Une enquête sur les causes profondes dans le cadre du développement d’un véhicule dure en moyenne 17 semaines. Les coûts liés aux garanties dans l’ensemble du secteur ont atteint 58 milliards de dollars en 2024, soit le double de leur niveau de 2012. Et les véhicules ne cessent de gagner en complexité, avec davantage de logiciels, davantage de domaines fonctionnels et des interactions de plus en plus subtiles entre des systèmes qui n’ont pas été conçus pour communiquer entre eux.
Le problème ne réside pas dans le manque de données. Il réside dans le manque d'intelligence appliquée à ces données – au bon moment, au bon endroit, tout au long du cycle de vie complet du véhicule.
La Fastlane™ Platform est la solution proposée par Sonatuspour résoudre ce problème. Il s’agit d’une plateforme d’ AI s sur les véhicules qui associe la collecte intelligente de données, l’analyse technique basée sur l’ AI et l’intelligence embarquée au sein d’un système unique et homogène. Un système qui gagne en intelligence à chaque enquête, à chaque déploiement et à chaque véhicule de la flotte.
La qualité des véhicules dans une approche en boucle fermée
L'« Fastlane Platform » a été conçue autour d'une idée unique : l'ingénierie automobile doit fonctionner comme un circuit fermé, et non comme une succession de réactions isolées.
Cette boucle est la suivante : Détecter → Collecter → Raisonnement → Agir → Apprendre.
Les véhicules sont configurés pour détecter les comportements suspects. La plateforme enregistre le contexte précis entourant ces événements. L'AI , au sein de la division Véhicules, analyse les données des véhicules, les connaissances techniques, les enquêtes antérieures et le comportement de la flotte. Les nouvelles informations obtenues sont réinjectées dans les véhicules. Chaque enquête permet d'améliorer la suivante.
Au lieu de considérer chaque problème comme un nouveau départ, les connaissances techniques s'accumulent. La flotte devient un système en apprentissage continu, et chaque véhicule qui la compose contribue à améliorer le suivant.
Ce cycle s'étend sur l'ensemble du cycle de vie du véhicule, depuis le premier essai du prototype jusqu’aux années d’exploitation en série et au service après-vente.
Quatre produits – Un flux de travail intelligent
Fastlane™ Collector – Cerner le bon contexte
Le problème avec les données relatives aux véhicules, ce n'est pas leur volume, mais leur pertinence. La plupart des équipes collectent trop de données inutiles et pas assez de données pertinentes au bon moment.
Fastlane Collector remplace la journalisation générale et statique par une capture de données intelligente et pilotée par les événements. Les ingénieurs utilisent des politiques basées sur l'AI e pour capturer précisément les signaux du véhicule, les diagnostics, les journaux et l'activité réseau nécessaires à une enquête spécifique – déclenchée par l'événement précis du véhicule qui importe, quel que soit le domaine concerné.
Les résultats à grande échelle sont impressionnants. Un équipementier mondial est passé de cinq cas d’utilisation actifs en matière de collecte à près de 100, tout en augmentant son parc de véhicules connectés de 1 million à plus de 8 millions. Au cours de cette même période, le volume de données transmises et stockées a diminué de 75 %. Davantage de cas d’utilisation, avec moins de données, à moindre coût.
Fastlane Collector crée également une couche de données sur les véhicules consultable, offrant aux équipes d'ingénierie un accès immédiat aux informations historiques et en temps réel sur l'ensemble de la flotte, sans avoir à programmer un nouvel essai routier ni à attendre un téléchargement planifié.
Fastlane™ Insight – Transformer le contexte en intelligence technique
Il est indispensable de recueillir le contexte approprié. Comprendre ce que cela signifie, c'est là le plus difficile.
Fastlane Insight utilise une « AI automobile » basée sur le cloud pour mettre en corrélation les données télémétriques, les diagnostics, les journaux logiciels, les spécifications techniques, l’historique d’entretien et les enquêtes précédentes, afin de présenter une vue unique et cohérente du problème. Elle reconstitue les relations de causalité, identifie les causes profondes probables et recommande les prochaines étapes, remplaçant ainsi la corrélation manuelle entre plusieurs systèmes qui accapare actuellement la majeure partie du temps consacré par les ingénieurs aux enquêtes.
Le résultat ne se limite pas à une analyse plus rapide. Il s'agit d'une ingénierie plus cohérente. Les enseignements tirés de chaque enquête viennent enrichir une base de connaissances en constante expansion, ce qui permet de résoudre les problèmes futurs plus rapidement et avec davantage d'assurance, plutôt que de repartir de zéro à chaque fois.
Fastlane™ Edge – Mettre en œuvre l'intelligence automobile
Si l'Fastlane Insight , basée sur le cloud, explique ce qui s'est passé et pourquoi, les véhicules devraient être tout aussi capables de reconnaître ce qui se passe en temps réel : c'est là qu'intervient l'Fastlane Edge .
Fastlane Edge intègre directement l'AI e dans le véhicule, permettant ainsi aux modèles d'AI , aux capteurs virtuels, à la logique de diagnostic et à l'analyse prédictive de fonctionner là où les données sont générées. Les véhicules évaluent en permanence leur propre comportement en temps réel, détectant les anomalies avant que les seuils traditionnels ne soient dépassés, surveillant les fonctions définies par logiciel et identifiant les schémas de dégradation qui se développent progressivement au fil des semaines ou des mois.
Mais « Fastlane Edge » ne se contente pas de surveiller le comportement des véhicules. Il permet aux équipes d’ingénieurs de déployer dans les véhicules de série des fonctionnalités entièrement nouvelles, définies par l’ AI, allant des capteurs virtuels qui remplacent le matériel dédié aux diagnostics prédictifs, en passant par les étalonnages adaptatifs et les fonctionnalités intelligentes définies par logiciel qui améliorent en permanence les performances, l’efficacité et la fiabilité des véhicules.
Fastlane™ Copilot – Réduire le délai de mise en service des véhicules AI
Les véhicules modernes ont dépassé le cadre des méthodes de validation traditionnelles. La collecte de données statiques, les analyses manuelles et les essais routiers répétés ne suffisent plus à suivre le rythme des systèmes automobiles de plus en plus interconnectés et basés sur des logiciels. Les équipes de validation d’aujourd’hui ont besoin de solutions à la hauteur de la sophistication et de la complexité des véhicules modernes : des outils capables de détecter les événements significatifs, de saisir le contexte approprié, d’appliquer une analyse fondée sur l’ AI s et d’améliorer en permanence chaque analyse.
Fastlane Copilot Il s'agit d'une plateforme matérielle modulable qui s'installe directement dans les prototypes et les véhicules d'essai existants, sans nécessiter aucune modification des architectures de production. Elle apporte des fonctionnalités d'Fastlane Collector et d'Fastlane Edge aux flottes de prototypes au cours de cette phase critique du développement, en les connectant à des outils d'analyse de l'AI des véhicules dans le cloud.
Les équipes de validation bénéficient d'une collecte de données intelligente, d'une inférence « AI » embarquée et de workflows d'analyse basés sur l'AI. Le véhicule devient immédiatement une plateforme de validation performante. Les équipes d'ingénieurs consacrent ainsi plus de temps à résoudre les problèmes qu'à les reproduire.
Concrètement, cela se traduit ainsi
L'Fastlane Platform e révolutionne le déroulement de l'ensemble du processus d'ingénierie.
Au lieu de passer des heures à extraire manuellement des données des prototypes de véhicules, les ingénieurs disposent en quelques minutes exactement du contexte dont ils ont besoin. L’analyse basée sur la technologie « AI » identifie rapidement les anomalies, établit des corrélations entre les comportements dans les différents domaines du véhicule et réduit le nombre de causes possibles avant même que les ingénieurs ne commencent leur enquête manuelle. L’analyse des causes profondes et la rédaction de rapports, qui prennent généralement un à deux jours, peuvent souvent être réalisées en moins d’une heure.
L'impact global est considérable. Les premiers essais ont montré que les délais de traitement et de résolution, de bout en bout, ont été réduits, passant d'environ 1,5 à 3 jours à seulement 1 à 2 heures , soit une amélioration d’environ 90 %. Plutôt que de collecter sans cesse des données et de revenir sur les étapes de l’enquête, les équipes d’ingénieurs consacrent leur temps à valider des solutions, à améliorer les logiciels et à faire avancer les programmes automobiles.
Dans le cadre des déploiements de flottes de production, la solution « Fastlane Edge » permet une maintenance prédictive grâce à des fenêtres d’alerte qui offrent aux équipes d’ingénierie et de service un délai de réaction significatif : quatre à huit semaines pour la dégradation thermique des moteurs et des onduleurs, deux à trois mois pour les écarts de résistance des batteries haute tension, et trois à six mois pour l’épuisement des batteries des capteurs TPMS. Éviter un seul rappel à grande échelle peut permettre à un équipementier d’économiser plus de 100 millions de dollars. La maintenance planifiée coûte généralement plusieurs fois moins cher que les réparations réactives, une fois pris en compte les coûts liés aux interventions d’urgence, aux dommages collatéraux et aux garanties associées.
En ce qui concerne les fonctionnalités des véhicules définies par logiciel, l’impact de l’ Fastlane Edgese mesure en termes de temps d’intégration et de rentabilité unitaire. Un système de réglage de la hauteur des phares basé sur un logiciel — remplaçant un capteur matériel traditionnel — permet d’économiser environ 20 dollars par véhicule et de réduire le temps d’intégration de plusieurs mois à quelques jours. Le déploiement d’un système de détection d’intrusion basé sur un LLM, dans lequel Fastlane Edge filtre les alertes avant qu’elles n’atteignent le cloud, réduit les coûts d’infrastructure cloud de 60 % et accélère le triage des menaces de 80 %. Un modèle de gestion des batteries sensible au contexte atteint une précision de 98,7 % dans la prédiction des défaillances de batterie — ce qui laisse suffisamment de temps aux équipes de terrain pour intervenir avant même que le client ne remarque un problème.
Quand la boucle se referme
Pris individuellement, chaque produit Fastlane apporte une réponse à un problème concret. Ensemble, ils offrent une approche radicalement différente de la conception, de la validation et de l'amélioration des véhicules.
Les véhicules effectuent en permanence une auto-surveillance. Le contexte est capturé automatiquement. L’ AI t des véhicules analyse les connaissances issues de l’ingénierie et de la gestion de flotte pour expliquer ce qui s’est passé et prédire ce qui va se produire. Cette nouvelle intelligence est déployée au sein de la flotte, où elle détecte plus tôt les événements à venir, affine le comportement des logiciels et élargit les capacités de chaque véhicule.
La boucle « Détecter → Collecter → Analyser → Agir → Apprendre » est un système d'ingénierie fonctionnant en continu, dont les capacités s'améliorent à chaque véhicule, à chaque enquête et à chaque mile parcouru.
À mesure que les véhicules reposent de plus en plus sur des logiciels, l'ingénierie doit, elle aussi, s'appuyer de plus en plus sur l'intelligence. Les entreprises qui agiront le plus rapidement ne se contenteront pas de développer de meilleurs logiciels. Elles construiront des véhicules capables d'observer, de raisonner, d'apprendre et de s'améliorer en permanence.
C'est précisément dans ce but qu'a été créé le programme « Fastlane Platform ».
