Gestion de risque de projet

Après avoir introduit le sujet de ce mémoire, nous en définirons à présent les concepts centraux et plus précisément la notion de risque. Nous étudierons cette dernière au prisme de son lien avec les innovations scientifiques et technologiques au fil des siècles.
Le risque, selon le Larousse, se définit comme suit:
Possibilité, probabilité d\’un fait, d\’un événement considéré comme un mal ou un dommage : Les risques de guerre augmentent.
Danger, inconvénient plus ou moins probable auquel on est exposé : Courir le risque d\’un échec. Un pilote qui prend trop de risques.
Fait de s\’engager dans une action qui pourrait apporter un avantage, mais qui comporte l\’éventualité d\’un danger : Avoir le goût du risque.
Préjudice, sinistre éventuel que les compagnies d\’assurance garantissent moyennant le paiement d\’une prime.
Le risque se définit donc ici comme une probabilité, un danger, une conséquence ou bien encore une menace potentielle.
Le risque, encore aujourd’hui, reste un concept complexe à définir en sciences humaines et sociales, qu’il soit d’un point de vue ontologique (domaine de la philosophie se concentrant sur l\’étude de l\’être, ou la nature réelle de ce qui nous entoure) ou épistémologique (domaine de la philosophie analysant, étudiant et critiquant les disciplines de la science, ainsi que les méthodes utilisées et les découvertes). Le risque reste une référence à une construction sociale mêlant le politique, le social, et la science. Cette dernière tend ainsi à s’inscrire dans l’espace politique et public.
1 – De la quantification au paradoxe de la perception du risque
Le risque n’existe pas au sens propre du terme. Il est immatériel et “toujours potentiel et virtuel”. Lorsque ce dernier se matérialise “il ne s’agit plus d’un risque, mais d’un sinistre” . Dans le cadre du développement des véhicules autonomes, il est notamment possible de citer l’exemple des accidents survenus avec les véhicules autonomes de la société Uber en Californie, le risque était potentiel jusqu’à la collision et le sinistre. Un événement qui soulevait alors de nombreuses interrogations et indignations dans les médias et aux yeux du grand public principalement.
Sur ce concept de risque, deux visions s’opposent régulièrement:
-pour certains : les alertes émises apparaissent comme relativement peu utiles, et ne font que principalement porter un préjudice (non négligeable) à l’innovation technologique et aux entreprises concernées,
-pour d’autres : les risques réels, pour la plupart scientifiquement avérés, ne sont pas assez pris en compte et/ou ne sont pas assez soumis à discussion dans l’espace public.
Il est par exemple possible
de citer dans les cas de controverses technologiques récentes liées au risque:
-la mise en place des compteurs Linky d’Enedis, compteurs dits “intelligents”. Ces compteurs améliorant la gestion de la consommation et des flux d’énergie mais soulevant par ailleurs les questions du respect de la vie privée, ou bien encore de l’électrosensibilité.
-la pollution aux particules fines dans les grandes agglomérations. Avec, par exemple, le cas de la Ville de Paris qui met en opposition d’un côté les riverains et de l’autre les “banlieues”. Les uns ne s’opposent pas à voir une réduction du trafic, les autres percevant cela comme une attaque personnelle de la maire de Paris s’ils ne pouvaient plus être en mesure de traverser Paris avec leurs véhicules personnels.
-le développement des véhicules autonomes et l’éventualité de laisser des véhicules sans conducteurs se déplacer seuls sur nos infrastructures routières. Ces derniers soulèvent notamment la question de la responsabilité des propriétaires et/ou conducteurs.
Dans les années 1970 et les premières recherches qui se développent en sciences humaines et sociales sur le sujet, ces dernières mettent en lumière un paradoxe : celui de la perception du risque.
Le paradoxe de la perception des risques recoupe dans ses grandes lignes l’idée selon laquelle le “profane” aurait plus souvent tendance à avoir peur de certaines choses que d’autres. Par exemple, sur une mise en comparaison entre un tabagisme quotidien et prendre l’avion : statistiquement décéder d’une maladie liée au tabac est bien plus probable que décéder d’un crash d’avion. Le tabagisme représente en effet quelques 75.000 décès en France en 2015, contre 560 victimes de crashs aériens dans le monde entier sur la même période temporelle.
Ce paradoxe de la perception du risque vient mettre en avant la séparation entre une probabilité objective (probabilité ancrée dans le réel et tangible) et une perception plutôt subjective (perception et idées forgées à partir du réel) de cette notion de risque.
Le plus souvent, la perception du risque ne dépend pas, aux yeux du grand public, des morts observées mais du nombre de décès potentiel. Les consommateurs et usagers agissent ainsi sur une réflexion liée à l\’absence ou non d’un risque et non sur la base d’une relation de dose à effet.
2 – Déterminants sociaux de la perception du risque
Différents déterminants sociaux interviennent dans la perception du risque, dont deux principaux dans les travaux de recherche effectués sur le sujet :
-l\’âge: longtemps considéré comme un des déterminants sociaux prépondérants du risque, les récentes recherches montrent que l’image répandue d’une jeunesse qui serait plus technophile et consommerait plus facilement des technologies sans se préoccuper des effets a posteriori, sur la santé notamment, ne s\’avérerait pas si différente de la population en générale.
-les groupes sociaux: les cadres et autres professions intellectuelles sembleraient moins sensibles aux risques que les ouvriers ou employés travaillant “sur le terrain” par exemple. In extenso un ingénieur ayant participé à la conception d’un véhicule autonome ou travaillant dans le domaine informatique serait plus familier de sa technologie, et diffuserait également son savoir autour de lui. L’ouvrier chaudronnier ayant la responsabilité de couler la fonte pour réaliser le groupe moto-propulseur de la voiture n’aurait pas la même vision globale, ce qui induirait une inquiétude plus élevée envers la technologie, qu’il partagera également autour de lui.
Ces arguments ne voulant pas exprimer que toute technologie serait fiable et que les ingénieurs auraient toujours raison, mais que les doutes et tendances complotistes tendraient aujourd’hui à venir de classes sociales au capital économique faible et au niveau de diplôme le plus souvent bas, d’où l’importance d’une éducation pour tous.
Dans les années 1980, les recherches en sociologie de Mary Douglas ont par exemple permis d’établir une relation entre la perception et l\’acceptation de la notion du risque en fonction de déterminants sociaux. Selon ces travaux, l\’attitude par rapport à un risque n\’est pas homogène et reste variable en fonction de l\’appartenance à divers groupes sociaux.
En fonction de ces déterminants sociaux et des recherches sur le sujet, différents profils d\’attitudes sociales ont pu être établis à l’époque et sont encore valables de nos jours tels que:
-le hiérarchisme : un conformisme aux normes et aux institutions en charge de la gestion du risque (le devoir étant de se conformer aux décisions et règles mises en place),
-l’égalitarisme : une approche plutôt participative par rapport à la perception du risque, présente notamment dans les milieux militants, organisations syndicales, etc., induisant une méfiance plus ou moins marquée par rapport aux règles imposées,
-l’individualisme : une confiance envers les individus plus que dans les institutions, présent dans le marché capitaliste avec une prise de risque relativement marquée. Une situation de risque ne sera pas forcément évitée, cette dernière pouvant constituer une chance de prouver ses capacités pour la personne.
-la tendance marginale : une vision caractérisée par une perception de faible contrôle face aux risques, propre à des personnes en situation de vulnérabilité sociale ou subordonnées au reste de la société.
Comme il est possible de le voir, ces différents profils sont relativement identifiables sur les différentes controverses technologiques récentes notamment citées en introduction de ce chapitre. Ce qui amène à se pencher et réfléchir aux différentes approches possibles pour établir l’évaluation de la perception du risque.

3 – Différentes approches de la perception du risque
Après une présentation des déterminants sociaux et des différents profils d’attitudes sociales, il est intéressant de se tourner vers les différentes perspectives et approches de la perception du risque. Deux approches se distinguent : la perspective socioculturelle et l’approche psychométrique.
La perspective socioculturelle détaillée précédemment avec les travaux de Mary Douglas a pour but d\’étudier les contextes sociaux où le risque est présent, ceci en cherchant à savoir pourquoi certains événements sont ou non des risques, et en s\’intéressant à l\’influence du groupe (vie sociale, pression sociale par exemple) par rapport à la perception du risque.
Mary Douglas présente le risque comme étant nécessaire pour maintenir une séparation entre soi-même et l’inconnu.
La seconde approche est l’approche psychométrique ou paradigme psychométrique de Slovic en 1987 , que Starr va commencer à introduire en 1969. Le but de cette approche est d’étudier et d’évaluer les dimensions psychologiques pour chaque individu dans la perception du risque, mesurant les constructions psychologiques de chacun pour faire face au risque.
Starr va alors tenter de répondre à la question “How safe is safe enough? ” et comme le résument Debia & Zayed en 2002, ces travaux de Starr vont conclure que:
a) l\’acceptabilité du risque résultant d\’une activité est proportionnelle au tiers des bénéfices résultant de cette même activité; b) lorsqu\’il s\’agit de risque volontaire (comme la conduite automobile), le public acceptera généralement un risque 1 000 fois supérieures que si le risque était involontaire; et c) le niveau d\’acceptabilité d\’un risque est inversement corrélé au nombre de personnes exposées.
L’approche psychométrique tend aujourd’hui à prédominer, notamment suite aux travaux de Slovic, élaborant des modèles à partir de paramètres et variables largement diversifiées, permettant d’établir une vision et des outils des plus affûtés dans le domaine.
A noter ainsi que dans certains travaux de recherche réalisés sur la perception du risque les deux approches peuvent parfois être présentées en complémentarité, permettant d’avoir une vision à la fois macro et micro de la perception du risque.
4 – Le rôle des médias dans la communication de l’information et la gestion des risques
Comme Slovic le présente dans ses travaux en 1987, la perception d’une information nouvelle influencera comment elle sera interprétée (ie. par les médias par exemple), ce qui est alors appelé le framing effect. Il note que la perception des individus de ces informations ne sera que peu modifiée lorsque ces informations seront appuyées des faits scientifiques et/ou experts établis.
Même si sur certains sujets de société et au regard de nombreux événements de ces dernières décennies, ces sources “fiables” ont parfois été compliquées à établir. Notamment lorsque la science ne maîtrise pas encore une technologie “à 100%” ou quand il s’agit d’un sujet qui se rapporte à du social comme par exemple dans l’exemple de l’acceptation du véhicule autonome que nous allons développer.
Dans le cas du véhicule autonome, le problème réside globalement dans la capacité du véhicule à appréhender son environnement et à être le plus sûr possible sans créer d’accidents. Depuis 2014, les médias se sont empressés de relayer les quelques occurrences d’accidents survenus, période au cours de laquelle le développement de cette technologie s’est accrue. Certains médias utilisent en effet des titres ou informations parfois inexactes, détournant ainsi le lecteur du sens premier de l’information et le dirigeant vers des biais cognitifs (une déviation de la pensée logique et rationnelle par rapport à la réalité), notamment celui dilemme du tramway.

Avec le développement des réseaux sociaux et d’autres agrégateurs de nouvelles, Sophie de Menton, présidente du mouvement Ethic, dénonçait dès 2015 le refus du “sensationnalisme médiatique” alors que la couverture des attentats de Charlie Hebdo en continu sur tous les médias devenait anarchique et une course au “clic”.
Ce qu’une étude des résultats du baromètre Viavoice pour les assises du journalisme de Tours de 2019 (Annexe n°1) vient appuyer. 9 Français sur 10 estiment le journalisme “utile”, 66% jugent important leur rôle dans la lutte face au “fake news” mais près de 70% décrient les médias comme privilégiant toujours “les informations sensationnelles ou la violence”.

Un impact positif donc dans l’information sur certains risques mais un impact négatif dans la distorsion de la perception lors d’une surestimation des risques potentiellement encourus. C’est ce que relève notamment Eve Dubé: une simplification, du sensationnalisme, une information sur les possibilités et non sur les probabilités, et un débat souvent ostensiblement orienté sur les responsabilités ou la condamnation.
Il existe ainsi des difficultés dans la mission du journaliste à transformer le savoir “expert” en savoir “grand public”, manquant parfois les détails du risque ou s’éloignant légèrement mais déjà trop du savoir expert.
Dans “L’information à tout prix” publié par l’INA (Institut National de l’Audiovisuel), les auteurs soulevaient également le “copié-collé” dans les médias français le plus souvent issu de dépêches issues de l’Agence France Presse. Un phénomène qui a pour tendance d’amplifier ce problème.
D\’après cette étude, jusqu’à prés de 64% des informations seraient issues de dépêche AFP. Une question de rapidité et de moyens? s\’interrogent globalement les auteurs, copier-coller une dépêche relevant d’une tâche rapide et ne nécessitant pas un grand nombre de journalistes, lorsque produire une information coûterait bien plus.
Comme le rappellent Debia & Zayed :
“Quel objectif poursuivons-nous? Voulons-nous informer, sensibiliser ou provoquer un changement d’attitude? Quelle information devons-nous transmettre à la population? Par qui? À quel moment? Quel langage devons-nous utiliser? Comment présenter les incertitudes relatives aux risques?”
Soit globalement un panel complet des questions à se poser dans le cadre de la gestion et la communication du risque, notamment par les médias interagissant directement avec le public.
Les médias doivent aujourd’hui plus que jamais, prendre en compte l’importance de leur rôle dans les débats publics et de leur place dans le processus de communication, consultation, et interprétation des savoirs experts.
Comme nous avons pu le voir dans ce premier chapitre la perception du risque est un processus complexe mobilisant de nombreux acteurs, experts et chercheurs, ceci jusqu’aux journalistes souvent intermédiaires du savoir expert vers le grand public.
Au cours de ces cinq dernières années et le développement du véhicule autonome, ce dernier a dû traverser comme toute autre actualité le traitement médiatique et le “sensationnalisme médiatique” que nous évoquions précédemment, ceci notamment lors des premiers essais, présentations grand public chez Tesla et quelques (rares) crashs et accidents survenus.

II – Qu’est ce qu’un véhicule autonome?
Après avoir porté un regard à la fois large et critique sur les théories entourant la perception du risque, le but de ce chapitre va être à présent de s\’intéresser au cas de perception du risque dans le cadre du VA (Véhicule Autonome) ou VAC (Véhicule Autonome Connecté) selon les nomenclatures.
Le VA se définit comme un véhicule capable de se déplacer seul avec un système de pilotage automatique embarqué, soit sans aucune intervention humaine durant sa conduite. Le VA reste depuis de nombreuses années un sujet de technologie, de curiosité, mais aussi de nombreux questionnements notamment par rapport à la sécurité: celle d’une intelligence artificielle (IA) circulant seule sur la voie publique.
Des questionnements qui sont d’autant plus renforcés depuis quelques années avec les avancées de firmes américaines telles que Tesla, ou Google. Le sujet du VA s’est alors retrouvé au centre des débats publics, avec notamment en octobre 2014, l’annonce du lancement du premier autopilote “légal sur route” de Tesla.
1 – L’autonomie du véhicule: entre rêve et innovations successives
Bien que semblant être apparu au cours des années 1980, voir pour certains dans les années 2000, l’idée de l’autonomie du véhicule remonte à des temps bien plus anciens, et plus précisément aux années 1920s .

1925-1932: Houdina et la “Phantom Auto”

En 1925, l’ingénieur en télécommunications Francis P. Houdina, ancien de l’US Army à la tête de la firme américaine d’équipements de radio Houdina Radio Control Co., fait une première démonstration d’un véhicule “grandeur nature” piloté uniquement au moyen de signaux radios. Une première pour l’époque.

Le dispositif consiste alors en un émetteur et un récepteur radio placés sur deux véhicules, la voiture autonome reproduisant tous les mouvements d’un second véhicule (piloté par un humain) quelques mètres en arrière.
En 1926, Achen Motor, concessionnaire automobile de Milwaukee aux Etats Unis, reprend le prototype de Houdina et fait la promotion de cette technologie rebaptisant le véhicule “Phantom Auto” (la voiture fantôme) au cours de plusieurs démonstrations dont la presse se fait écho, ceci jusqu’en 1932. C’est la première fois que les médias parlent de véhicule autonome.

1939-1958 Le véhicule autonome selon Bel Geddes et General Motors

A l’occasion de l’exposition universelle de New-York ‘Futurama’ sponsorisée par la compagnie automobile américaine General Motors (GM), Norman Bel Geddes, un des pionniers du design industriel, propose une vision de la ville du futur et… du véhicule autonome en 1939 .

Ce véhicule est alors guidé par un couplage de signaux radios et de champs électromagnétiques. Ces derniers sont relayés par de petites pointes métalliques qui seraient alors installées en bordures des routes sur l’ensemble du réseau autoroutier américain. Bel Geddes détaille sa vision de l’autonomie du véhicule dans un livre, Magic Motorways, paru en 1940, avançant que les voitures pilotées par des humains ne devraient plus exister d’ici les années 1960.

Il faudra attendre 1958 pour que le concept proposé sur circuit miniature en 1939, soit réalisé grandeur nature par GM et RCA Labs, l’infrastructure routière paraissant à l’époque tout de même compliquée à mettre en place. Le projet sera abandonné après quelques séries de tests et de présentations au grand public.

1960-1970s: Différentes expérimentations autour du véhicule autonome

Au cours des années 1960 et 1970, différentes expérimentations vont avoir lieu avec notamment le Stanford Cart, initialement conçu pour rouler sur la Lune. Ce dernier sera reconverti pour l’étude du guidage par caméra d’un véhicule. Le petit buggy deviendra à terme capable de se déplacer seul, guidé par sa caméra au travers d’une pièce remplie de chaises et divers objets – et de retrouver son chemin – comme en témoignera son créateur Hans Moravec en 1979. Un premier pas vers les technologies utilisées par les véhicules autonomes actuels.
Un véhicule conçu par les équipes du Japan’s Tsukuba Mechanical Engineering Laboratory, reprenant les résultats des précédents travaux réalisés, sera dévoilé sur circuit au Japon en 1977. Le véhicule utilise une caméra et un des premiers ordinateurs de bord complets. Le véhicule atteint alors une vitesse de 30km/h sur circuit sans aucun pilotage humain, mais reste dépendant d’un rail.

Il faudra attendre les années 80 et les équipes du chercheur et ingénieur allemand Ernst Dickmanns pour obtenir un premier véhicule complètement autonome circulant sur le réseau autoroutier public. Un premier pas vers les véhicules autonomes que nous évoquons aujourd’hui, même si la médiatisation des travaux de Dickmanns n’était pas celle que nous connaissons actuellement autour de Tesla par exemple.

1980-2000s: Ernst Dickmanns et de nombreuses avancées technologiques

Les recherches et avancées de Ernst Dickmanns et de ses équipes à la Bundeswehr Universität de Munich se détacheront de manière définitive des véhicules guidés par des signaux électromagnétiques, pour évoluer vers des modèles utilisant caméras et
capteurs tels que nous les connaissons aujourd’hui.
Basé sur un fourgon Mercedes dénommé VaMors (Phase I : 1985-1990, phase II : 1991-1997, phase III : 1997-2004), puis complété par une Mercedes S-Class prénommée VaMP (1995-2004), muni à terme de deux à trois caméras de 320×240 pixels, d’un ordinateur de bord – équipé de processeurs Intel de dernière génération – et de différents capteurs, le projet de Dickmanns sera capable de rouler sur la voie publique, principalement sur autoroutes. L’architecture logicielle du véhicule prendra le nom Dynamic Vision.

Grâce à son logiciel étant alors aussi bien capable de détecter les lignes blanches que la présence d’autres véhicules, il sera testé sur différents trajets. Le véhicule roule selon Dickmanns à 95% du temps en automatique et ce jusqu’à 180km/h sur les autoroutes allemandes .

A cette même période, différents laboratoires aboutiront également à un usage fiabilisé du LIDAR (ou télédétection laser) utilisé pour capter les rayons infrarouges et ultraviolets, permettant ainsi au véhicule de détecter avec précision son environnement.

En 1995, une équipe de l\’université de Carnegie Mellon à Pittsburgh réalisera un véhicule autonome à 98,2% prénommé NavLab, utilisant alors une technologie additionnelle par rapport aux travaux de Dickmanns: le positionnement GPS. Ce véhicule sera capable de conduire en autonomie complète sur environ 100 km, rencontrant principalement des difficultés lors d’obstacles imprévus sur la route.

Dans les années 2000, différents essais et travaux seront menés, aux Etats Unis comme en Europe. Les capacités des processeurs, calculateurs, et capteurs s’améliorant de manière constante et rapide, la technologie des véhicules autonomes évoluera positivement et de nombreux constructeurs automobiles rejoindront le mouvement en lançant des recherches sur le sujet de l’autonomie dans les années 2010.

2 – Comment fonctionne un véhicule autonome?
Comme présenté en introduction de ce chapitre, le véhicule autonome est un véhicule capable de se déplacer seul sans intervention humaine au moyen d’un pilotage automatique. De quoi est il composé et comment fonctionne t-il aujourd’hui, à l’issu de nombreuses années de recherche par différents constructeurs automobiles?

Le véhicule est aujourd’hui dit “autonome” principalement par son intelligence artificielle (IA) embarquée à bord et par ses capteurs. Tel un humain, le véhicule doit se repérer dans son environnement avec 3 objectifs principaux:
-collecter des informations (au moyen de différents capteurs)
-analyser les données
-prendre une décision et agir sur la conduite du véhicule.

a- Collecte des données

Comme nous l’avons vu précédemment, les technologies employées dans le véhicule autonome actuel tel que nous le définissons aujourd’hui sont le fruit de nombreuses années de recherches. Ce véhicule fonctionne aujourd’hui grâce à des caméras(Stanford Cart, 1960), des radars et capteurs à ultrasons (Dickmanns, 1980) et/ou Lidars et un système GPS (Navlab, 1995).

Caméra(s)

Les différentes caméras réparties sur le véhicule permettent à ce dernier de “voir”. Les données (riches) permettent d’avoir une vision à 360° jusqu’à 250m. Les caméras détectent les panneaux, feux rouges, lignes blanches mais lors d’une conduite nocturne ou lors d’intempéries ces dernières peuvent s’avérer insuffisantes. C’est pour cela que différents capteurs sont nécessaires au bon fonctionnement du véhicule, créant ainsi une redondance informationnelle au niveau de l’IA du véhicule et permettant donc de recouper les informations et de minimiser les erreurs.

Radar(s)

Le principe du radar (Radio Detection And Ranging, soit télédétection par onde radio) est d\’émettre un signal (une onde radio), de mesurer le temps d’aller/retour vers un objet et de déterminer la vitesse.

Le radar est le plus souvent situé à l’avant du véhicule, avec une portée d’environ 150 m en moyenne. Il permet notamment de compléter les caméras et d’obtenir une vision précise de la route lors de phénomènes météorologiques induisant une visibilité faible tels que des orages, du brouillard, de la neige.

Lidar(s)

Le Lidar (laser detection and ranging, télédétection par émission laser) est une technologie populaire chez de nombreux constructeurs automobiles travaillant sur le véhicule autonome (sauf Tesla, et quelques autres). Cette technologie repose sur le même principe que le radar, à l’exception d’utiliser des impulsions lumineuses et non des ondes radios. Le lidar positionné au sommet du véhicule détecte et émet des ondes lumineuses aussi bien dans le domaine des infrarouges, du visible, que des ultraviolets. Il propose une détection plus complète que le radar mais les ondes se reflètent mal sur les métaux, apportant peu par rapport au radar (le Lidar étant un composant électronique “aveugle” – il ne fait que des mesures et ne peut lire un panneau contrairement à une caméra par exemple) et ce pour un coût bien plus important comme le soulignait Elon Musk lors de sa keynote en Février 2018.

Capteur(s) à ultrasons

Fonctionnant comme leur homologues précédemment présentés, les capteurs ultrasons permettent quant à eux d’obtenir des informations sur l’environnement proche du véhicule(<10m) en émettant des impulsions sonores dans le domaine des ultrasons (<20 kHz). Ces capteurs peuvent par exemple être utiles lors du garage du véhicule en autonomie, ou bien dans des situations de déplacements urbains pour recouper les informations issues des autres capteurs.

GPS

Enfin le GPS (Global Positioning System, ou système de positionnement global par satellite) permet à la fois de localiser le véhicule dans son environnement mais aussi et surtout de permettre à ce dernier “d’apprendre” son environnement en allant “vérifier” ce que la cartographie issue des satellites lui signale. Ainsi lorsque le véhicule traitera les informations récoltées par ses capteurs, il les implémentera dans sa cartographie 3D interne, reconnaîtra ainsi son environnement lors d’un prochain passage – basé sur “ses” informations et celles des satellites – et pourra prendre ses décisions plus rapidement et/ou être plus assuré dans sa prise de décision.

b- Traitement des données

Cet ensemble de technologie embarqué dans le véhicule permet donc à ce dernier de se repérer dans l’espace, ceci avant que son intelligence artificielle ne vienne, grâce à un logiciel, analyser ces nombreuses informations.

Il existe aujourd’hui deux familles d’algorithmes permettant de traiter les données:

-rule based: ce qui correspond à de l\’algorithmie “classique”, si la condition X est validée, alors passage à Y sinon exécute Z. Un procédé restant compliqué à programmer dans le cadre du véhicule autonome, les conditions et variables étant nombreuses, même si ces derniers sont utilisés pour certaines tâches comme nous le verrons par la suite,

-machine learning: ce qui correspond à de l’apprentissage “automatique”, l’IA va être confrontée à de nombreuses situations, apprendre et créer des généralisations, avec des modèles de probabilités en fonction de la situation. Plus la machine sera exposée à des situations diverses et variées, plus elle enregistrera de données, et plus la probabilité sur l’action à effectuer sera précise. C’est aujourd’hui cette technologie qui est utilisée et généralisée. Les données acquises sont traitées, puis par la suite transmises et mises en commun avec l’ensemble des véhicules lors de mises à jour logicielles périodiques. Certains acteurs (notamment les compagnies d’assurances) critiquent cette forme de programmation comme “boîte noire”, le machine learning étant une intelligence artificielle : il est possible de consulter les caméras du véhicule après un accident par exemple, mais il ne sera pas spécialement possible de reconstituer exactement pourquoi le véhicule a choisi l’option X’ plutôt que l’option X’’.
L’algorithme ne fonctionne pas sur un système de conditions “logiques” mais sur une intelligence artificielle.

c- Prise de décision et action sur la conduite

Le véhicule autonome de par son intelligence peut prendre une décision seul. Dans le cadre d’une Tesla par exemple, les caméras, capteurs et radar répartis viendront fournir les différentes informations comme suit:

Si après une analyse et un recoupage des informations, le logiciel reconnaît par exemple une silhouette animale de quelques dizaines de centimètres de haut sur la droite de la rue, et déduit qu’il s’agit d’un chien menaçant de traverser devant le véhicule, l’IA devra anticiper et arrêter le véhicule en freinant.
Ces actions allant, comme le précise Lipson & Kurman, du dixième de seconde à quelques secondes, le véhicule devra durant cette période:

-créer un modèle 3D de l’espace entourant le véhicule, et l’actualiser en temps réel
-identifier la totalité des objets présents en recoupant les images de l’ensemble des caméras et des données issues des capteurs
-établir les probabilités permettant de savoir où l’objet sera dans les prochaines fractions de secondes
-définir les trajectoires possibles qui seront mises en oeuvre pour le véhicule (en respectant le code de la route, les capacités nominales du véhicule, etc.)

et enfin prendre la décision d’action.

Les analyses et prises de décisions se faisant en quelques fractions de seconde, le véhicule doit également être capable de réagir mécaniquement, ce pourquoi les véhicules électriques sont notamment privilégiés pour servir de base mécanique aux véhicules autonomes. L’asservissement dans un véhicule électrique étant entièrement assuré électriquement, l’ordinateur de bord pourra donner une consigne de “shut down – arrêt complet” immédiat si un problème se présente. Le véhicule s\’arrêtera net, bloquant ainsi freins et moteurs(électriques) si par exemple le véhicule n’arrive pas à tourner le volant vers la gauche pour éviter le chien traversant la route.

Sur un moteur électrique, la consigne étant proportionnelle à la sortie mécanique (pas de boite de vitesse, uniquement un régulateur de tension qui alimente ou non le moteur en électricité) : dès l’instant où la consigne sera nulle (relâchement de l\’accélérateur), le moteur passera en freinage moteur et stoppera la voiture en quelques mètres (complété par le freinage à disque si besoin). Le véhicule électrique est par ce fait un véhicule trés simple à contrôler (électriquement et/ou électroniquement), alors qu’un véhicule thermique, par sa partie mécanique importante, sera plus compliqué à asservir – moins réactif – dans ce genre de situation “d’urgence”. Des constructeurs comme PSA (Peugeot-Citroën), Renault, Mercedes, ou bien Volkswagen se basent sur des véhicules thermiques, au contraire de Tesla, Google, Apple, ou encore BMW qui misent aujourd’hui sur des bases 100% électriques.

Même si de nombreuses avancées technologiques ont eu lieu ces dernières années, le véhicule autonome reste une technologie encore en développement. Ce dernier n’est pas (encore) capable de rouler en autonomie complète, un utilisateur étant toujours légalement requis pour reprendre le contrôle en cas de problème par exemple.

3 – Enjeux et défis actuels du véhicule autonome

Le véhicule autonome, de par sa technologie novatrice, intrigue et se pose aujourd’hui comme une solution à différentes problématiques telles que la gestion des flux de trafic, la gestion de la fatigue au volant, ou bien encore celle des déplacements pour les personnes à mobilité réduite par exemple. Mais suite au développement exponentiel des recherches liées à cette technologie, de nombreuses questions se posent notamment par rapport aux niveaux d’autonomie et aux règles à établir, par rapport aux risques liés au piratage informatique, ou bien encore par rapport à la confiance qu’il faut donner à la technologie de laisser le potentiel véhicule de demain se déplacer seul sans assistance humaine.

a- Niveaux d’autonomie du véhicule

A l’heure actuelle, les véhicules dits “autonomes” sur route ne le sont en réalité que partiellement, même si, par la simple action d’une mise à jour logicielle ils pourraient pour certains le devenir complètement dans un futur proche.

Comme le présente la SAE International (Society of Automotive Engineers), l’organisation mondiale de l’ingénierie automobile, ces véhicules, selon une réglementation ayant été nécessaire d’établir, se décomposent aujourd’hui en différents niveaux d’autonomie :
Figure 7 : Les niveaux d’autonomie de la conduite selon la SAE. © SAE Int.

-Niveau 0: l’utilisateur conduit le véhicule et dispose uniquement de quelques fonctionnalités n’intervenant pas sur la conduite: une caméra de recul, un capteur de dépassement de ligne.

-Niveau 1: le véhicule dispose de fonctionnalités permettant une aide à la conduite tel un régulateur de vitesse, ou des capteurs permettant de rester au milieu d’une voie par exemple.

-Niveau 2: le véhicule est capable d’adapter la vitesse et de maintenir seul le véhicule, le conducteur reste obligé d’avoir ses mains sur le volant et de gérer le contrôle de l’environnement de circulation du véhicule.

-Niveau 3: le conducteur doit avoir ses mains sur le volant, mais le véhicule est capable de conduire et prendre les décisions complètement seul lorsqu’on lui demande.

-Niveau 4: le véhicule conduit seul, et peut occasionnellement demander au conducteur de reprendre le contrôle.

-Niveau 5: le véhicule conduit complètement seul dans n’importe quelle situation sans aucune intervention humaine nécessaire.

Ce découpage en différents niveaux permet aujourd’hui de classifier et servir de socle, au niveau mondial, aussi bien aux constructeurs automobiles qu’aux classes politiques dirigeantes, ministères et assemblées chargés d’établir et ratifier les lois nécessaires à l’encadrement de cette nouvelle technologie.

b- Responsabilités juridiques et morales de la conduite

L’élaboration de ces lois n’est, à l’heure actuelle, pas une mission aisée pour les pouvoirs publics en Europe ou aux Etats Unis, foyers principaux du développement de cette technologie. Étudiant la perception des risques liée au développement des véhicules autonomes en France, nous nous intéresserons ici principalement à l’évolution de la législation française pour intégrer les véhicules autonomes.

Depuis 2016, une ordonnance a été publiée en France afin d’autoriser les expérimentations de véhicules autonomes sur le réseau routier public pour permettre notamment à PSA (premier groupe français à s’être lancé sur l’étude de ce sujet en 2015) de tester ses véhicules en conditions réelles, même s’il est bien précisé qu’un conducteur doit être capable de reprendre le contrôle total du véhicule à tout moment. Il faut noter que nous parlons ici d’autonomie de niveau 3 ou 4 uniquement, des véhicules partiellement autonomes étant déjà en service depuis quelques années comme les Tesla. Ces derniers étant capables et autorisés à atteindre le niveau 3 dans certains pays et États.

Selon le plan d’action élaboré par le gouvernement français depuis 2014, et l\’émergence de l’autonomie du véhicule un calendrier prévisionnel a été mis en place, laissant le temps d’une réflexion pour avoir des lois les plus réfléchies possibles avant une potentielle mise en oeuvre de véhicules autonomes personnels à l’horizon 2022. L’expérience a montré, aux Etats Unis notamment, que des lois trop strictes n’étaient pas la solution et à l’inverse des lois trop laxistes (Etat de l’Arizona) ne l’étaient pas non plus avec un développement anarchiques de tests et mises en service de véhicules autonomes (sans obligation de rendre des résultats, i.e le nombre de fois où le conducteur à été obligé de reprendre le contrôle du véhicule par exemple). Cette gestion laxiste a notamment été mise en avant par le crash d’un Uber autonome que nous évoquions dans le premier chapitre.

En France, la loi Pacte (Plan d\’action pour la croissance et la transformation des entreprises), actuellement discutée en 2019 à l’Assemblée Nationale prévoit de contenir des dispositions relatives aux véhicules autonomes. Cette dernière prévoit d’autoriser des conducteurs non-experts à conduire des véhicules autonomes ou bien par exemple à faire circuler des véhicules jusqu’à un niveau 4 à des fins de tests.

Aujourd’hui, au regard des différentes perspectives sur les lois, le “conducteur” présent dans la voiture (ou depuis un poste de contrôle dans le cadre de navettes autonomes) sera et restera le responsable moralement et juridiquement du véhicule s’il arrive un quelconque incident ou accident, comme le présente le décret 2018-211 relatif à l\’expérimentation de véhicules à délégation de conduite sur les voies publiques.

Ces expérimentations devant être validées à chaque fois par les autorités avant lancement (comme dans le cas des navettes autonomes sur le parvis de La Défense à Paris, qui ont été testées pendant deux ans, malgré des résultats mitigés, principalement par leur vitesses imposées par les autorités : 7 km/h en moyenne).
La question est aujourd’hui de savoir si un jour il serait envisageable de laisser une intelligence artificielle être responsable de tout en terme de conduite, ce qui semble tout de même peu probable, comme le soulignait en Janvier 2019 Nicolas Rougier, chercheur à l’INRIA (Institut national de recherche en informatique et en automatique): “ Aucun véhicule n\’est aujourd\’hui capable, ni vendu comme 100% autonome, cela reste donc la responsabilité du propriétaire, cela reste pour moi comme l\’animal domestique”

Dans l’état actuel de l’évolution des technologies et recherches, tout véhicule autonome reste aujourd’hui sous la responsabilité (morale et juridique) de son propriétaire. Même si les contours éthiques, juridiques et moraux semblent encore difficiles à établir, le problème est le même que pour les robots dotés d’intelligence artificielle. Comment un robot peut-il être responsable? : “personne n’a aujourd’hui de réponse à ce questions” pour l’INRIA dans son rapport sur le véhicule autonome.

Les véhicules autonomes de niveaux 4 et 5 étant encore à l’état de prototypes plus ou moins avancés, leur introduction dans les prochaines années constitue un véritable défi en terme de technologie ou bien de législation, où rien n’est encore figé dans un quelconque pays, et où le véhicule autonome ne viendra probablement pas remplacer mais cohabiter avec les autres véhicules à conduite humaine. Le défi étant principalement l’adaptation de l’intelligence artificielle intégrée au véhicule à la complexité des comportements des utilisateurs de véhicules traditionnels et des situations rencontrées dans l’espace public comme nous avons pu le voir et comme l’évoque le CEA (Commissariat à l’Energie Atomique et aux Énergies Alternatives) sur son portail dédié au véhicule autonome .

c- Cybersécurité et Big Data

Avec le développement des véhicules autonomes, tout comme d’autres appareils connectés(smartphone, ordinateur, assistant vocal,…) la question de la cybersécurité mais aussi de la protection des données occupe une place centrale dans le développement de cette technologie.

Comme le détaille le rapport de l’INRIA sur le VAC (Véhicule Autonome Connecté), ces véhicules sont aujourd’hui capables et pourront dans le futur générer de nombreuses données, qui se découpent en différents types :

1- Données issues des capteurs embarqués sur le véhicule : caméras, radars,…

2- Données de localisation : le véhicule ayant besoin de repère GPS pour conduire en autonomie, il sera en permanence relié au satellite et localisable, pouvant récupérer la vitesse, l’historique des itinéraires et des positions.

3- Données personnelles et de divertissement : courriers électroniques, SMS ou préférences musicales par exemple.

Un véhicule pourrait alors produire jusqu’à près de 1 Go de données par seconde selon ce rapport.

Sur cette partie collecte de données utilisateurs, des organismes comme la CNIL (Commission nationale de l’informatique et des libertés) ou le RGPD (Règlement général sur la protection des données) européen travaillent déjà actuellement sur des réglementations, tout comme il a été récemment élaboré avec les “cookies” des sites internet ou réseaux sociaux. Ces derniers doivent maintenant déclarer à l’utilisateur qui se présente sur le site quelles données le site récupère, dans quel but il les utilisent et où il les exportent. Il en ira de même pour le véhicule autonome dans un futur proche.

Dans le cas du véhicule autonome, étant donnée la masse de données collectées possible, la voiture devient alors un super-ordinateur connecté que des millions d’utilisateurs seraient potentiellement en capacité d’acquérir. Ceci alors que ces immenses quantités de données ne sont aujourd’hui contrôlées que par quelques sociétés qui fournissent les bases d’architectures pour l’intelligence artificielle, ce pour de nombreux constructeurs automobiles.

Tout comme certains pirates informatiques arrivent aujourd’hui à prendre le contrôle à distance d’ordinateurs, de téléphones ou autres équipements connectés grâce à des failles de sécurité dans le développement des codes logiciels, il en est de même pour les véhicules autonomes (et connectés). Les conséquences pourraient cependant être bien plus graves, si par exemple un malware (logiciel malveillant) ou un ransomware (logiciel malveillant bloquant l’équipement et demandant une rançon) venait à prendre le contrôle de véhicules sur la route et dans l’espace public.

Jusqu’à récemment, les pirates avaient encore besoin d’un accès physique aux véhicules, lorsque aujourd\’hui au simple moyen d’un réseau wifi, ils peuvent s’attaquer au véhicule.

Les véhicules connectés réalisent par exemple leur mise à jour logicielle en wifi lorsqu’ils rentrent le soir au garage. Si un pirate obtient un accès au réseau sans fil de la maison sur lequel est connectée la voiture, s’il connaît une faille dans le logiciel de la voiture il peut à des kilomètres effectuer ses manipulations (désactiver les freins, moteur, radio, climatisation, ceintures de sécurité, airbags,…). Tout équipement dans les véhicules actuels est en effet électronique et relié par des capteurs à un ou des ordinateurs de bord qui pilotent l’ensemble. Une manipulation de ce type laisse la porte ouverte le lendemain à un accident.

Comme l’évoquait Elon Musk il y a quelques années, si le logiciel est issu d’un développeur d’un pays A en conflit avec un pays B par exemple, le premier, par une simple mise à jour, pourrait immobiliser l’ensemble des véhicules autonomes d’un pays. Un scénario “catastrophe” mais devant être traité et étudié sérieusement comme Tesla le fait, par exemple, depuis de nombreuses années pour rendre ses véhicules les plus sûrs possible dans tous les sens du terme.

Un problème de sécurité des logiciels des véhicules connectés qu’avait soulevé Charlie Miller (alors chercheur en sécurité chez Twitter) et Chris Valasek (alors directeur à la sécurité des véhicules chez IOActive) en 2015. Ils avaient montré au “grand public”, dans le magazine américain Wired , la simplicité avec laquelle il était possible de prendre le contrôle d’un véhicule à distance, montrant ainsi la vulnérabilité des véhicules connectés commercialisés par le groupe Fiat-Chrysler (propriétaire de Jeep notamment). Chrysler avait alors réagi mais les correctifs n’étaient toujours pas à la hauteur selon les deux spécialistes. Le gouvernement américain dans un rapport conjoint avec le FBI (Federal Bureau of Investigations) et la NHTSA (National Highway Traffic and Safety Administration) émettaient en 2016 des mesures de sécurité et de précaution à l’attention des utilisateurs de Jeep munies de U-Connect (le logiciel en question), de nombreuses failles ayant été détectées sur d’autres types de véhicules présents aux Etats Unis .

La cybersécurité est ainsi aujourd’hui un enjeu majeur dans le développement des véhicules autonomes. Comme le soulignait Elon Musk dans une keynote en 2017, la plus grande menace en terme de cybersécurité serait une attaque “fleet-wide”(de l’entièreté du parc automobile) de Tesla dans le monde par exemple. Il qualifiait par la même occasion les véhicules connectés et autonomes comme des “ordinateurs sur roues particulièrement vulnérables s’ils n’étaient pas correctement protégés”.

Elon Musk rappelait alors l’importance d’établir des lois à la fois rigoureuses et innovantes sur le développement de l’IA mais aussi sur les composants “hardware” (les cartes électroniques). En effet si un pirate informatique venait à trouver des failles à grande échelle ou s’il venait à implémenter un ransomware (logiciel de rançon ou virus informatique) les conséquences pourraient être désastreuses : c’est pourquoi des firmes comme Tesla ou Google se sont entourées de nombreux spécialistes pour traiter le sujet.

Un scénario “catastrophe” dont s’était par ailleurs fait écho le film de F. Gary Gray en 2017 : Fast & Furious : Fate of the Furious. Dans le film, Dom, interprété par l’acteur Vin Diesel se retrouve enrôlé par une puissance occulte afin de récupérer des codes nucléaires à un gouvernement en visite d’état aux États Unis. Au terme d’une course poursuite dans les rues new-yorkaises, les pirates informatiques de l\’organisation secrète facilitent la poursuite en “réveillant” tous les véhicules connectés environnants. Ces derniers sont “réveillés” par le biais de l’exploitation d’une faille informatique et matérielle. Les pirates informatiques dirigent et prennent ainsi le contrôle de la quasi totalité des véhicules sur le chemin menant au véhicule présidentiel, entraînant un chaos complet dans la ville. Cette scène du film avait alors provoqué un vif émoi et une prise de conscience dans la communauté automobile, très présente aux Etats Unis.

d- Perspectives d’intégration et de développement

Malgré certaines interrogations et leur complexité, les questions entourant le véhicule autonome devraient être résolues dans les prochaines années. Comme nous avons pu le voir précédemment, le véhicule autonome reste aujourd’hui un objet de technologie qui pourrait, à terme, faciliter la résolution de certaines problématiques telles que :

-la réduction des accidents de la route. Le véhicule autonome prend globalement des décisions plus rationnelles que l’humain, ce dernier pouvant être parfois imprévisible à l’épreuve de nombreux facteurs. Même si la machine n’est pas infaillible non plus, elle resterait plus sûre aux yeux des experts.

-l’autonomisation du transport de fret routier, sujet sur lequel travaillent actuellement un certains nombre de constructeurs automobiles (Starsky Robotics, Volvo, Tesla, …). Cela pourrait à terme éviter des accidents nocturnes de poids lourds, améliorer les flux de logistique dans des zones portuaires/aéroportuaires ou bien encore permettre de livrer des colis système auquel s’intéresse par exemple Amazon.

Figure 8 : Vue du poste de pilotage du Tesla Semi, lancement prévu en 2020, Crédit photo : Tesla

-la réduction des embouteillages et la fluidification du trafic en implémentant, par exemple, des véhicules autonomes en petit nombre qui permettraient, par leur vitesse régulée et adaptée automatiquement au flux complet de trafic, de réduire significativement les embouteillages et les consommations de carburant. Ce sujet est étudié par différentes équipes de plusieurs universités américaines depuis quelques années. Un OS (système d’exploitation) enverrait une consigne de régulation vers plusieurs “véhicules de régulation” (appartenant à une société d’autoroutes par exemple). Ces véhicules autonomes viendraient alors s’intégrer au trafic lors d’embouteillages et permettraient de venir réguler en quelques secondes ou minutes le flux de véhicules.
Figure 9 : Illustration du principe de régulation du trafic par VA, Source : Motor Vehicle Software Corporation, 2018

-une amélioration de la mobilité pour les personnes handicapées, avec le transport autonome souvent appelé “robot-taxis”. Il s’agirait d’un véhicule autonome de niveau 4 ou 5, qui permettrait à ces personnes de ne plus être dépendantes de services spéciaux pour personnes à mobilité réduites, et pouvant ainsi être plus autonomes dans leurs vies quotidiennes.

Comme nous l’avons vu dans ce chapitre, le véhicule autonome est aujourd’hui à la fois une promesse d’avenir et un ensemble de problématiques complexes. Ces dernières sont notamment liées à la sécurité par rapport aux interactions du véhicule avec le monde extérieur, ainsi qu’à l’éthique de sa prise de décision s’il venait un jour à être responsable de ses propres actions (et non plus sous le couvert de la responsabilité de son – éventuel – propriétaire).

Nous allons à présent étudier, au travers d’une étude de cas, l’évolution du traitement médiatique du véhicule autonome dans la presse écrite française entre 2014 et 2019.
III – Etude de cas: Le véhicule autonome dans la presse écrite en France (2014 – 2019)
Comme il a été possible de le voir, le véhicule autonome est aujourd’hui à la fois un moyen de déplacement du futur permettant notamment de nombreuses améliorations dans notre mobilité, mais qui soulève toutefois un certain nombre de questions et problématiques principalement morales et/ou de risque technologique qu’il peut induire.

Avec le développement d’une nouvelle technologie comme celle du véhicule autonome, les médias ont un rôle prépondérant dans la diffusion de l’information entre le savoir expert et le grand public. Ils ont aujourd’hui parfois tendance à surestimer le risque pour mieux vendre comme il a été possible de l’évoquer précédemment dans ce travail.

L’étude de cas sera ici portée sur un corpus d’une trentaine d’articles parus dans les médias de presse écrite généraliste française au cours de ces cinqs dernières années (2014-2019), en présupposant que le risque est prépondérant.

1 – Méthodologie
Le choix de sélectionner ici uniquement les médias de presse écrite était principalement dû à la prédisposition des articles à la compilation dans un logiciel de traitement de données textuelles : ALCESTE, ce qui n’aurait pas pu être le cas pour des émissions télévisées ou des vidéos Youtube par exemple.

Le choix de s\’intéresser uniquement aux médias de presse écrite française a été pris dans le but de respecter l’axe du travail mené et de venir le compléter, ce dernier traitant le développement du véhicule autonome en France.

Enfin sur la question de la temporalité, 2014 correspondait au moment où Tesla a annoncé le lancement de son autopilote, un lancement complété par sa mise en service en février 2015 comme nous l’évoquions précédemment.

Il est ainsi aisément possible de remarquer sur Europresse l’engouement médiatique provoqué par cette annonce de la firme américaine par le nombre d’articles publiés à ce moment-là. Un engouement également renforcé par la suite par Google qui expérimentait alors son véhicule autonome, 100% autonome quant à lui mais non homologué pour la vente.

Les articles, dans ce travail, ont été choisis en maximisant la variété des sources, tout en restant axé sur la presse écrite généraliste française exclusivement et en sélectionnant un panel représentatif de 10 articles par période, ceci sans en lire le contenu, mais uniquement en vérifiant qu’ils aient une taille correcte (en nombre de caractères) pour pouvoir être comparés.

La période temporelle de l’étude a été séquencée en intervalles de 2 ans, pour permettre un traitement optimal des évolutions du traitement du véhicule autonome par les médias, soit en détail:

-2014-2016 (*2014): 10 articles
-2016-2018 (*2016): 12 articles
-2018-2019 (*2018): 10 articles

*20XX correspondant à la nomenclature ALCESTE permettant de désigner les périodes temporelles, présente sur les schémas présentés par la suite.

Le principe de l\’utilisation d’ALCESTE (Analyse de Lexèmes Co-occurrents dans les Enoncés Simples d’un Texte), logiciel de statistique textuelle mis au point par la société Image, avec la collaboration du Centre National de la Recherche Scientifique (CNRS), a par la suite été de :

-découper les énoncés en s’attachant à la ponctuation forte et en créant des UCE (Unités de Contexte Elémentaire),
-lemmatiser les énoncés, soit séparer les radicaux de leurs désinences (par exemple auto-route, auto-mobile, …)
-repérer et trier les apparitions et fréquences des différentes occurrences, et créer des constellations de termes associés, en retraitant les formes au fur et à mesure et en créant des classes.

Les résultats de l’analyse du corpus par ALCESTE, disponibles en annexes sous leur forme résumée, ont été obtenus avec une pertinence de traitement de 74%, classifiée comme élevée.

2 – Quelle classification par les médias des interrogations suscitées par le véhicule autonome ?
L’analyse des données de ce corpus d’articles a permis d’obtenir un découpage en 5 classes d\’énoncés significatifs, classification en fonction des mots utilisés et nombre d’occurrences.

Les 5 classes ainsi obtenues sont:

-Classe n°1: Les responsabilités morales
-Classe n°2: La technologie (du VA)
-Classe n°3: Les dangers et risques autour du développement (du VA)
-Classe n°4: Le développement de l’offre de marché
-Classe n°5: L’investissement dans le secteur économique (du VA).

Classe n°1: Les responsabilités morales

La première classe obtenue est celle des responsabilités morales, correspondant aux interrogations soulevées précédemment, les médias tout comme les chercheurs en sciences “dures” et en sciences sociales s’interrogeant sur ce point.

La question des responsabilités morales n’apparaît qu’à partir des années 2016-2017, où de nombreux constructeurs “historiques” font leur entrée sur le marché du véhicule autonome et où la presse commence à évoquer des véhicules qui seraient à terme complètement autonomes, et non plus juste une assistance à la conduite (Niveaux de conduite I à III).

Lors de l’observation des résultats, il est possible d’observer que les termes dilemme et tramway sont co-occurrents dans cette classe. Ces deux occurrences font directement référence au dilemme du tramway – un tramway hors de contrôle arrive sur un aiguillage, l’aiguilleur en poste doit-il orienter le véhicule pour tuer 5 adolescents en voie A ou 3 retraités et un chien en voie B -, fréquemment mis en parallèle du développement du véhicule autonome, “sensationnel” pour la presse et certains chercheurs en sciences sociales, mais aujourd’hui décrié par la communauté scientifique. Ce dilemme en effet ne se pose pas, dans aucun type de situation, ce que nous détaillerons par la suite.

Figure 10 : Représentation de la répartition des occurrences dans la classe n°1, Alceste

Dans cette première classe, il est possible de noter des absences significatives de termes tels que automobile, constructeur, système, ou conduite, alors que l’on parle de questions morales et que ces dernières sont étroitement liées à… la technologie. Toute préoccupation matérielle est complètement écartée, mais devient un sujet plus “sensationnel” par la mise en relation avec la théorie du dilemme du tramway, les questions technologiques arrivant seulement en seconde position.

Classe n°2: Quelle technologie?

Cette seconde classe aborde la technologie qu’intègre le véhicule autonome. Très présente en 2014-2015, elle s’estompe globalement au fil des années avec une ré-apparition en 2018. La période 2014-2015 peut se justifier par la multiplication des constructeurs s\’intéressant à cette nouvelle technologie et la variété de leurs approches (LiDaR vs. RaDaR présentés précédemment).
Figure 11 : Représentation de la répartition des occurrences dans la classe n°2, Alceste

Les termes caméra et capter sont ici co-occurrents. Il s’agit de termes présentant globalement les éléments constitutifs permettant à la voiture de rouler seule.

Dans cette seconde classe, il est possible de noter des absences significatives de termes tels que accident, automobile, action, dilemme, dollar, marché, milliard, soit des termes des classes 1,3,4,5.

La technologie est liée au terme “déconnecté” , du reste, des problématiques telles que la dimension morale que nous évoquions précédemment ou bien le volet financier du développement du véhicule autonomes sont abordées.

Classe n°3: Dangers et risques

La troisième classe s’intéresse aux dangers et aux risques potentiels liés au développement du véhicule autonome. Cette classe est principalement présente sur la période 2016-2017, ce qu’il est possible de rattacher aux premiers (rares) accidents qui étaient survenus en tests à ce moment-là.
Figure 12 : Représentation de la répartition des occurrences dans la classe n°3, Alceste

On retrouve les termes route et accident en co-occurrence, il s’agit ici globalement d’une mise en relief des potentiels risques liés à l’utilisation du véhicule autonome puis de ceux liés à la conduite humaine.

Dans les premières absences significatives de cette classe, il est possible de noter celles de Google, francais, dollar, Uber, caméra, entreprise. Le discours se veut général, les constructeurs et développeurs (Google, Uber) n’étant pas pointés du doigt dans les dangers et risques liés au développement du véhicule (alors que Google et Uber sont les deux sociétés qui ont eu les accidents majeurs de véhicules autonomes ces dernières années).

Classe n°4: Développement de l’offre de marché

La quatrième classe met en avant les constructeurs impliqués ou intéressés dans le développement des véhicules autonomes. Cette classe est principalement présente sur la période 2014-2015, ce qui correspond toujours au développement des recherches sur l’autonomie par différents constructeurs “historiques”. Il est possible de noter que les termes construction et automobile sont ici co-occurrents.
Figure 13 : Représentation de la répartition des occurrences dans la classe n°4, Alceste
Dans les absences significatives apparaissent humain, route, vitesse, capter, soit une réflexion concentrée sur le marché, son développement et les constructeurs, les questions humaines et de technologies étant écartées.

Classe n°5: Investissement, coût et société de service(s)

Enfin la dernière classe s\’intéresse aux coûts du véhicule autonome, aux sociétés engagées, ainsi qu’aux investissements et transactions financières entre les différents acteurs au sein du marché.
Il est possible de noter que milliard et dollar sont en co-occurrence. Ces termes axent la classe sur un volet financier, faisant référence à des sociétés impliquées dans le développement des IA telles que MobilEye, Lift, Intel, Google.

Figure 14 : Représentation de la répartition des occurrences dans la classe n°5, Alceste
Dans les absences significatives de cette classe, il est possible de retrouver les termes voiture, conducteur, construction, caméra, système, soit une absence de toute considération humaine ou technologique, tout comme dans la classe n°4.

Pour conclure cette analyse des résultats, il est possible en prenant un point de vue global d’observer des changements dans les préoccupations au fil des ans :

En 2014 étaient évoquées les entreprises intéressées et engagées dans le développement des technologies et des différents capteurs à mettre en place pour faire fonctionner le véhicule.

Les pionniers tels que Google ou Tesla faisaient parler d’eux sur différents sujets, en alimentant des rumeurs sur la sortie d’un possible véhicule autonome. Comme mentionné précédemment, les experts de chez Google débattaient également avec ceux de chez Tesla de l’utilité des LiDaRs par médias interposés, ce qui correspond à l’analyse réalisée par Alceste.

En 2016, les questions de risques et de responsabilité morale se posaient. On se demandait alors comment programmer la voiture pour réagir en cas d’accident, ce qui correspondait aux premiers crashs survenus chez Uber que nous évoquions précédemment. Ces quelques (rares) accidents étaient alors mis en avant par les médias, pointant le véhicule autonome et l’IA comme quelque chose de potentiellement dangereux.

En 2018, les occurrences mettaient en relief les sommes engagées et les investissements dans les start-ups et technologies de pointe, ce qui s\’expliquait par l’investissement massifs des firmes qui jusque là présentaient un retard sur les véhicules autonomes, entraînant également la multiplication des firmes fournissant les capteurs, les intelligences artificielles, et autres composants propres à ces véhicules. Ces évènements profitaient également à Tesla, qui prenait alors la première place dans les capitalisations boursières américaines, devançant ses rivaux “historiques” Ford et General Motors.

Le projet de loi français encadrant les expérimentations de véhicules autonomes date par ailleurs également de 2018, une preuve de l’engouement suscité pour cette nouvelle technologie à ce moment là.

3 – Quelle place pour le risque? Quelle évolution des interrogations liées au véhicule autonome au fil des ans?

Comme il a été possible de le voir en portant un premier regard sur les résultats issus du traitement du corpus d’articles, le risque – supposé prépondérant initialement – n\’apparaît pas en premier lieu, même s’il est primordial en réalité. Cela principalement par la présence des questions morales toutes (ou presque) relatives à la notion de risque par la possibilité de laisser des machines à terme se déplacer seules dans l’espace public.

Comme évoqué dans la première classe (liée au responsabilités morales), cette dernière associe en co-occurrence les termes dilemme et tramway avec les responsabilités morales liées au véhicule autonome. Les médias insistaient sur cette question, alors qu’elle se résume aujourd’hui à un ensemble de suppositions plus ou moins déconnectées de la réalité. Les accidents mortels de véhicules partiellement autonomes se comptent aujourd’hui à quelques occurrences, pour plus d’1 milliard de miles parcourues – en autonomie – sans problème, rien que pour l’ensemble du parc Tesla aujourd’hui en service .

Pour la communauté scientifique, cette question de dilemme du tramway adaptée à l’autonomie n’existe pas et pourrait même être dangereuse si l’on continue à la diffuser ainsi.

Le dilemme du tramway est une expérience de pensée, utilisée pour la première fois en 1967 par Philippa Foot, philosophe britanno-américaine, qui se décrit comme suit:

Une personne peut effectuer un geste qui bénéficiera à un groupe de personnes A, mais, ce faisant, nuira à une personne B ; dans ces circonstances, est-il moral pour la personne d\’effectuer ce geste ?

La personne est ici remplacée par l’intelligence artificielle équipant le véhicule autonome. Le seul problème est que ce dilemme pourrait exister mais ne se pose en réalité pas, le véhicule étant programmé pour s\’arrêter dans les deux situations. Il appliquera une règle définie par l’humain dans le code de l’algorithme (et non par son IA).
Les médias posent tout de même la question, surfant sur les doutes dans la population, faisant apparaître le véhicule autonome comme un objet dont il faudrait se méfier, le caractérisant et tendant à restreindre ainsi le sujet à une opposition de l’ultime en un risque: la vie/la mort, ce qui est aujourd’hui un problème. C’est ce que relèvent différents scientifiques dont Houlé et Levy-Heidmann :

“Aussi paradoxal que cela puisse paraître, le dilemme du tramway n’est pas un sujet. Grâce à ces capteurs performants, un véhicule autonome réagit beaucoup plus vite qu’un humain et actionnera immédiatement le freinage d’urgence. Un humain en bonne condition physique met 600 millisecondes à réagir lorsqu’un système autonome peut réagir en 30-40 millisecondes. On peut penser dans les autres cas où même le véhicule autonome n’aura le temps de réagir – disons le cas extrêmement rare avec une fréquence quasi-nulle – le véhicule appliquera une règle que le régulateur aura choisie.”

Ces derniers ajoutant également qu’il est aujourd’hui nécessaire de réfléchir et d’agir sur le sujet, afin que cela ne vienne perturber la mise en place de l’autonomie des véhicules.

Le MIT (Massachusetts Institute of Technology) a par ailleurs mené des travaux de recherche à travers le site moralmachine.mit.edu, où ont été proposées aux internautes différentes scènes sur les décisions que l’IA devrait prendre dans le cas d’une conduite autonome (tel le dilemme du tramway). (Annexe)

Les résultats de ces travaux mènent à la conclusion que si un jour un véhicule venait à se conduire complètement seul, son IA serait basée sur des règles programmées compatibles avec les règles éthiques de chaque pays. Cette étude fait le lien avec l’origine de boucle : le véhicule est programmé avec des règles établies par des humains, et ses actions, dans n’importe qu’elle situation, ne mettront pas en danger quelconques humains ou animaux.

Il est à noter que la troisième classe consacrée aux risques et dangers obtenue par l’analyse ALCESTE, fait quant à elle uniquement une mise en lumière sur les risques technologiques avérés. Des risques issus d’accidents ou d’anomalies techniques, pas de sensationnalisme, pas de constructeurs cités, pas de sous entendus, des faits et une exposition de ceux ci. Une manière dont la presse devrait traiter les risques liés au développement des véhicules autonomes.
Conclusion

Des premiers tours de roues de Houdina et de son véhicule piloté à distance par ondes radio en 1926, à la vision de Bel Geddes de la ville du futur. Puis de Ernst Dickmanns et ses nombreuses avancées technologiques, jusqu’à Elon Musk et Tesla : les premières autonomies partielles “grand public” en 2014 et les potentiels futurs robot-taxis. Le véhicule autonome est aujourd’hui devenu plus que jamais un sujet d’actualité technologique mais aussi sociétal qui fascine et intrigue.

Les enjeux de ce véhicule d’aujourd’hui et de demain sont riches et multiples. De sa technologie jusqu’à l’éthique de ses décisions issues de l’intelligence artificielle qu’il embarque, ce véhicule semble révolutionnaire. Mais comme le rappellent de nombreux spécialistes, il y a une nécessité d’implémenter des lois régulant, sans restreindre, l’innovation technologique.

Des enjeux se portent également sur les médias qui se doivent, aujourd’hui comme demain, d’être impartiaux dans le traitement de l’information, et de ne pas céder au sensationnalisme médiatique en développant des sujets qui non pertinents comme il a été possible de le voir précédemment avec le dilemme du tramway.

Enfin dans les prochaines années, il sera important de travailler à la mesure de l’impact environnemental de ces innovations technologiques, notamment lors de l’utilisation de nombreux métaux et terres rares servant de base à une large gamme de composants informatiques dans ces véhicules.