Plus de 20 ans après Garmin et TomTom, la navigation reste le talon d’Achille de Tesla : malgré le déploiement de FSD v14.3.4 cette semaine, les erreurs d’itinéraire, sorties manquées et détours absurdes continuent de plomber sa promesse de conduite autonome.
La navigation reste le point faible de Tesla FSD
La promesse de Tesla avec le Full Self-Driving (Supervised) est claire : gérer un trajet presque de bout en bout sous surveillance humaine. Sur le papier, le système sait changer de voie, négocier des intersections, entrer et sortir d’une autoroute et suivre un itinéraire. C’est ce que rappelle la documentation officielle de Tesla, qui présente aussi la navigation comme une brique native du produit. Selon Tesla, FSD (Supervised) peut « conduire presque partout » et suivre la route jusqu’à destination, mais l’entreprise précise en même temps que le conducteur doit rester pleinement attentif et prêt à reprendre la main à tout moment.
C’est là que le problème devient concret. La source de départ met le doigt sur une faiblesse très basique : non pas la capacité à tenir une voie ou à détecter un obstacle visible, mais la capacité à choisir le bon chemin. Mauvaises sorties, bifurcations ratées, itinéraires absurdes sur routes secondaires, erreurs de limitation de vitesse ou arrivée à l’arrière d’un bâtiment : ce type d’écart abîme la promesse entière. Un système avancé qui sait braquer, accélérer et freiner, mais qui hésite sur la bonne bretelle, reste un assistant imparfait.
Mon avis est simple : pour un produit vendu comme la couche logicielle la plus ambitieuse de l’automobile grand public, rater la navigation est plus grave que rater un confort de conduite. La route choisie commande tout le reste.
Le vrai paradoxe : la techno la plus mature est celle que Tesla maîtrise le moins
La navigation guidée n’a rien d’un sujet neuf. Les GPS dédiés l’ont industrialisée il y a plus de vingt ans. Les applications mobiles ont ensuite ajouté le trafic en temps réel, les détours dynamiques, les signalements utilisateurs et une logique de recalcul devenue presque invisible pour l’usager. Selon l’aide officielle de Waze, l’application compte environ 180 millions d’utilisateurs actifs mensuels. À cette échelle, la collecte terrain et les corrections communautaires ne sont plus un bonus. Elles deviennent un moteur central de qualité.
En face, les spécialistes de la cartographie automobile ont aussi renforcé l’infrastructure. Selon TomTom, sa plateforme capte environ 61 milliards de mesures GPS nouvelles par jour depuis une base de 600 millions d’appareils connectés, traite des millions de changements de carte chaque semaine et couvre plus de 68 millions de kilomètres de routes navigables. En janvier 2025, TomTom a en plus annoncé une géométrie 3D au niveau de la voie, avec une précision mesurée en centimètres et une actualisation continue. Autrement dit, l’industrie de la carte n’en est plus au simple point A vers point B. Elle travaille déjà au niveau de la voie, de la signalisation et du comportement réel des conducteurs.
Le contraste est brutal. Tesla vend une conduite assistée pilotée par IA, mais le maillon le plus ancien de la chaîne semble encore fragile. La source initiale l’explique bien : si l’itinéraire est mauvais, tout le reste se dérègle. Le véhicule hésite, corrige trop tard ou prépare une manœuvre absurde.
Le problème n’est pas seulement la carte, mais l’empilement des couches
La source fournie évoque un assemblage de plusieurs bases de données : Google Maps, TomTom, OpenStreetMap, Valhalla et des données issues de la flotte. Cette architecture hybride a un avantage évident : elle permet de croiser des signaux très variés. Mais elle a aussi un défaut structurel. Dès que deux couches ne racontent pas exactement la même route, le système doit arbitrer.
Or la navigation automobile moderne ne se résume plus à tracer un segment entre deux coordonnées. Elle doit savoir où commence réellement une voie de sortie, quel marquage au sol est exploitable, si un tourne-à-gauche est autorisé à certaines heures, si un rond-point a changé de géométrie, ou si l’entrée d’un bâtiment est côté rue ou côté service. Selon TomTom, ses nouvelles cartes Orbis agrègent justement observations de véhicules de série, dashcams, imagerie aérienne, satellite et lidar pour produire une représentation exploitable à l’échelle de la voie. Cet apport extérieur montre le niveau d’exigence du secteur.
Mon point de vue est net : plus Tesla prétend s’appuyer sur une conduite « end-to-end », plus la faiblesse de sa couche de routage saute aux yeux. Une IA qui perçoit très bien mais planifie mal n’inspire pas confiance. Ce n’est pas un souci théorique. C’est un défaut produit.
La supervision humaine masque encore une faiblesse produit
Tesla encadre d’ailleurs elle-même l’usage. Sur sa page support, l’entreprise répète que les fonctions actuellement activées ne rendent pas le véhicule autonome. La NHTSA tient la même ligne : les systèmes de niveau 2 disponibles pour les particuliers exigent toujours que le conducteur reste responsable de la conduite et de la surveillance. L’agence américaine rappelle même que les niveaux 3 à 5 ne sont pas disponibles aujourd’hui à l’achat pour le grand public.
Cette précision réglementaire change la lecture du problème. Quand FSD rate une sortie, l’utilisateur peut corriger. Quand il choisit une route secondaire peu logique, le conducteur peut imposer un waypoint. Quand il lit mal une limitation ou tarde à se placer pour une bretelle, l’humain peut reprendre la main. En clair, la supervision absorbe encore une part du déficit produit.
La source de départ insiste sur ce point avec justesse : dans l’usage réel, les interventions liées à la navigation peuvent dépasser celles liées à la conduite pure. Je partage ce diagnostic. Un assistant avancé qu’il faut corriger sur le parcours lui-même finit par déplacer la charge mentale au lieu de la réduire.
Le modèle économique rend ces défauts encore plus visibles
Le sujet serait moins sensible si la fonction était marginale ou gratuite. Ce n’est pas le cas. Selon la page officielle d’abonnement de Tesla, FSD (Supervised) est facturé 99 dollars par mois, soit 85 € au taux de la BCE du 16 juin 2026, où 1 euro vaut 1,1594 dollar. Cette mensualité place d’emblée le service dans une zone d’exigence élevée.
Première métrique dérivée : 85 € par mois représentent environ 2,83 € par jour sur une base de 30 jours. À ce niveau, un client peut accepter une prudence excessive. Il accepte moins facilement des erreurs répétées sur le choix du trajet.
Deuxième métrique dérivée : sur une base de 12 mois, l’abonnement revient à 1 025 € par an. Pour un logiciel de conduite assistée, c’est un budget déjà significatif. À ce prix, la navigation ne peut pas rester un angle mort. Elle doit être au moins au niveau des meilleurs standards grand public, idéalement au-dessus.
Mon avis est tranché : le vrai risque pour Tesla n’est pas seulement technique. Il est commercial. Plus le logiciel est monétisé comme une capacité premium, moins le client tolère les bases mal exécutées.
La comparaison avec Waymo replace le débat au bon niveau
Il faut éviter un faux procès : Tesla ne joue pas exactement le même match que Waymo. L’un vend une assistance de niveau 2 à des particuliers. L’autre opère un service robotaxi géofencé. Mais la comparaison reste utile pour une raison : elle montre ce qu’exige une navigation crédible quand on retire vraiment le conducteur de l’équation.
Selon la page sécurité officielle de Waymo, la société totalisait 170,7 millions de miles parcourus sans conducteur humain à bord jusqu’en décembre 2025, répartis entre Phoenix, San Francisco Bay Area, Los Angeles et Austin. Cela représente environ 42,7 millions de miles par zone en moyenne. Austin pèse à elle seule environ 6,3 % du total. Ces chiffres n’ont pas valeur de match direct contre Tesla, mais ils rappellent un fait : l’autonomie commerciale sérieuse s’appuie sur une validation massive, localisée et mesurée.
Autre différence majeure : Waymo insiste sur une méthodologie de comparaison locale avec les humains, pondérée par la zone réellement parcourue. Cette rigueur montre qu’en autonomie, la question n’est pas seulement « la voiture roule-t-elle ? ». La vraie question est : « roule-t-elle correctement dans le bon contexte, au bon endroit, sur la bonne route ? »
La faiblesse actuelle de la navigation chez Tesla freine précisément ce basculement. Tant qu’un humain reste là pour corriger les choix de route, le système peut progresser. Dès qu’on vise un robotaxi, ce filet disparaît.
Le “persistent learning” reste le chaînon manquant
La source initiale pointe un autre angle très pertinent : FSD semble mal apprendre des corrections répétées du conducteur. C’est probablement l’un des écarts les plus frustrants face aux apps classiques. Un service comme Waze ou un écosystème de cartographie mature digère vite les détours, signalements et habitudes. Un système de conduite assistée qui reproduit la même mauvaise décision sur un trajet connu donne l’impression d’être intelligent dans la perception, mais rigide dans la mémoire.
Tesla met en avant, sur son site français, une flotte de plus de six millions de véhicules et des milliards de miles de données anonymisées pour entraîner FSD. C’est un atout énorme. Mais une masse de données n’assure pas, à elle seule, un bon apprentissage local. Si la boucle entre intervention humaine, correction cartographique et mise à jour de routage reste lente, la flotte ne compense pas entièrement l’expérience utilisateur ratée.
Mon opinion ici est simple : l’entreprise semble très forte pour généraliser des comportements de conduite, moins convaincante pour internaliser les micro-corrections de navigation du quotidien. Or c’est précisément ce qui fait la différence entre une démo impressionnante et un outil fiable tous les jours.
Le risque sécurité existe, même si l’erreur semble “seulement” logicielle
On pourrait minimiser le sujet en disant qu’un mauvais itinéraire n’est qu’un problème de confort. C’est faux. La navigation pilote le placement en voie, le timing des changements de file, l’anticipation des sorties et la vitesse cible dans certains contextes. Une erreur amont se propage immédiatement dans la conduite.
Tesla affirme sur sa page dédiée que les véhicules avec FSD (Supervised) engagé connaissent moins de collisions que ceux conduits sans FSD, et son rapport précise que l’entreprise comptabilise aussi les collisions survenant jusqu’à cinq secondes après une désactivation du système. C’est un cadre utile, mais il ne répond pas entièrement à la question de la qualité du guidage. Une baisse globale de collisions ne prouve pas qu’un moteur de navigation choisit systématiquement les bons axes, les bonnes voies ou les bonnes entrées.
La NHTSA, de son côté, maintient une ligne de prudence constante sur les aides à la conduite de niveau 2. Cette prudence me paraît justifiée. Une navigation erronée n’est pas neutre quand elle force une insertion tardive, un changement de voie précipité ou un demi-tour impossible.
Ce que Tesla doit corriger en priorité
Le premier chantier concerne l’intégration cartographique. Si plusieurs sources coexistent, il faut hiérarchiser clairement la vérité opérationnelle au niveau de la voie, pas seulement au niveau de la route. Le deuxième chantier concerne l’apprentissage post-intervention. Une correction humaine répétée sur un même secteur devrait remonter beaucoup plus vite dans la logique de routage. Le troisième chantier concerne la personnalisation. Un système supervisé utilisé par le même conducteur sur les mêmes trajets devrait mieux intégrer les préférences évidentes.
Le marché montre déjà la direction. Selon TomTom, la cartographie lane-level mesurée en centimètres et rafraîchie en continu devient une base pour les véhicules à assistance avancée. Selon Waze, une navigation communautaire à très grande échelle reste capable d’ajuster l’itinéraire en permanence. Selon la NHTSA, les aides disponibles pour le grand public ne dispensent toujours pas le conducteur de surveiller. Ces trois constats convergent : la conduite assistée la plus ambitieuse ne vaut pas grand-chose si la couche de navigation reste en retrait.
En pratique, le cas d’usage le plus révélateur n’est pas un trajet spectaculaire. C’est le trajet banal : rentrer chez soi, quitter la bonne autoroute, choisir l’accès principal d’un immeuble, éviter une boucle absurde en zone commerciale. Si le système échoue là, il échoue exactement là où l’utilisateur attend qu’il simplifie sa vie.
La faiblesse actuelle bloque aussi le récit robotaxi
Tesla peut encore défendre FSD (Supervised) comme une aide avancée en progrès continu. C’est recevable. En revanche, le discours devient plus fragile dès qu’il s’agit de projeter une exploitation sans supervision active. Tant que la navigation peut envoyer la voiture vers la mauvaise sortie, la mauvaise entrée ou la mauvaise logique de route, l’ambition robotaxi reste contrainte par une fondation incomplète.
Je le formule sans détour : la conduite autonome ne bute pas toujours sur la détection d’un piéton ou la complexité d’un carrefour. Elle bute parfois sur un problème plus embarrassant, presque banal : savoir où aller, et comment y aller proprement. C’est moins spectaculaire qu’une démonstration d’IA. C’est pourtant décisif.
Source de référence : https://www.tesla.com/support/fsd
Mon avis :
Tesla impressionne toujours par la fluidité de conduite de FSD, notamment sur les changements de voie et la gestion d’obstacles visibles, mais v14.3.4 reste plombée par une navigation trop faible: sorties ratées, itinéraires aberrants, entrées mal ciblées. Pour un système “Supervised”, c’est un défaut de base, pas un détail.
