Autonomie des voitures électriques : cette IA promet des estimations (beaucoup) plus fiables que le WLTP

Cela ne vous aura pas échappé, le cycle d’homologation WLTP, qui sert à définir l’autonomie des voitures électriques, fait régulièrement l’objet de critiques. On dit de lui qu’il ne reflète pas la diversité réelle des usages. Dans une récente étude, des chercheurs ont tenté de remplacer cette approche statique grâce à l’IA. Ils proposent une nouvelle méthode de calcul adaptative qui fait sens.

Définir l’autonomie des voitures électriques

Il faut remettre le sujet dans son contexte. Si le WLTP est ouvertement critiqué, ce cycle n’est pourtant pas né d’une mauvaise intention. Au départ, il a été mis en place pour remplacer l’ancien cycle NEDC, et visait à rapprocher les chiffres d’homologation des usages réels. Mais malgré des analyses de vitesse plus variées et une durée de test allongée, il reste un cycle standardisé, réalisé dans des conditions très précises et tout simplement impossibles à reproduire dans la vie quotidienne. Résultat, l’autonomie affichée sur la fiche technique des voitures électriques sert surtout à comparer les modèles entre eux, beaucoup moins à anticiper l’autonomie réellement disponible sur un trajet donné.

À lire aussi

Voici les voitures électriques dont la batterie s’use le moins vite

C’est précisément ce décalage que des chercheurs ont voulu explorer dans une étude publiée il y a quelques semaines dans la revue Nature. Leur point de départ est de dire que l’autonomie d’une voiture électrique n’est pas une valeur fixe, mais une donnée extrêmement contextuelle, qui dépend en permanence de multiples paramètres. Parmi ceux-ci, on retrouve la pente de la route, la vitesse, le style de conduite, l’état de charge de la batterie, la température extérieure ou encore l’usage de la climatisation. Autant de critères qui, vous le savez si vous roulez en électrique, influencent directement la consommation. Et parfois de façon bien plus marquée que ne le laissent penser les cycles d’homologation.

Cette IA s’en charge

Pour tenter de mieux refléter cette réalité, des chercheurs ont développé un modèle basé sur l’intelligence artificielle (IA), capable d’estimer l’autonomie restante d’un véhicule électrique en temps réel. Faute de base de données publique suffisamment complète, ils se sont appuyés sur un jeu de données synthétique comprenant près de 2 000 scénarios de conduite. Chaque scénario combine différents paramètres comme la topographie, les conditions météorologiques, la vitesse, l’accélération ou encore le niveau de charge de la batterie. Ces données ont servi à entraîner plusieurs algorithmes de machine learning. Des modèles classiques, mais aussi des architectures plus complexes.

Avec cette étude, l’objectif n’était pas seulement de prédire l’autonomie restante d’une voiture électrique, mais aussi d’identifier des conditions de conduite dites « optimales ». En particulier en matière de vitesse et d’accélération. Avec comme objectif de maximiser l’efficacité énergétique. Les auteurs estiment que « la combinaison de plusieurs modèles permet d’atteindre un niveau de précision élevé, bien supérieur à celui d’une estimation basée sur un cycle statique ». L’IA a permis de tester les différentes combinaisons.

Le relief, critère déterminant

L’étude met également en lumière le poids réel de certains facteurs souvent sous-estimés. Comme on peut le voir sur ce graphique, le relief apparaît comme le paramètre le plus déterminant, davantage que la vitesse moyenne. L’état de charge joue aussi un rôle important. La consommation n’évolue pas de manière linéaire à mesure que la batterie se vide. À l’inverse, certains éléments comme la météo ou l’usage des équipements auxiliaires ont un impact plus limité quand on les prend de manière isolée. Ils deviennent pertinents lorsqu’ils sont combinés à d’autres variables.

Le cycle WLTP bientôt remis en question ?

Sur le papier, cette approche marque une rupture assez nette avec les calculs du WLTP. Là où le cycle d’homologation européen fournit une valeur unique et figée, l’IA développée par ces chercheurs promet de proposer une estimation dynamique, recalculée en fonction de la situation réelle du véhicule. Une logique qui se rapproche totalement de ce que recherchent les conducteurs, notamment lors des longs trajets ou dans des environnements contraignants. À la montagne ou sur l’autoroute par exemple.

Bon, les chercheurs appellent tout de même à la prudence. Ils précisent que le modèle repose exclusivement sur des données simulées, et qu’il n’a pas encore été confronté à des mesures issues de véhicules en conditions réelles. Les résultats sont prometteurs, mais ils ne constituent pas à ce stade une alternative opérationnelle au WLTP.

Mais cette étude a au moins le mérite d’ouvrir la voie à une évolution du calcul de l’autonomie des voitures électriques. Demain, les constructeurs ne se contenteront probablement plus d’un simple chiffre affiché sur une brochure, mais ils pourraient proposer des données évolutives intégrées aux systèmes de navigation. C’est déjà le cas sur certains modèles, mais cela manque de précision.