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 sur la quantité de données que Tesla juge nécessaire pour atteindre une sécurité surhumaine pour le FSD non supervisé. Ashok Elluswamy, directeur de l’IA chez Tesla, a également confirmé que certaines capacités de raisonnement — souvent décrites comme le Saint Graal de la prise de décision par l’IA — ont déjà été intégrées au FSD, avec d’autres fonctionnalités de raisonnement prévues.

10 milliards de miles : 7 et ce n’est pas fini

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 impliquait un système exponentiellement plus sûr que les conducteurs humains et continuant à s’améliorer grâce à la progression des 9 pour traiter les cas limites et la complexité du monde réel.

Ce chiffre a désormais été mis à jour.

Il faut environ 10 milliards de miles de données d’entraînement pour atteindre une conduite autonome non supervisée sûre. La réalité présente une très longue queue de complexité.

— Elon Musk (@elonmusk) 8 janvier 2026

Le total visé par Elon et Tesla concerne les miles parcourus dans le monde réel. Si Tesla et d’autres acteurs de l’autonomie utilisent des données simulées pour l’entraînement, les données de conduite réelles sont essentielles pour gérer les rares cas limites qui surviennent dans le monde réel.

Où en est Tesla aujourd’hui ?

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 progresse lentement et la flotte qui s’agrandit chaque année, cette distance restante pourrait être couverte relativement bientôt. En mars 2025, Tesla avait indiqué 3,6 milliards de miles en FSD ; la flotte en est maintenant à environ 7,1 milliards de miles. Au rythme actuel, Tesla pourrait atteindre 10 milliards de miles dans les six prochains mois.

Cet ajustement franc d’Elon souligne à quel point il est difficile de traquer la longue queue des cas limites : atteindre 99 % est simple, mais progresser vers 99,9 %, 99,99 % et au-delà devient exponentiellement plus difficile. Cette remarque a suivi une mise en garde similaire d’Elon et d’Ashok adressée à NVIDIA après le lancement d’Alpamayo au CES 2026.

L’extrême diversité quasi infinie des cas limites — des itinéraires non cartographiés et des changements soudains au comportement erratique des humains ou des animaux, en passant par les conditions météo difficiles — reste un défi central.

Le raisonnement avec V14

Pour combler l’écart entre 7 milliards et 10 milliards de miles, Tesla ne se contente pas d’ajouter des données ; elle change la façon dont le FSD raisonne et prend ses décisions.

Ashok a indiqué que le FSD V14.2, actuellement déployé sur les véhicules clients, contient déjà certaines premières implémentations de capacités de raisonnement.

Certains éléments de raisonnement, comme les changements d’itinéraire de navigation pendant des travaux, les options de stationnement, ont déjà été intégrés dans la 14.2. De plus en plus de raisonnement sera déployé au T1.

— Ashok Elluswamy (@aelluswamy) 9 janvier 2026

Qu’est-ce que le raisonnement, au juste ?

Jusqu’à présent, le FSD a surtout fonctionné comme un système de réflexes rapides — repérant un feu rouge ou un obstacle et réagissant. Le raisonnement permet au véhicule de simuler plusieurs futurs possibles avant d’agir, de planifier à l’avance ses choix d’itinéraire et ses manœuvres en temps réel, un peu comme le ferait un humain.

En termes simples, le raisonnement améliore la conduite à la manière d’un humain : au lieu de s’arrêter là où une route est soudainement fermée, la voiture peut déterminer qu’elle doit faire un détour, observer son environnement et choisir un autre itinéraire.

Dans l’exemple qu’Ashok a donné à propos du stationnement, le raisonnement signifie que le véhicule peut choisir un emplacement sûr près d’un trottoir, éviter de s’arrêter devant une entrée de garage et ne pas se contenter de se ranger à l’emplacement final épinglé.

Les points à retenir

L’estimation d’Elon de 10 milliards de miles reconnaît à quel point la complexité de la conduite réelle est difficile. La mise à jour d’Ashok indique qu’une voie pratique vers l’avant — des modèles Vision-Language-Action qui réfléchissent plutôt que de simplement réagir — est déjà en cours plutôt que purement théorique.