Elon Musk a confirmé les 18 et 20 juillet 2026 que le Tesla Full Self-Driving apprendra bientôt les préférences de conduite et de stationnement de chaque utilisateur pour réduire les interventions. Objectif : mieux gérer voies HOV, choix de place et manœuvres, alors que le parking reste le principal point de reprise en main.
Tesla veut réduire les reprises en main du FSD en mémorisant les préférences du conducteur
Elon Musk affine enfin ce qu’il avait seulement esquissé quelques jours plus tôt : la prochaine évolution de Full Self-Driving (Supervised) ne vise pas d’abord à ajouter une nouvelle manœuvre spectaculaire, mais à faire baisser les interventions humaines sur des cas très concrets. L’idée est simple : le système doit retenir les corrections répétées du conducteur et reproduire ensuite ses choix habituels. Selon Elon Musk, la voiture commencera à « se souvenir de vos interventions spécifiques » pour s’aligner sur les préférences de chaque utilisateur.
Dans les faits, le sujet dépasse largement l’anecdote. La promesse touche deux zones où les conducteurs reprennent souvent la main : le choix de voie sur autoroute et les manœuvres de stationnement. C’est une évolution logique. Selon Tesla, le FSD supervisé reste un système d’assistance avancée : il peut conduire la voiture « presque partout », changer de voie, suivre un itinéraire, tourner à gauche ou à droite, mais il ne rend pas le véhicule autonome et exige une attention constante du conducteur. La communication officielle de la marque est claire sur ce point, bien plus claire que le discours promotionnel qui accompagne parfois ces fonctions.
Le vrai problème n’est plus seulement la sécurité, mais la friction d’usage
L’article source met bien le doigt sur le sujet : beaucoup de reprises en main ne viennent pas d’une situation critique, mais d’un comportement jugé agaçant ou mal aligné avec l’habitude du propriétaire. C’est là que Tesla tente de progresser. Le FSD peut déjà gérer la navigation, les changements de direction, certaines insertions et le stationnement. Mais entre « savoir faire » et « faire comme le conducteur le souhaite », il reste un écart.
Mon avis est simple : cet écart est aujourd’hui plus pénalisant que les démonstrations de conduite en ligne droite. Un système qui roule correctement mais choisit la mauvaise entrée de parking, quitte une voie HOV au mauvais moment ou se gare d’une manière que le conducteur corrige systématiquement donne l’impression d’être moins intelligent qu’il ne l’est vraiment. C’est exactement ce que Tesla cherche à corriger.
Voies HOV, voie de gauche, logique d’itinéraire : ce que la mémoire des préférences peut changer
Le premier cas cité concerne les voies réservées de type HOV ou express lane. D’après l’assistance officielle de Tesla, le FSD supervisé propose déjà un réglage « Use HOV Lanes ». Le problème, relevé par des membres de la communauté puis repris par Elon Musk, est que le véhicule ne reste pas toujours dans la voie que le conducteur a pourtant indiquée comme préférée.
Si la prochaine mise à jour enregistre les corrections répétées, on peut s’attendre à une logique plus contextuelle : rester plus longtemps dans la voie rapide sur un trajet donné, éviter une sortie prématurée, ou au contraire quitter plus tôt une file jugée inefficace. Tesla n’a pas publié de fiche détaillant ces comportements. Sur ce point précis, c’est donc non communiqué.
Cette capacité pourrait aussi répondre à un autre irritant évoqué dans l’article source : la tendance supposée à « camper » sur la voie de gauche dans certains cas. Là encore, rien d’officiel ne confirme que ce comportement sera traité en priorité. Mais la logique de mémorisation ouvre clairement cette porte. Si un conducteur reprend souvent la main pour revenir à droite dans des conditions similaires, il serait cohérent que le système intègre ce pattern. Ce n’est pas de l’autonomie de niveau supérieur. C’est de l’ajustement comportemental.
Le stationnement semble être la priorité réelle de cette mise à jour
Sur le fond, tout indique que le parking est la cible principale. L’article d’origine le dit explicitement, et les réponses récentes de Elon Musk vont dans le même sens : l’enjeu n’est pas seulement de réussir un créneau ou un rangement en bataille, mais de choisir où se garer et comment s’y présenter.
Selon la documentation officielle, Tesla propose déjà le Parking auto et une fonction Actually Smart Summon, capable de faire évoluer le véhicule dans des parkings et des espaces plus complexes. Le FSD supervisé peut aussi, d’après le manuel propriétaire, détecter une place adaptée à destination et stationner le véhicule. En revanche, la marque ne documente pas encore publiquement une mémoire persistante des préférences de stationnement : marche avant ou marche arrière, emplacement favori, allée précise, entrée de driveway correcte. Là aussi, le détail fonctionnel reste non communiqué.
Mon avis est net : si Tesla réussit ce point, l’impact perçu sera supérieur à beaucoup d’améliorations de conduite sur route. Le parking est la dernière séquence du trajet. C’est aussi celle que le conducteur retient. Un système qui arrive au bon endroit, choisit la bonne place et se range de la bonne façon donnera une impression de maturité bien plus forte qu’un simple changement de voie plus fluide.
Ce que Tesla dit officiellement aujourd’hui sur le FSD supervisé
La communication officielle sert ici de garde-fou. Selon le support de Tesla, le FSD supervisé peut conduire le véhicule « presque partout » sous supervision active, effectuer des changements de voie, suivre les bifurcations, contourner des objets et réaliser des virages. Mais la marque précise aussi que ces fonctions ne remplacent pas le conducteur et ne transforment pas la voiture en véhicule autonome.
Ce rappel compte, car la promesse de « moins d’interventions » peut être mal interprétée. Moins d’interventions ne veut pas dire absence d’intervention. Cela veut dire que Tesla essaie de supprimer une partie des corrections liées aux préférences, pas de supprimer l’obligation de surveillance humaine.
Le support officiel apporte aussi un élément concret absent de la source initiale : aux États-Unis, l’abonnement FSD supervisé est facturé 99 $ par mois. Converti au taux de référence de la BCE du 20 juillet 2026, soit 1 € = 1,1426 $, cela représente 87 € par mois. C’est une première métrique utile, car elle ramène la promesse logicielle à un coût d’usage réel.
Deux métriques dérivées pour situer l’offre
Première métrique dérivée : l’abonnement mensuel FSD supervisé à 99 $ équivaut à environ 1 044 € par an si l’utilisateur reste abonné douze mois de suite, toujours au taux de la BCE du 20 juillet 2026 (1 € = 1,1426 $). Ce total n’apparaît nulle part tel quel dans la documentation officielle, mais il permet de mesurer l’effort financier annuel.
Deuxième métrique dérivée : chez Ford, l’offre BlueCruise est affichée à 495 $ par an, soit 433 € par an au même taux de change. L’écart annuel entre le FSD supervisé de Tesla et l’abonnement annuel BlueCruise atteint donc 611 €. En pourcentage, l’offre logicielle de Tesla revient à environ 141 % plus cher que le forfait annuel BlueCruise, sur la seule base des tarifs publics.
Ces calculs ne disent pas que les deux produits sont équivalents. Ils montrent seulement que Tesla vend une promesse nettement plus chère, avec un périmètre fonctionnel plus large, mais aussi plus controversé dans sa manière de communiquer.
Face aux concurrents, Tesla cherche moins la route sans mains que la voiture qui s’adapte à vous
La comparaison brute éclaire bien le positionnement. Selon Ford, BlueCruise est un système mains libres sur autoroute, limité à des sections qualifiées appelées Blue Zones. Il ajoute des fonctions comme le changement de voie assisté, le repositionnement dans la voie et, dans ses versions les plus récentes, un changement de voie automatique. Le tarif public américain affiché par Ford est de 49,99 $ par mois, 495 $ par an ou 2 495 $ en achat unique à la commande, soit respectivement 44 €, 433 € et 2 184 € au taux de la BCE.
Tesla, lui, ne joue pas sur le même terrain marketing. Le FSD supervisé vise la ville, l’autoroute, les tournants, le stationnement et les parkings. Son angle différenciant, avec cette future mémoire des préférences, n’est pas seulement l’automatisation des manœuvres. C’est la personnalisation du comportement. Mon opinion est que cette approche est plus ambitieuse, mais aussi plus difficile à valider proprement. Un système de préférences apprend des habitudes, donc aussi des biais locaux, des choix contestables et des attentes parfois contradictoires.
Le contexte marché donne du poids à cette évolution
Tesla ne travaille pas dans le vide. Selon Tesla Investor Relations, le groupe a livré 480 126 véhicules au deuxième trimestre 2026, dont 467 762 Model 3 et Model Y. Cela signifie que ces deux modèles représentent environ 97,4 % des livraisons trimestrielles. Cette concentration compte : toute amélioration logicielle déployée à grande échelle touche d’abord un parc très homogène et très vaste.
Autre métrique dérivée : avec 451 758 véhicules produits pour 480 126 livrés sur la période, le ratio production/livraisons ressort à environ 94,1 %. Cela montre que Tesla continue d’opérer à grande cadence, avec une base installée suffisante pour alimenter son apprentissage logiciel. C’est cohérent avec l’autre chiffre officiel mis en avant par la marque : son rapport sécurité explique qu’au premier trimestre 2025, Tesla a reçu 2,5 milliards de fichiers de télémétrie issus de sa flotte mondiale hors Chine.
Ce volume de données ne prouve pas, à lui seul, la qualité du comportement routier. En revanche, il donne une idée du levier d’itération dont dispose la marque. Sur ce point, Tesla garde un avantage structurel.
La pression concurrentielle ne vient pas seulement des constructeurs historiques
Il faut aussi regarder le haut du marché autonome. Selon le blog officiel de Waymo, sa dernière analyse de sécurité couvrait plus de 220 millions de miles parcourus en conduite entièrement autonome sur route ouverte jusqu’à fin mars 2026. Waymo rappelle aussi avoir déjà fourni plus de 10 millions de trajets payants aux États-Unis. La comparaison n’est pas directe, parce que Waymo opère un service robotaxi géofencé, pas une assistance à la conduite vendue à des particuliers. Mais elle remet les choses à plat : sur le terrain du « sans conducteur humain actif », la référence commerciale à grande échelle n’est pas Tesla.
C’est précisément pour cela que la stratégie de Tesla sur les préférences utilisateur est intéressante. La marque ne peut pas encore revendiquer le même modèle opérationnel que Waymo. Elle cherche donc à améliorer une autre proposition de valeur : une voiture personnelle qui se comporte de plus en plus comme son propriétaire.
Sécurité, réglementation et limites réelles : la mémoire des préférences ne réglera pas tout
Le sujet réglementaire reste central. Selon la NHTSA, les systèmes ADAS de niveau 2 et les systèmes de conduite automatisée font toujours l’objet d’exigences de signalement en cas d’accident via le Standing General Order. Tesla précise d’ailleurs dans son rapport sécurité que ses données incluent les collisions survenues avec FSD supervisé engagé dans les cinq secondes précédant l’événement, et que la marque utilise sa télémétrie pour compléter ses obligations fédérales de déclaration.
Autrement dit, personnaliser le comportement ne dispense pas d’un cadre de contrôle. Au contraire, cela peut rendre l’évaluation plus complexe. Si la voiture apprend à reproduire certaines préférences, il faudra distinguer ce qui relève du modèle de base, de la configuration active, de l’environnement routier et de l’historique de corrections du conducteur. C’est utile pour l’usage. C’est moins simple pour l’audit.
Mon avis est qu’il s’agit d’une amélioration pragmatique, pas d’un saut de catégorie. Elle peut réduire les frictions visibles, surtout au parking et dans les choix de voie. Elle ne supprime ni les contraintes réglementaires, ni la responsabilité du conducteur, ni le besoin de preuve publique sur la robustesse du système.
Ce que cette mise à jour peut changer très concrètement au quotidien
Le cas d’usage le plus crédible est banal, et c’est justement pour cela qu’il compte. Un conducteur effectue chaque semaine le même trajet domicile-travail. Il active le FSD supervisé, mais corrige presque toujours trois points : il garde plus longtemps la voie HOV, il refuse une sortie intermédiaire jugée lente, et il se gare systématiquement en marche arrière sur la même zone du parking. Si le système mémorise réellement ces choix et les reproduit dans un contexte similaire, le nombre d’interventions peut baisser sans que la difficulté technique de conduite « pure » change radicalement.
Autre cas concret : l’arrivée dans une propriété privée ou une allée. L’article source insiste sur le fait que viser la bonne entrée reste rare. Si Tesla corrige ce point avec une logique de mémoire géolocalisée ou contextuelle, le gain perçu sera immédiat. C’est moins spectaculaire qu’un trajet urbain sans reprise en main. C’est pourtant bien plus utile pour beaucoup de propriétaires.
Pour suivre l’évolution officielle du service, le lien d’autorité pertinent reste la page support de Tesla consacrée au FSD supervisé : https://www.tesla.com/support/fsd
Mon avis :
Bonne idée produit : mémoriser les interventions pourrait réduire les reprises liées aux préférences, notamment voie HOV et stationnement, deux irritants concrets cités par Musk. Mais cela reste déclaratif et non démontré : l’article s’appuie surtout sur des posts X, alors que des ratés récents de parking en FSD v14.3.5 montrent une fiabilité encore inégale.
