Elon Musk a confirmé les 18 et 20 juillet 2026 que le Full Self-Driving de Tesla va mémoriser les interventions du conducteur pour réduire les reprises en main, avec un focus clair sur le stationnement, encore point faible de la version 14.3.5.
Tesla veut réduire le vrai point noir du FSD : le parking, pas la conduite sur autoroute
Le prochain axe d’amélioration du Tesla Full Self-Driving (Supervised) est désormais plus clair. Elon Musk explique que le système va commencer à mémoriser les interventions du conducteur pour s’aligner sur ses préférences. Derrière cette formule, il faut comprendre une logique simple : si le conducteur corrige toujours le véhicule dans les mêmes cas, le logiciel doit apprendre ce choix et éviter de refaire l’erreur.
La source de départ évoquait déjà deux cas précis : le maintien dans une voie de covoiturage ou une voie express, et surtout le comportement au moment de se garer. C’est le second point qui compte le plus. Musk a validé l’idée que le système devra retenir où l’utilisateur aime stationner, comment il préfère entrer dans la place, et même quel accès ou quelle allée il vise en arrivant sur un site. L’objectif n’est donc pas de transformer subitement le FSD en conduite autonome complète. L’objectif est plus terre à terre : supprimer les reprises en main de confort, celles qui agacent dans les parkings bondés, les centres commerciaux ou les résidences.
Selon Tesla, le FSD (Supervised) reste une suite d’aides à la conduite qui peut conduire « presque partout » sous surveillance active, avec changements de voie, choix d’embranchements, virages à gauche et à droite, mais sans rendre le véhicule autonome. Selon la NHTSA, aucun véhicule actuellement vendu au public n’est pleinement autonome et le conducteur doit rester totalement attentif à tout moment. Ce rappel est central : le sujet ici n’est pas l’autonomie de niveau 4 ou 5, mais l’amélioration d’un système de niveau 2 qui cherche à devenir moins pénible au quotidien. (tesla.com)
Pourquoi le parking est le bon champ de bataille
Mon avis est net : Tesla vise le bon problème. Sur route, le FSD sait déjà enchaîner beaucoup d’actions. Dans un parking dense, il doit au contraire gérer des choix ambigus que le code de la route ne tranche pas toujours : prendre cette place ou la suivante, se mettre en marche avant ou en marche arrière, viser l’entrée principale ou l’accès secondaire, éviter une zone piétonne chargée, ou rester proche d’une borne de recharge.
La documentation officielle de Tesla montre déjà que la marque a concentré plusieurs briques logicielles sur ces situations. L’Autopark aide au stationnement en créneau ou en bataille, tandis qu’Actually Smart Summon déplace la voiture dans des environnements plus complexes et des places de parking pour rejoindre l’utilisateur. Le support Tesla UK précise même qu’Autopark détecte les places en créneau à moins de 15 mph et les places perpendiculaires à moins de 10 mph, soit environ 24 km/h et 16 km/h. Cette précision n’apparaissait pas dans la source initiale. Elle montre que la gestion du parking repose déjà sur des conditions opérationnelles spécifiques, donc perfectibles. (tesla.com)
Le vrai irritant n’est donc pas uniquement la capacité mécanique à se garer. C’est la capacité à se garer « comme vous ». Si le système choisit une place trop loin de l’entrée, s’insère en marche avant alors que vous préférez repartir facilement en marche avant plus tard, ou vise la mauvaise allée d’accès, il génère une intervention. Techniquement, ce n’est pas forcément un échec de conduite. C’est un échec de préférence.
Ce que Tesla ajoute réellement : une couche de personnalisation comportementale
La nouveauté la plus crédible dans cette séquence, c’est l’ajout d’une mémoire utilisateur au-dessus des fonctions existantes. La promesse n’est pas un nouveau capteur ni un nouveau hardware annoncé officiellement à ce stade. C’est une couche logicielle qui observe les corrections humaines et tente de les rejouer ensuite.
Selon Tesla France, le FSD (Supervised) s’entraîne déjà à partir de données de conduite anonymisées collectées sur des milliards de miles. La page française dédiée indique explicitement cette échelle d’apprentissage. Le rapport de sécurité FSD de Tesla affiche en outre 11 600 879 507 miles parcourus au total depuis 2020, dont 4 372 817 197 miles en ville. Converti en kilomètres, cela représente environ 18,67 milliards de km au total et 7,04 milliards de km en usage urbain. C’est un premier apport chiffré absent de la source d’origine. (tesla.com)
Cette masse de données ne résout pourtant pas tout. Un modèle global sait repérer des objets, négocier des trajectoires et limiter les risques. Il sait moins bien deviner qu’un conducteur donné préfère systématiquement se garer près d’un trottoir, éviter une rampe étroite ou rester dans la voie HOV. C’est précisément là que la mémoire des interventions peut apporter de la valeur. En clair : Tesla tente de passer d’un FSD générique à un FSD partiellement personnalisé.
Un gain visé : moins d’interventions, pas plus d’autonomie réglementaire
Il faut éviter le contresens marketing. Même si le FSD devient meilleur pour choisir une place ou rester dans une voie préférée, cela ne change pas sa nature réglementaire. Selon la NHTSA, aucun véhicule grand public en vente aujourd’hui n’est entièrement automatisé. Selon Tesla, le FSD (Supervised) exige une vigilance active et ne rend pas la voiture autonome. Autrement dit, une baisse des interventions de confort ne vaut pas validation d’une conduite sans supervision. (nhtsa.gov)
C’est d’autant plus important que l’IIHS a publié en mai 2026 ses premières notes sur les garde-fous des systèmes de conduite partiellement automatisée. L’institut a évalué des systèmes de BMW, Ford, General Motors, Genesis, Lexus, Mercedes-Benz, Nissan, Tesla et Volvo. Son constat est sévère : la plupart des systèmes manquent encore de protections suffisantes contre le mauvais usage et la perte d’attention. L’IIHS note aussi que seuls GM Super Cruise et Tesla Full Self-Driving réalisent un changement de voie sans intervention du conducteur dans ses tests. C’est un point fort fonctionnel, mais pas une preuve d’autonomie complète. (iihs.org)
Combien coûte cette promesse logicielle
La tarification officielle apporte un autre angle que la source de départ ignorait. Selon le support de Tesla, le FSD (Supervised) est proposé à 99 $ par mois aux États-Unis, uniquement sous forme d’abonnement. Converti au taux de référence de la BCE du 22 juillet 2026, soit 1 € = 1,1408 $, cela représente 87 € par mois. C’est la première conversion à retenir. Rapporté à une base mensuelle de 30 jours, on obtient un coût d’environ 2,89 € par jour. Cette seconde métrique dérivée n’apparaissait pas non plus dans la source initiale. (tesla.com)
À ce niveau de prix, la promesse de personnalisation n’est plus anecdotique. Si un conducteur paie 87 € par mois pour un système supervisé, il attend une réduction tangible des micro-frictions. Le FSD doit faire gagner du temps, pas en consommer au moment le plus agaçant du trajet, celui de l’arrivée.
Face aux concurrents, Tesla ne joue pas exactement le même match
Comparer Tesla à ses concurrents oblige à distinguer trois approches.
BMW : la commodité locale
Selon BMW, Remote Control Parking permet de manœuvrer la voiture à distance via l’application My BMW pour entrer ou sortir d’un espace étroit. L’approche est utile, mais ciblée. Elle ne repose pas sur une promesse de conduite quasi générale avec apprentissage des préférences utilisateur à travers un large éventail de scénarios. BMW traite bien le micro-cas d’usage, moins la continuité du trajet. (bmw.com)
Mercedes-Benz : la mémoire de manœuvre, mais dans un périmètre précis
Le manuel 2026 du Mercedes-Benz EQS SUV mentionne Memory Parking Assist, capable de garer le véhicule ou de le faire sortir d’un itinéraire de stationnement précédemment appris. Là encore, l’idée de mémoire existe déjà chez un concurrent. La différence, c’est l’échelle fonctionnelle. Chez Mercedes, la mémoire s’applique à une manœuvre enregistrée. Chez Tesla, d’après les déclarations de Musk, la mémoire doit toucher des préférences plus diffuses : type de place, entrée du stationnement, allée visée, comportement en voie HOV, voire arbitrages récurrents sur route. Sur le papier, Tesla vise plus large. (static.oneweb.mercedes-benz.com)
Waymo : l’autonomie sans conducteur, mais dans un service fermé
Selon Waymo, son service de robotaxi commercial opère déjà à grande échelle dans plusieurs environnements urbains, accessibles via son application dans des villes comme San Francisco, Los Angeles ou Metro Phoenix, avec de nouvelles extensions annoncées en février 2026. Mais la comparaison a une limite évidente : Waymo vend un service de mobilité autonome dans des zones géographiques délimitées, pas un logiciel de conduite supervisée destiné au véhicule personnel partout et tout le temps. Tesla n’est donc pas en duel frontal sur le même produit. (waymo.com)
Ce que la source ne disait pas : Tesla appuie son discours sur un volume massif de données
La source d’origine restait très narrative. Les pages officielles de Tesla ajoutent un élément concret : la marque revendique une base d’apprentissage à grande échelle. Le site français FSD parle de « milliards de miles » de données anonymisées, et le rapport de sécurité chiffre précisément le kilométrage cumulé. C’est un ajout de fond, car il éclaire la stratégie produit : la personnalisation individuelle ne remplace pas le modèle global, elle se superpose à un apprentissage déjà massif. (tesla.com)
On peut même tirer une troisième lecture chiffrée. Les miles urbains représentent environ 37,7 % du total affiché par Tesla. Ce ratio renforce l’intérêt d’un travail ciblé sur le parking, les allées, les accès et les contextes de faible vitesse. Une part significative de l’expérience FSD se joue hors autoroute. Cette part est souvent moins spectaculaire en démonstration, mais plus décisive dans la satisfaction réelle. (tesla.com)
Le cas d’usage concret qui justifie cette évolution
Prenons un scénario banal. Vous entrez dans le parking d’un hypermarché un samedi. Le FSD sait éviter les piétons, suivre les marquages et ralentir. Mais il ignore peut-être que vous préférez la rangée proche de la sortie latérale, que vous vous garez toujours en marche arrière, et que vous évitez les places encadrées par de gros SUV. Si vous reprenez la main trois fois de suite dans ce même contexte, la prochaine version visée par Tesla doit, en théorie, retenir ce schéma.
C’est un changement modeste en apparence. En pratique, c’est peut-être le plus rentable pour l’utilisateur. La valeur d’une aide à la conduite ne se mesure pas seulement sur les longs trajets. Elle se mesure aussi sur les trente dernières secondes du trajet, souvent celles où l’on perd patience.
Le point de friction reste la sécurité perçue
Mon opinion ici est simple : si Tesla veut vendre cette évolution comme un progrès mature, la personnalisation devra rester lisible et prédictible. Un système qui “apprend” mal les préférences peut devenir plus déroutant, pas moins. C’est d’autant plus sensible que l’IIHS rappelle le manque de garde-fous de nombreux systèmes partiellement automatisés, et que la NHTSA martèle que le conducteur doit rester attentif. (iihs.org)
Le défi de Tesla n’est donc pas seulement logiciel. Il est aussi ergonomique. Le conducteur doit comprendre ce que la voiture a appris, dans quelles conditions, et comment corriger ce comportement. Sans cette transparence, la mémoire des préférences peut vite ressembler à une boîte noire de plus.
Ce que cette mise à jour dit du marché en 2026
Le marché n’est plus dans la simple surenchère de vocabulaire autour de la voiture « autonome ». En 2026, les écarts se creusent entre trois familles de solutions : les ADAS grand public supervisés, les fonctions spécialisées de parking ou de manœuvre, et les services de robotaxi géolimités. Tesla reste dans la première catégorie, avec l’ambition d’élargir constamment son domaine d’usage. Mercedes-Benz occupe une voie plus encadrée sur certains usages automatisés. Waymo opère un service autonome, mais dans un cadre fermé. BMW, lui, pousse des briques pratiques de stationnement à distance. (group.mercedes-benz.com)
Dans ce paysage, la personnalisation des préférences de parking est une évolution logique. Elle ne change pas le statut légal du produit. Elle peut en revanche changer la perception client, donc la valeur d’usage.
Le lien qui compte
Pour comprendre la portée réelle de cette évolution, le document le plus utile reste la page officielle de Tesla sur le FSD (Supervised) : https://www.tesla.com/support/fsd
Mon avis :
Bonne direction sur le papier : Tesla cible enfin un irritant concret, les interventions liées aux préférences, surtout sur voie rapide et au parking. Mais la promesse repose ici sur des posts d’Elon Musk, sans calendrier produit, validation indépendante ni preuve que FSD corrige ses ratés récurrents de stationnement et de choix de voie.
