Contexte du boom AV 2026
Trucks VC a reçu 81 propositions de startups d’automobiles autonomes en 2026, soit une hausse de deux‑tiers par rapport à 2025. Cette intensité dépasse les pics de financement observés en 2016‑2017, période souvent citée comme le premier « boom » du secteur. Les investisseurs notent que la plupart de ces jeunes pousses lèvent moins d’un million de dollars avant de lancer leurs premiers véhicules, ce qui indique une réduction drastique du capital initial requis pour entrer sur le marché.
Rôle des modèles de fondation dans l’architecture end‑to‑end
Selon Puneeth Meruva, les modèles de fondation – notamment le modèle vision‑langage‑action d’Alpamayo de Nvidia et le Qwen de la communauté open source – offrent une capacité de généralisation qui rend possible une architecture AV 2.0 entièrement intégrée. Ces réseaux pré‑entraînés remplacent les pipelines traditionnels composés de plusieurs modules (détection d’obstacles, localisation, planification) en un seul transformeur capable d’interpréter simultanément images, cartes et instructions de conduite. Le fait que ces modèles soient disponibles en open source réduit le besoin de collecter des pétaoctets de données propriétaires, tout en conservant des performances comparables à des solutions propriétaires grâce à des techniques de fine‑tuning ciblées.
Impact économique et barrières d’entrée réduites
La disponibilité d’outils open source a permis à des startups de passer de la phase de prototype à la mise en service en quelques mois seulement. Par exemple, plusieurs entreprises ont déclaré pouvoir déployer un robotaxi fonctionnel avec un budget inférieur à 1 M $, contre plusieurs dizaines de millions il y a cinq ans. Le financement de Re:Build, accélérateur de fabrication basé au Massachusetts, illustre cette dynamique : 2,1 milliards de dollars levés pour augmenter la capacité de production de hard‑tech, créant ainsi un écosystème où les pièces mécaniques et les puces AI peuvent être assemblées rapidement. De même, Bedrock Robotics a levé 600 M$ à une valorisation de 4,1 M$, confirmant que les investisseurs valorisent davantage la capacité à intégrer des modèles de fondation que la simple accumulation de capteurs LiDAR.
Risques, limites et perspectives réglementaires
Malgré ces avancées, la dépendance à des modèles massifs soulève des questions de sécurité et de conformité. Les réseaux de grande taille nécessitent des ressources de calcul élevées, ce qui peut contraindre les véhicules à recourir à des solutions cloud, augmentant la surface d’attaque et la latence critique pour la prise de décision. De plus, l’absence de standards de validation pour les modèles de fondation complique l’obtention d’autorisations de circulation, notamment aux États‑Unis où GM a récemment réglé 220 M$ de litiges liés à la vente de données de conduite. Enfin, la concurrence croissante entre acteurs de niche et géants comme Waymo ou Toyota, qui ont signé un accord de fabrication de véhicules AV‑ready bZ4X, indique que la différenciation devra s’appuyer sur des solutions de sécurité vérifiables et non uniquement sur le coût d’entrée.
