Elon Musk a confirmé les 18 et 20 juillet 2026 que le Tesla Full Self-Driving apprendra les préférences de chaque conducteur pour réduire les interventions, surtout sur le stationnement et le choix de voie. En parallèle, Tesla a aussi révélé que le premier modèle compatible Starlink sera le Cybercab.
Tesla veut réduire les reprises en main de FSD en apprenant les habitudes du conducteur
Tesla prépare une évolution logicielle de son système Full Self-Driving (Supervised) avec une idée simple : mémoriser certaines corrections faites par le conducteur pour adapter ensuite le comportement de la voiture. Elon Musk a confirmé les 18 et 20 juillet 2026 que le véhicule doit commencer à « se souvenir » des interventions spécifiques et à s’aligner sur les préférences individuelles de chaque utilisateur.
Le point de départ, dans la source d’origine, concerne les voies HOV et express. Aujourd’hui, le système propose déjà un réglage « Use HOV Lanes » dans l’interface. Selon l’assistance officielle de Tesla, cette option permet de choisir si le véhicule utilise ou non les voies réservées lorsque FSD est activé. Le problème, c’est que ce réglage ne garantit pas toujours un comportement cohérent sur le terrain. C’est précisément là que la mémoire des préférences peut faire la différence, en réduisant les corrections répétées du conducteur.
À mon sens, Tesla ne cherche pas ici à ajouter une nouvelle fonction visible, mais à corriger une faiblesse structurelle de FSD : un système capable de conduire presque partout, mais encore trop souvent incapable de reproduire le style de décision attendu par son propriétaire.
Ce que FSD sait déjà faire, et pourquoi cela ne suffit plus
Selon la page de support officielle de Tesla, Full Self-Driving (Supervised) peut gérer les changements de voie, suivre un itinéraire, négocier les intersections, contourner des objets, circuler en ville comme sur autoroute, effectuer un stationnement automatique et utiliser Actually Smart Summon pour venir chercher l’utilisateur sur un parking. Autopark prend en charge les créneaux et le stationnement en bataille, toujours sous supervision active du conducteur.
Autrement dit, la base fonctionnelle existe déjà. Le vrai sujet n’est plus seulement la capacité à exécuter une manœuvre, mais la capacité à l’exécuter comme le conducteur le souhaite. C’est un cap différent. Une voiture peut se garer correctement, tout en choisissant la mauvaise allée, la mauvaise entrée, ou un angle de placement que le conducteur n’aurait jamais retenu.
La source d’origine insiste justement sur ce point : le stationnement serait l’une des principales causes d’intervention. Cette lecture colle avec le positionnement officiel de Tesla, qui met désormais le parking, le summon et la conduite urbaine dans le même ensemble d’assistance avancée. Plus le système couvre les derniers mètres du trajet, plus les préférences individuelles pèsent lourd.
Voies HOV, voie de gauche, choix d’itinéraire : la personnalisation peut régler des irritants très concrets
Le premier cas d’usage est limpide : un conducteur active l’usage des voies HOV, mais la voiture en sort trop tôt, ou n’y reste pas assez longtemps. Si FSD enregistre chaque correction manuelle sur un même trajet ou dans un même contexte, il peut théoriquement apprendre qu’un utilisateur préfère conserver la voie réservée jusqu’à un échangeur précis, ou au contraire la quitter plus tôt.
Ce point paraît mineur. Il ne l’est pas. Sur autoroute, une mauvaise lecture des préférences multiplie les reprises en main alors même que la situation n’est pas dangereuse. La conséquence est directe : l’utilisateur perd confiance, non pas parce que le système est incapable, mais parce qu’il devient pénible.
Le même raisonnement vaut pour le maintien dans la voie de gauche. La source évoque les critiques sur le « left lane camping », c’est-à-dire le fait de rester trop longtemps sur la voie de dépassement. Tesla n’a pas confirmé officiellement que ce paramètre ferait partie des comportements mémorisés, mais la logique est cohérente : si un conducteur reprend systématiquement la main pour se rabattre plus tôt, un système adaptatif a intérêt à intégrer ce schéma.
Le vrai chantier, c’est le stationnement
La partie la plus crédible de cette future mise à jour concerne le parking. La source initiale le dit clairement : ce n’est pas forcément la capacité brute à se garer qui pose problème, mais la préférence. Où se placer, comment entrer sur la place, faut-il rentrer en marche avant ou en marche arrière, quelle allée choisir, et même quelle entrée de propriété emprunter.
Selon l’assistance officielle de Tesla, Autopark gère déjà le stationnement en créneau et en bataille, tandis que Actually Smart Summon navigue dans des environnements de parking plus complexes. Mais cette documentation ne promet pas un apprentissage personnalisé de la manœuvre. C’est justement le vide que Elon Musk veut combler.
À mon avis, c’est la partie la plus stratégique. Sur route ouverte, beaucoup de décisions se traitent avec des règles générales. Sur les derniers mètres, les habitudes sont ultra-locales : un utilisateur veut se garer toujours du côté gauche de son entrée, un autre recule systématiquement sur sa place pour repartir plus vite, un troisième préfère éviter une zone étroite où les poteaux gênent l’ouverture des portes. Sans mémoire, FSD recommence à zéro à chaque arrivée. Avec mémoire, il peut enfin capitaliser.
Ce que disent les données officielles de Tesla sur la sécurité
Tesla défend FSD avec un argument central : la sécurité. Selon la page officielle dédiée au Full Self-Driving (Supervised), les véhicules utilisant le système enregistrent « 7x fewer major and minor collisions » et « 5x fewer off-highway collisions » que les véhicules conduits sans ce mode. Le rapport de sécurité FSD de Tesla précise aussi que ses calculs incluent non seulement les collisions survenues lorsque le système contrôle activement la voiture, mais aussi les cas où le conducteur désactive le système ou lorsque celui-ci se désengage juste avant l’impact.
Cette précision compte. Elle vise à répondre à une critique récurrente : comparer seulement les moments favorables au système donnerait une image trop flatteuse. Tesla affirme donc élargir sa fenêtre d’observation pour éviter cet effet.
Reste une limite forte : ces chiffres viennent du constructeur lui-même. Ils décrivent une tendance, pas un audit indépendant. La NHTSA, de son côté, rappelle dans son ordre permanent de reporting que les constructeurs doivent déclarer certains accidents impliquant des systèmes ADAS de niveau 2 ou des ADS de niveaux 3 à 5 lorsqu’ils entraînent blessure, remorquage, déploiement d’airbag ou usager vulnérable impliqué. En clair, plus Tesla étend l’usage de FSD, plus l’exigence de traçabilité devient centrale.
Face à la concurrence, Tesla pousse une autre logique que Mercedes ou Ford
Le contraste avec les concurrents est net. Mercedes-Benz a obtenu en Allemagne l’autorisation de faire évoluer DRIVE PILOT jusqu’à 95 km/h sur autoroute dans certaines conditions, sur l’ensemble du réseau d’Autobahn couvert, soit 13 191 km selon le constructeur. Le système repose sur plus de 35 capteurs, dont du LiDAR, et son tarif démarre à 5 950 € TTC selon Mercedes-Benz.
Ford, avec BlueCruise, revendique pour sa part plus de 130 000 miles de routes nord-américaines compatibles en conduite mains libres sur chaussées séparées, soit 209 214 km après conversion. La promesse est plus cadrée : l’autoroute compatible d’abord, la géofence ensuite, et une expérience centrée sur le confort plutôt que sur l’ambition « presque partout ».
Waymo évolue encore dans une autre catégorie. Selon ses données de juin 2026, l’entreprise totalise 220,6 millions de miles en exploitation « rider-only » sans conducteur humain à bord jusqu’à fin mars 2026. Là encore, la comparaison avec Tesla doit rester prudente : Waymo opère un service robotaxi géographiquement borné, alors que FSD est vendu au grand public comme un système supervisé utilisable sur une large variété de routes.
Mon point est simple : Tesla essaie de compenser l’absence de périmètre strict par un apprentissage comportemental plus fin. C’est audacieux. C’est aussi risqué, car la personnalisation peut améliorer le confort tout en compliquant la validation uniforme du système.
Cinq apports nouveaux qui changent la lecture du sujet
1. Le prix officiel de FSD par abonnement est désormais connu
Selon l’assistance officielle de Tesla, Full Self-Driving (Supervised) est proposé à 99 $ par mois aux États-Unis. Converti en euros au taux de référence de la BCE du 20 juillet 2026, où 1 € = 1,1426 $, cela représente 87 € par mois. Ce point n’apparaissait pas dans la source d’origine.
2. La version actuelle reste juridiquement supervisée
Selon Tesla, FSD ne rend pas le véhicule autonome et exige une supervision active permanente. Cette mention figure noir sur blanc dans la documentation officielle. Elle est essentielle, car le discours de personnalisation peut donner l’impression d’un saut vers l’autonomie pleine, alors que le statut produit ne change pas à ce stade.
3. Tesla relie directement FSD au stationnement et au summon
La documentation officielle confirme que le package FSD inclut déjà Autopark, Actually Smart Summon et Dumb Summon. Cela renforce l’idée que l’apprentissage des préférences n’est pas un détail annexe : il touche une partie déjà commerciale de l’offre.
4. La comparaison avec Mercedes montre un écart de philosophie technique
Mercedes-Benz associe son niveau 3 à une redondance capteurs forte, avec caméra, radar, ultrasons et LiDAR. Tesla, de son côté, continue de pousser une architecture orientée vision. La personnalisation des comportements peut donc devenir chez Tesla un levier logiciel pour améliorer l’expérience là où d’autres marques verrouillent d’abord le domaine d’usage.
5. Le marché avance sur plusieurs fronts à la fois
Ford élargit la conduite mains libres sur autoroute, Mercedes-Benz pousse le niveau 3 certifié, et Waymo accumule des millions de miles en exploitation sans conducteur. Tesla, elle, tente de rendre un système de niveau 2 supervisé plus acceptable au quotidien par l’apprentissage individualisé. Ce n’est pas le même combat, mais c’est bien le même marché.
Deux métriques dérivées pour mesurer l’enjeu
Coût mensuel réel de FSD en euros
À partir du tarif officiel de 99 $ par mois indiqué par Tesla et du taux de change de la BCE du 20 juillet 2026, le coût converti ressort à 86,64 €, soit 87 € après arrondi. Cette métrique permet de replacer le débat dans une logique d’usage : à ce prix, les clients attendent un comportement moins répétitif, surtout sur les manœuvres de parking.
Prix par km/h du niveau 3 chez Mercedes
À partir du tarif de 5 950 € TTC et de la vitesse maximale autorisée de 95 km/h pour DRIVE PILOT, on obtient une métrique simple : 63 € par km/h de vitesse plafond certifiée, après arrondi. La formule est imparfaite, mais elle montre un point utile : chez Mercedes-Benz, la valeur commerciale est attachée à un domaine d’usage réglementé et mesurable. Chez Tesla, la valeur repose davantage sur l’étendue fonctionnelle et la fréquence des interventions évitées.
Pourquoi cette mise à jour compte plus qu’elle n’en a l’air
La source d’origine présente cette évolution comme une amélioration pratique. En réalité, c’est une pièce clé pour la suite. Si FSD continue à forcer le conducteur à reprendre la main pour des préférences banales, il restera bloqué dans une zone grise : techniquement impressionnant, commercialement frustrant.
Selon le rapport annuel 2025 publié par Tesla en avril 2026, le groupe évoque la montée en charge de couvertures robotaxi dans plusieurs métros américains et précise encore que la supervision active du conducteur reste requise sur FSD. Cela montre un double mouvement : ambition élevée d’un côté, prudence réglementaire de l’autre. L’apprentissage des préférences sert précisément de pont entre ces deux réalités.
En clair, Tesla essaie de supprimer ce que l’on peut appeler les « interventions de confort ». Le conducteur ne devrait reprendre la main que lorsqu’une situation devient réellement critique. Tant que FSD oblige l’utilisateur à corriger un stationnement, une bretelle de sortie ou une voie HOV mal gérée, l’autonomie non supervisée reste hors de portée.
Cas d’usage concret : ce que la mémoire des préférences peut changer au quotidien
Imaginez un trajet domicile-travail répété cinq jours par semaine. Le conducteur active systématiquement l’usage des voies HOV, force souvent la voiture à rester dans cette voie jusqu’à un point précis, puis reprend la main à l’arrivée pour reculer sur une place latérale du parking. Aujourd’hui, FSD peut très bien réussir le trajet global tout en échouant sur ces trois détails.
Avec une couche de mémorisation, le système pourrait apprendre qu’à cet horaire, sur cet itinéraire, ce conducteur préfère rester plus longtemps dans la voie réservée, entrer par une allée spécifique du parking et se garer en marche arrière. Aucun de ces choix ne relève d’une capacité de conduite fondamentale. Pourtant, ce sont eux qui déterminent si l’utilisateur juge le système fluide ou fatigant.
C’est pour cela que je considère cette évolution plus sérieuse qu’un simple ajustement logiciel. Elle touche le maillon faible de FSD : non pas conduire, mais conduire de façon répétable, acceptable et personnelle.
Lien de référence
Source officielle de référence : https://www.tesla.com/support/fsd
Mon avis :
Bonne piste produit : mémoriser les interventions pour respecter les préférences de voie, de stationnement ou d’accès réduit des reprises inutiles et cible un irritant concret du FSD. Limite majeure : tout repose encore sur des promesses d’Elon Musk et des retours communautaires, sans validation indépendante ni calendrier technique crédible.
