Les deux filiales d’Alphabet se serrent les coudes. Waymo a décidé de faire appel à DeepMind, le spécialiste en intelligence artificielle, pour développer de meilleurs algorithmes. L’objectif est très clair : prendre un avantage concurrentiel sur le marché des voitures autonomes.
La complémentarité des métiers fait la force
C’est un secteur de plus en plus concurrentiel. En effet, de nombreux constructeurs tentent de sortir leur propre modèle de véhicule autonome. Pourtant, Waymo entend bien garder une longueur d’avance. Pour cela, la société DeepMind, petite sœur de Waymo, s’est intéressée de près aux algorithmes qui composent ces engins. L’entreprise cherche un processus plus efficace pour former et affiner les systèmes des véhicules autonomes. C’est là toute la force d’Alphabet : la complémentarité des métiers.
Inscrivez-vous à la newsletter
En vous inscrivant vous acceptez notre politique de protection des données personnelles.
Pour faire progresser Waymo, DeepMind utilise une technique appelée « formation basée sur la population » (PBT : population-based training), déjà utilisée par la société pour affiner les algorithmes utilisés pour les jeux vidéo. Concrètement cette technique consiste à s’inspirer des spécimens « les plus aptes » dans une population algorithmique, et à reproduire leur comportement.
Ce processus va accélérer le développement de Waymo
Pour progresser, Waymo doit régulièrement paramétrer ses algorithmes, les modifier, et les recalibrer en fonction des données recueillies par ses véhicules autonomes. Alors que les concurrents de la filiale d’Alphabet tentent de faire progresser leurs engins autonomes sur de vraies routes, pour le moment Waymo travaille beaucoup sur la simulation. L’entreprise passait récemment la barre des 10 milliards de kilomètres virtuels.
Pour Matthieu Devin, directeur de l’infrastructure et du machine learning chez Waymo : « l’un des principaux défis pour quiconque fait du machine learning dans un système industriel est de pouvoir reconstruire efficacement le système pour tirer profit du nouveau code. Nous devons constamment recycler nos algorithmes et réécrire les codes. Pour cette raison, les processus d’apprentissage imaginés par DeepMind devraient nous être utiles ».
