Porsche à la tête d’une boucle vertueuse de données partagée entre les marques du groupe Volkswagen

Lors de la conférence GTC de NVIDIA à Berlin, le 21 octobre 2026, Porsche, les marques du groupe Volkswagen et CARIAD ont annoncé qu’elles construisaient ensemble une boucle vertueuse de données partagée pour le développement des véhicules autonomes, Porsche dirigeant la mise en œuvre initiale et l’intégration de l’écosystème avec Voxel51, NVIDIA et Microsoft.

Le groupe Volkswagen dirige le développement d’une pile d’IA physique qui relie les données de sa flotte à la simulation, à l’entraînement et à l’évaluation. Selon Voxel51, la flotte connectée du groupe génère chaque jour un volume de données équivalent à celui de 11 000 conducteurs moyens, et les entreprises s’attendent à ce que leur collaboration réduise jusqu’à 90 % les essais routiers physiques répétés et raccourcisse jusqu’à 85 % les cycles de tests de régression de l’IA.

Rôle des partenaires dans la boucle vertueuse

Les entreprises présentent cette collaboration comme une architecture de référence pour les constructeurs automobiles qui développent des systèmes de conduite avancés de nouvelle génération.

Volkswagen apporte sa flotte connectée, des données de conduite en conditions réelles, sa plateforme de véhicules et ses exigences système. Voxel51 fournit la couche de données, qui alimente six flux de travail dans la boucle vertueuse : recherche et récupération multimodales, étiquetage automatisé, sélection de données en fonction des scénarios, équilibrage des jeux de données, sélection des données d’entraînement et validation des modèles. NVIDIA apporte des technologies de récupération et de génération de données ainsi que de simulation, notamment Cosmos Data Factory pour préparer, enrichir et évaluer les données d’entraînement, les bibliothèques Omniverse NuRec pour reconstruire des trajets réels, ainsi que des modèles et des outils ouverts pour tester les systèmes de conduite en simulation. Microsoft Azure fournit le cloud et la puissance de calcul ; les charges de travail s’exécutent à l’échelle de la flotte sur l’infrastructure que le groupe utilise déjà.

Le communiqué publié par NVIDIA dans sa propre salle de presse à l’occasion de la conférence indique que Porsche dirige le développement d’un flux de travail fondé sur une boucle vertueuse de données entre les marques du groupe Volkswagen, par l’intermédiaire de Voxel51, avec Cosmos Data Factory et Omniverse NuRec sur Azure.

Rishi Dhall, vice-président de NVIDIA chargé du secteur automobile, a déclaré dans l’annonce que la simulation transforme l’expérience de conduite en conditions réelles en un cycle continu d’apprentissage et d’amélioration, et que le groupe Volkswagen peut convertir les données de sa flotte en scénarios de simulation haute fidélité à l’aide de la plateforme de données de Voxel51, associée à Omniverse NuRec et à Cosmos.

Audits, seuils de génération et résultats de reconstruction

La validation virtuelle des versions des logiciels de conduite est l’une des premières applications de la boucle vertueuse pour Porsche et le groupe Volkswagen. Les ingénieurs génèrent des images de caméra reconstruites à partir de trajets réels, puis comparent les résultats simulés aux mesures effectuées en conditions réelles. Selon Voxel51, l’objectif est de rendre les tests reproductibles, de raccourcir les cycles de retour d’information et de réduire la dépendance aux essais routiers physiques.

Avant qu’un enregistrement ne soit envoyé pour reconstruction sur GPU, Voxel51 audite le journal brut à l’aide d’environ 80 contrôles portant sur l’intégrité des capteurs, la synchronisation, l’étalonnage, les trajectoires, les acteurs et les repères de coordonnées. Un examen technique approfondi de Dan Gural, responsable des partenariats en IA physique chez Voxel51, indique que l’audit lit directement les fichiers MCAP et se déroule en trois étapes : une vérification du manifeste, d’environ une milliseconde par trajet ; une vérification des séquences, d’environ une seconde ; et une vérification après décodage, de quelques minutes par trajet. Chaque contrôle indique s’il a réussi, échoué ou n’a pas pu être exécuté, conformément à une règle que Voxel51 formule ainsi : « l’absence de réponse ne vaut pas validation ». Ainsi, une donnée manquante ne peut pas être considérée comme valide.

Gural décrit le processus en cinq étapes : rechercher, vérifier, générer, reconstruire et évaluer. Pour l’étape de recherche, la plateforme intègre NVIDIA Cosmos Dataset Search ; les séquences sont vectorisées avec Cosmos-Embed1 et stockées dans Milvus. Un système de reclassement agentique demande ensuite à un modèle planificateur de rédiger une grille d’évaluation à partir de l’intention de recherche, utilise Cosmos Reason pour noter chaque séquence en fonction de cette grille, puis reclasse la liste.

Gural indique que Voxel51 a validé l’audit sur sept jeux de données publics : nuScenes, Waymo, PandaSet, Argoverse 2, MAN TruckScenes, aiMotive et Lyft Level 5. L’audit a détecté 25 problèmes confirmés dans les données publiées, dont 17 ont été corrigés avant la reconstruction. Concernant la génération de données synthétiques avec Cosmos Data Factory, l’examen approfondi rapporte que les éléments de preuve consignés aux seuils de contrôle ont montré que 12 pas d’échantillonnage égalaient 35 en taux d’acceptation, ramenant le coût de 6,80 à 2,43 minutes-GPU par séquence ; qu’un seuil portant sur les attributs n’a validé que 30 à 38 % des séquences générées ; et que le recalibrage du modèle d’évaluation a fait passer le taux de validation sémantique de 3 % à 91 %, sans temps GPU supplémentaire.

Pour la reconstruction, l’examen approfondi fait état d’un rapport signal/bruit de crête médian de 29,05 dB pour 25 scènes publiques de nuScenes traitées sur des GPU NVIDIA H100. Il cite une scène nocturne de nuScenes qui a obtenu 28,59 dB selon cette mesure, mais affiché un indice de similarité structurelle de 0,56 et un score de similarité perceptuelle apprise de 0,61. Gural s’appuie sur cet exemple pour montrer qu’une valeur unique de qualité d’image peut valider un résultat visiblement médiocre. Chaque reconstruction est soumise à une vérification humaine : les ingénieurs peuvent l’approuver pour la simulation, la renvoyer pour un nouvel entraînement ou la rejeter. Les scènes terminées sont ensuite regroupées dans des fichiers USDZ prêts à être utilisés par des simulateurs, notamment NVIDIA AlpaSim.

Déploiement sur Azure et gestion de la boucle

Chaque étape est exécutée sous forme de tâche sur Microsoft Azure, où Volkswagen Group gère les données de sa flotte. Azure fournit le stockage et la puissance de calcul nécessaires au traitement des données, à la reconstruction et à la simulation, tout en maintenant ces charges de travail dans le cadre de sécurité, de gestion des identités et de gouvernance régionale déjà en place au sein du groupe.

Voxel51 a indiqué qu’un modèle de données commun permet aux données de conduite et aux scénarios créés dans un projet de suivre leur parcours d’un programme de véhicules, d’une version logicielle ou d’une marque à l’autre. Chaque nouveau trajet enrichit la base de scénarios, tandis que les scènes reconstruites peuvent être réutilisées lors de futurs cycles de développement et de validation.

Le cofondateur et PDG de Voxel51, Brian Moore, a écrit qu’un constructeur automobile peut maîtriser son cycle de développement sans devoir créer lui-même chaque outil : « Pour atteindre des performances véritablement à la pointe du secteur, il est essentiel de tirer parti des données auxquelles votre entreprise a accès. Vous devez maîtriser le cycle de développement et d’itération, même si vous ne construisez pas vous-même toutes les couches de la pile technologique. » Voxel51 décrit sa plateforme comme extensible : elle permet aux équipes d’utiliser leurs propres modèles, de définir une logique de scénarios personnalisée et de connecter les données et l’infrastructure existantes, sans imposer la manière dont le système de conduite lui-même est conçu.

Voxel51 a raconté avoir commencé à travailler avec Porsche en 2024, lorsque le responsable technique de Porsche, Tin Stribor Sohn, a décrit le défi lié aux données comme nécessitant un étiquetage automatisé pour comprendre les données, la détection de scénarios pour repérer les éléments nouveaux ou importants, et une sélection afin d’éliminer les redondances. Citant une enquête de McKinsey, la publication de Voxel51 indique également qu’un consommateur sur quatre dans le monde changerait de marque pour bénéficier de meilleures fonctionnalités de conduite autonome.

Par ailleurs, à GTC Berlin, le communiqué de NVIDIA indique que Volkswagen Commercial Vehicles présente sa plateforme de véhicule autonome ID. Buzz AD, basée sur la plateforme informatique NVIDIA Hyperion, pour prendre en charge plusieurs systèmes de conduite autonome.