Contexte et objectifs
General Motors a présenté un programme visant à transformer les véhicules particuliers en plateformes capables d’accomplir des missions hors‑transport, comme la livraison de courses ou le déplacement d’objets légers. Le projet s’appuie sur les services connectés existants d’OnStar et sur la technologie de conduite autonome de Cruise. L’objectif déclaré est de monétiser le temps d’inactivité des voitures en les mobilisant pour des services de proximité, tout en testant l’intégration de la chaîne logistique urbaine.
Architecture technique
Le système repose sur trois piliers : une suite de capteurs (radar, caméras, lidar de niveau 2) déjà installés pour Super Cruise, une connectivité 5G assurée par le partenariat de GM avec Verizon, et une plateforme logicielle basée sur le framework Nvidia Drive AGX. Les données de perception sont traitées en temps réel sur le véhicule, tandis que les décisions de planification de trajet sont orchestrées par un serveur cloud qui reçoit les requêtes d’utilisateurs via l’application OnStar. Les commandes de base (ouverture du coffre, activation du moteur, réglage de la climatisation) sont exposées via une API REST sécurisée, authentifiée par OAuth 2.0 et protégée par un chiffrement TLS 1.3.
Pour la partie logistique, GM a intégré le service d’assistant vocal Alexa, permettant aux usagers de programmer une « mission » (ex. : « ramasse les courses du supermarché ») en langage naturel. L’algorithme de planification calcule un itinéraire optimisé en fonction de la capacité de charge du véhicule (environ 400 kg pour les modèles SUV équipés d’Ultium) et de la disponibilité de places de stationnement autorisées pour le chargement/déchargement.
Analyse des contraintes et risques
Le principal facteur limitant réside dans la capacité énergétique. Un trajet de 30 km avec charge maximale consomme près de 25 kWh, ce qui réduit l’autonomie disponible pour les déplacements quotidiens du propriétaire. De plus, la gestion de la batterie doit concilier la charge de la mission avec les besoins de conduite personnelle, imposant un algorithme de répartition d’énergie qui évite les décharges profondes.
Sur le plan réglementaire, les véhicules autonomes opérant en mode « delivery » doivent obtenir des autorisations spécifiques pour le transport de marchandises, même légères. Les autorités locales exigent des rapports de télémétrie détaillés, incluant la vitesse, la localisation GPS et l’état des capteurs à chaque instant. Le respect de ces exigences augmente la charge de données transmises, ce qui peut saturer les réseaux 5G en zones densément peuplées.
La sécurité informatique constitue un autre point critique. L’exposition d’une API de contrôle du véhicule ouvre une surface d’attaque potentielle. GM a déclaré l’utilisation de sandboxing et de mises à jour OTA (over‑the‑air) pour corriger rapidement les vulnérabilités, mais la dépendance à des services cloud tiers (ex. : Alexa, Verizon) introduit des vecteurs de compromission supplémentaires.
Perspectives d’évolution
Le programme prévoit d’étendre la capacité de charge en adaptant les plateformes Ultium à des modules de coffre supplémentaires, et d’intégrer des algorithmes d’apprentissage fédéré afin d’améliorer la précision de la perception sans centraliser les données brutes. La réussite du modèle dépendra de la capacité à équilibrer les exigences de performance énergétique, de conformité réglementaire et de robustesse cybernétique.
