Je viens de rejoindre Sonatus, leader dans le domaine des technologies automobiles, et je souhaitais faire le point et partager mes réflexions sur les raisons pour lesquelles j'ai estimé que c'était l'entreprise idéale pour moi.
Au cours des quatre dernières années, j'ai eu l'occasion de collaborer avec des constructeurs automobiles, des équipementiers de premier rang et des équipes d'ingénieurs au sein de l'écosystème des véhicules définis par logiciel (SDV). Au cours de cette période, notre secteur a réussi à résoudre des problèmes d'une complexité incroyable.
Nous avons mis au point des plateformes logicielles modernes pour les véhicules. Nous avons introduit des architectures orientées services, des processus de développement natifs du cloud, des mises à jour à distance, des ressources de calcul centralisées et des intergiciels de plus en plus sophistiqués. Les fondements du véhicule « software-defined » prennent forme.
Mais ces derniers temps, je me suis surpris à me poser une autre question : quelle est la prochaine étape ?
Plus je réfléchissais à cette question, plus je me convainquais que l'AI e représentait le prochain grand tournant dans le secteur automobile. Je pense que la prochaine étape de l'innovation automobile ne consistera pas à développer davantage de logiciels, mais à permettre aux véhicules — ainsi qu'aux équipes d'ingénieurs qui les conçoivent — d'apprendre en permanence à partir des données.
Avec des plateformes SDV arrivées à maturité, le goulot d’étranglement ne réside plus dans l’architecture logicielle du véhicule. Il réside désormais dans la capacité à collecter les données pertinentes, à les transformer en informations exploitables, puis à réinjecter rapidement ces informations dans des améliorations à tous les stades du développement, de la validation, de la production et de l’exploitation.
Parallèlement, l’ AI e générative a radicalement transformé le champ des possibles. L’ e générative ( AI ) s’intègre rapidement dans tous les processus d’ingénierie, mais l’ e générative ( AI ) ne tire sa valeur que des données et du contexte sur lesquels elle s’appuie. Deux capacités deviennent donc de plus en plus essentielles :
- Collecte et gestion intelligentes des données des véhicules
- Une plateforme d’ AI , du cloud à la périphérie, capable de mettre ces données en production
Sans ces bases, AI n'est qu'un outil de plus, isolé des autres. Avec elles, AI s'inscrit dans une boucle d'apprentissage continue.
En examinant l’écosystème automobile dans son ensemble, Sonatus s’est démarqué car cette entreprise met en place une infrastructure complète. La Fastlane™ Platform relie les données des véhicules, l’ AI et l’exécution en périphérie au sein d’un flux de travail unique, du cloud au véhicule : Fastlane™ Collector permet une collecte et une récupération précises et contextuelles des données provenant des véhicules ; Fastlane™ Insight applique un raisonnement d'AI s spécifique au secteur automobile pour accélérer les diagnostics et les décisions d'ingénierie ; et Fastlane™ Edge rend l’intelligence opérationnelle en déployant des modèles d’ AI directement dans le véhicule. Fastlane™ Copilot étend ces capacités aux flottes de prototypes et de validation, permettant ainsi aux équipes d’ingénierie d’accélérer les essais sans attendre l’intégration en production. Ensemble, ces solutions créent un système en boucle fermée dans lequel les véhicules observent, apprennent et s’améliorent en permanence.
Ce qui m'enthousiasme le plus, c'est qu'il ne s'agit pas simplement d'une énième gamme de logiciels : il s'agit d'un véritable tournant architectural, qui va au-delà des véhicules définis par logiciel pour s'orienter vers des véhicules qui s'améliorent en permanence grâce aux données et à l'AI.
Cette évolution modifie également la manière dont s'effectue la validation. Historiquement, les équipes d'ingénierie s'appuyaient fortement sur des outils de journalisation manuels et des flux de travail déconnectés pendant le développement. À mesure que la complexité des logiciels augmente, ce modèle devient de plus en plus difficile à adapter à l'échelle. L'avenir nécessite des flux de travail de validation unifiés couvrant les véhicules prototypes, les essais de pré-production, les flottes de production et les opérations post-SOP — tout en réinjectant en continu les connaissances techniques dans le développement. Cette vision devient de plus en plus concrète grâce à des workflows d’ AI s connectés au cloud et de l’informatique de périphérie intelligente.
Pour moi, rejoindre Sonatus ne signifiait pas simplement intégrer une énième entreprise de logiciels automobiles : il s’agissait de rejoindre une équipe qui travaille à ce que je considère comme la prochaine grande évolution du secteur. J’ai passé ces dernières années à travailler sur l’infrastructure qui rend possible l’existence de véhicules définis par logiciel. Je suis désormais impatient de contribuer à la mise en place de l’ AI e et des plateformes de données qui permettront l’avènement de la prochaine génération de véhicules connectés.
Le véhicule défini par logiciel a posé les bases. Le véhicule intelligent est la prochaine étape. Et je suis ravi de participer à sa conception.