exigences de confidentialité et une base d’approvisionnement automobile concentrée. Les programmes DRIVE35 et CAM Pathfinder du Royaume-Uni soutiennent également, par des mesures publiques, les investissements dans les capacités avancées de l’automobile et de la mobilité connectée et automatisée ^{[7]World Bank, Transformative Technologies in Transportation. worldbank.org}. Le défi commercial consiste à concevoir des modèles capables de tirer parti de la diversité des données entre marchés tout en respectant des exigences rigoureuses en matière de protection des données.

Asie-Pacifique

L’Asie-Pacifique devrait être la région à la croissance la plus rapide, passant de 241,9 millions de dollars en 2025 à 7 milliards de dollars en 2035, avec un TCAC de 40,2 %. La Chine est le plus grand marché de la région, portée par l’importance de son marché des véhicules à énergies nouvelles, le développement des véhicules connectés et l’accent mis par les pouvoirs publics sur les technologies automobiles. Le Japon, la Corée du Sud, l’Inde, Singapour, l’Australie, la Thaïlande et le reste de l’Asie-Pacifique présentent des profils de demande distincts dans les véhicules haut de gamme, les services de flotte, les initiatives de villes intelligentes et les plateformes automobiles locales.

Les perspectives de la région sont contrastées. L’ampleur du marché chinois peut favoriser de vastes cycles d’apprentissage fondés sur les flottes, tandis que d’autres marchés peuvent adopter ces technologies dans le cadre de programmes ciblés de mobilité intelligente ou au moyen de plateformes automobiles importées. L’analyse des technologies de transport de la Banque mondiale souligne que les marchés émergents peuvent tirer parti du saut technologique et de l’apprentissage fondé sur les flottes, mais que les conditions de gouvernance et d’infrastructure restent déterminantes pour le rythme de mise en œuvre.

Amérique latine

L’Amérique latine représentait 16,1 millions de dollars en 2025 et devrait atteindre 285,3 millions de dollars d’ici 2035, avec un TCAC de 33,5 %. Le Brésil constitue le principal marché, tandis que le Mexique, l’Argentine et le Chili offrent d’autres perspectives de développement. L’adoption devrait commencer davantage par des applications liées à la sécurité, aux flottes, à la logistique et à la mobilité connectée que par un déploiement généralisé de systèmes de conduite autonome coûteux. Les infrastructures de transport intelligentes de São Paulo illustrent la manière dont des systèmes à l’échelle d’une ville peuvent servir de base à des services de mobilité reposant sur les données.

Moyen-Orient et Afrique

Le marché du Moyen-Orient et de l’Afrique a généré 12,9 millions de dollars en 2025 et devrait atteindre 284,6 millions de dollars d’ici 2035, avec un taux de croissance annuel composé (TCAC) de 36,2 %. Les Émirats arabes unis sont les premiers adoptants de la région, tandis que l’Afrique du Sud et l’Arabie saoudite offrent des débouchés supplémentaires dans les secteurs automobile et de la mobilité. Les ambitions des Émirats arabes unis en matière de politiques de mobilité autonome créent un cadre propice aux essais portant sur les flottes, les infrastructures et l’intelligence des véhicules, même si l’ampleur du déploiement dépendra des conditions d’exploitation locales et de la mise en œuvre de la gouvernance des données.

Les prévisions de croissance plus rapide pour l’Asie-Pacifique reposent sur l’envergure de la Chine et sur la diversité des voies d’accès de la région à la mobilité connectée et intelligente. L’Amérique latine, le Moyen-Orient et l’Afrique devraient créer de la valeur grâce à des déploiements ciblés dans les domaines de la logistique, des systèmes urbains et de l’exploitation des flottes, avant que l’adoption plus large de la conduite autonome ne devienne viable. Cette fragmentation régionale confère aux stratégies locales en matière de données, à l’alignement réglementaire et au choix des partenaires une importance équivalente à celle des performances intrinsèques des modèles.

Part de marché et paysage concurrentiel des modèles de fondation d’IA pour l’automobile

NVIDIA détenait une part de marché estimée à 28,4 % en 2025, suivie de Baidu à environ 21,3 %, de Scale AI à 14,5 %, de Waymo à 9,8 % et de Mobileye à 4,3 %. Le paysage concurrentiel réunit des plateformes de calcul et de modèles, des opérateurs de véhicules autonomes, des fournisseurs de données et de simulation, des constructeurs automobiles et des fournisseurs de rang 1. Les initiatives de NVIDIA consacrées aux modèles pour véhicules associent des outils d’IA physique, des modèles de fondation du monde et des plateformes de calcul embarqué, ce qui en fait un fournisseur important à différents niveaux de la chaîne de développement automobile, ^{[8]NVIDIA, Alpamayo for Autonomous Vehicle Development. developer.nvidia.com}.

Baidu, Tesla, Waymo, Zoox, Aurora Innovation, Nuro, PlusAI, Waabi, Momenta, Xpeng Motors et Li Auto se livrent concurrence en combinant de différentes façons les données des véhicules, les opérations de conduite autonome, l’intégration logicielle et les déploiements locaux. General Motors, Toyota Motor, Volkswagen Group et d’autres constructeurs automobiles cherchent à mieux maîtriser l’intelligence des véhicules lorsqu’elle influe sur la différenciation des produits, l’expérience client et la responsabilité en matière de sécurité. Bosch, Qualcomm Technologies, Mobileye et Scale AI occupent des positions importantes dans les domaines des composants, du calcul, de la perception, de la validation et du développement des données.

La concurrence dépend de plus en plus de la capacité d’une entreprise à obtenir le droit d’utiliser des données de conduite de qualité, d’entraîner des modèles sur ces données et d’en assurer la gouvernance. Valeo et NATIX ont annoncé une initiative open source consacrée à un modèle de fondation du monde à caméras multiples, s’appuyant sur les capacités de Valeo en matière de modèles du monde et sur le réseau de données décentralisé de NATIX, avec pour objectif de réunir plus de 100 000 heures de données de conduite issues de caméras multiples. De tels partenariats pourraient élargir l’accès aux ressources d’entraînement, mais ils renforcent aussi l’importance de la provenance, du consentement et du contrôle qualité.

Évolutions récentes du secteur

• En janvier 2026, NVIDIA a présenté la famille Alpamayo pour le développement de véhicules autonomes au CES. Cette sortie comprenait un modèle de langage-action pour véhicules à poids ouverts, 10-billion-parameter, doté d’une chaîne de raisonnement, et citait JLR, Lucid, Uber et Berkeley DeepDrive parmi ses partenaires.

• En janvier 2026, Mobileye a annoncé son accord en vue d’acquérir Mentee Robotics, rapprochant ses activités d’IA automobile des capacités en IA physique et en robotique humanoïde.

• En janvier 2026, Valeo et NATIX ont annoncé un partenariat visant à développer un modèle de fondation mondial open source multicaméra s’appuyant sur un réseau décentralisé de données de conduite.