Tesla fixe un objectif de 10 milliards de miles pour le FSD non supervisé ; Ashok confirme que le raisonnement est là

Elon Musk a publié sur X une mise à jour concernant la quantité de données que Tesla estime nécessaire pour atteindre une sécurité surhumaine pour le FSD non supervisé. Le directeur de l'IA de Tesla, Ashok Elluswamy, a également confirmé que certaines capacités de raisonnement — souvent décrites comme le saint graal de la prise de décision en IA — ont déjà été intégrées dans le FSD, avec d'autres fonctionnalités de raisonnement prévues.

10 milliards de miles : 7 et ça continue

Dans son Master Plan Part Deux, Elon évoquait à l'origine un chiffre de 6 milliards de miles comme taille de jeu de données nécessaire pour obtenir l'approbation réglementaire mondiale d'une véritable autonomie via le FSD non supervisé. Cet objectif supposait un système exponentiellement plus sûr que les conducteurs humains et qui continue de s'améliorer par la progression des 9 pour traiter les cas limites et la complexité du monde réel.

Ce chiffre a maintenant été mis à jour.

Il faudrait environ 10 milliards de miles de données d'entraînement pour atteindre une conduite autonome non supervisée sûre. La réalité a une longue traîne de complexité.

— Elon Musk (@elonmusk) 8 janvier 2026

Le total visé par Elon et Tesla se réfère aux miles parcourus dans le monde réel. Bien que Tesla et d'autres développeurs d'autonomie utilisent des données simulées pour l'entraînement, les données de conduite réelles sont essentielles pour gérer les cas limites rares qui surviennent dans la réalité.

Où en est Tesla ?

Selon le FSD Safety Hub de Tesla, la flotte a accumulé environ 7,1 milliards de miles en FSD. Il reste donc environ 2,9 milliards de miles pour atteindre le nouvel objectif de 10 milliards de miles.

Avec l'adoption du FSD qui augmente lentement et l'expansion annuelle de la flotte, cette distance restante pourrait être couverte relativement bientôt. En mars 2025, Tesla avait rapporté 3,6 milliards de miles en FSD ; la flotte est maintenant à environ 7,1 milliards de miles. Au rythme actuel, Tesla pourrait atteindre 10 milliards de miles d'ici les six prochains mois.

Cet ajustement franc d'Elon souligne à quel point il est difficile de poursuivre la longue traîne des cas limites : atteindre 99 % est simple, mais progresser vers 99,9 %, 99,99 % et au-delà devient exponentiellement plus difficile. Cette observation faisait suite à un avertissement similaire d'Elon et d'Ashok adressé à NVIDIA après le déploiement d'Alpamayo au CES 2026.

La variété quasi infinie des cas limites — des itinéraires non cartographiés et des changements soudains, aux comportements erratiques d'humains ou d'animaux et aux conditions météorologiques difficiles — reste un défi central.

Le raisonnement avec V14

Pour combler l'écart entre 7 milliards et 10 milliards de miles, Tesla ne compte pas uniquement sur davantage de données ; elle change la manière dont le FSD raisonne et prend des décisions.

Ashok a déclaré que le FSD V14.2, qui est en cours de déploiement auprès des véhicules clients, contient déjà certaines premières implémentations de capacités de raisonnement.

Certains éléments de raisonnement tels que les changements d'itinéraire de navigation lors de travaux, les options de stationnement ont déjà été déployés dans la 14.2. De plus en plus de raisonnement sera livré au T1.

— Ashok Elluswamy (@aelluswamy) 9 janvier 2026

Qu'est-ce que le raisonnement, en réalité ?

Jusqu'à présent, le FSD a principalement agi comme un système de réflexes rapides — repérant un feu rouge ou un obstacle et réagissant. Le raisonnement permet au véhicule de simuler plusieurs futurs potentiels avant d'agir, de planifier à l'avance les choix d'itinéraire et les manœuvres en temps réel, un peu comme le fait un humain.

En termes simples, le raisonnement améliore la conduite de type humain : plutôt que de s'arrêter là où une route est brusquement fermée, la voiture peut déterminer qu'elle doit dévier, observer les environs et choisir un itinéraire alternatif.

Dans l'exemple qu'Ashok a utilisé au sujet du stationnement, le raisonnement signifie que le véhicule peut choisir un emplacement sûr près d'un trottoir, éviter de s'arrêter dans une allée et ne pas simplement se garer à l'emplacement final épinglé.

Les enseignements

L'estimation de 10 milliards de miles d'Elon reconnaît la difficulté de la complexité de la conduite dans le monde réel. La mise à jour d'Ashok indique qu'une voie pratique — des modèles Vision-Language-Action qui réfléchissent plutôt que se contenter de réagir — est déjà en cours et n'est pas purement théorique.