Nathan Lichtlé : développer des algorithmes de conduite autonome pour optimiser le trafic routier

• Titre de la thèse : Stabilisation et contrôle des systèmes dynamiques : des méthodes classiques à l’apprentissage par renforcement (https://theses.fr/2024ENPC0030 / https://theses.hal.science/tel-05004078)
• Université de délivrance : École nationale des ponts et chaussées, en cotutelle avec l'Université de Berkeley en Californie
• Directrice et/ou directeur de thèse : Amaury Hayat (CERMICS) et Alexandre Bayen (University of California, Berkeley, EECS, BAIR)
• Poste actuel : Startup en IA

Qu’est-ce qui vous a motivé à faire une thèse en lien avec le monde socio-économique ? 

Au cours de mon cursus, j’ai fait plusieurs stages de recherche qui m’ont donné envie de poursuivre en thèse, pour approfondir des sujets qui m’intéressent depuis longtemps, notamment en intelligence artificielle et en contrôle. Faire une thèse me permettait de travailler à la pointe de la recherche sur ces thématiques, tout en restant libre dans le choix de mes projets, ce qui est difficile en industrie. Je tenais cependant à travailler sur des applications concrètes. Comme je connaissais déjà mes encadrants grâce à mon dernier stage, je savais que je pourrais collaborer avec le secteur automobile et expérimenter sur des véhicules en conditions réelles, ce qui était exactement ce que je cherchais.

Vous avez reçu le prix Caseau pour le thème « La décarbonation de l’économie ». Pouvez-vous nous parler de votre sujet de thèse et son lien avec ce thème ?

J'ai travaillé sur beaucoup de projets différents pendant ma thèse, mais mon fil directeur portait sur l'amélioration du trafic routier en contrôlant de manière intelligente des véhicules autonomes déployés au milieu des automobilistes. J'ai développé des méthodes d'apprentissage par renforcement, à l'interface entre intelligence artificielle et contrôle, ainsi que des simulateurs de trafic. Cela m'a permis de concevoir des algorithmes de conduite capables d'apprendre, à partir de millions de simulations, à adopter une conduite plus fluide et à dissiper les embouteillages. J'ai également optimisé ces approches pour minimiser la consommation de carburant et les émissions de CO₂ à grande échelle. Ma thèse montre donc qu'une faible proportion de véhicules conduisant intelligemment suffit à stabiliser le trafic et à générer des gains significatifs de carburant pour l'ensemble des usagers, avec un impact direct sur l'empreinte carbone. Enfin, j'ai validé ces résultats à grande échelle en déployant mes algorithmes sur une centaine de véhicules autonomes sur autoroute, en collaboration avec le consortium CIRCLES et des partenaires industriels, dont Nissan, Toyota et GM.

Quels ont été les principaux défis que vous avez rencontrés lors de votre recherche ?

Mon enjeu principal durant ce projet était de rendre les algorithmes de conduite suffisamment robustes pour un déploiement en conditions réelles. Le problème est déjà complexe en soi : il s’agit de développer des algorithmes permettant de contrôler une très faible quantité de véhicules de manière à influencer l’ensemble du trafic, un système dynamique où des centaines, voire des milliers de véhicules interagissent avec des comportements variés. Le défi majeur a été de dépasser le cadre de la simulation et de concevoir des méthodes directement transférables sur autoroute sur 100 véhicules autonomes, en plein trafic aux heures de pointe, avec de fortes contraintes de sécurité. Ce qui rend cela difficile, c’est que la réalité est bien plus complexe que les simulations : les capteurs des véhicules ne sont pas parfaits, les conducteurs peuvent se comporter de manière imprévisible, et les algorithmes doivent être robustes à ces perturbations. Sur trois ans, j’ai d’abord développé de nombreux prototypes pour valider les approches dans différents scénarios, puis des simulateurs de trafic rapides et réalistes, basés sur des données réelles, afin de mieux capturer les phénomènes observés sur autoroute. Enfin, l’étape la plus difficile a été le passage à la réalité : intégrer ces méthodes dans des véhicules commerciaux, tout en garantissant leur fiabilité et leur sécurité.

De quelle manière votre travail a-t-il bénéficié aujourd’hui ou bénéficiera dans le futur au monde socio-économique ?

Il y a déjà un impact concret : le projet a montré qu’avec une très faible proportion de véhicules contrôlés (de l’ordre de 1 à 3 %), on peut lisser le trafic, réduire les embouteillages et diminuer la consommation de carburant pour l’ensemble des usagers. À l'échelle d'une autoroute, cela peut représenter plusieurs milliers de litres de carburant économisés chaque jour. D’un point de vue socio-économique, l’approche est intéressante car elle ne nécessite pas de modifier l’infrastructure routière : elle peut s’intégrer dans des systèmes d’aide à la conduite existants sur la grande majorité des véhicules modernes, via de simples mises à jour logicielles, avec un coût de déploiement potentiellement très faible. Les conducteurs pourraient alors activer ce type de système sur autoroute, comme ils le font déjà avec les régulateurs de vitesse adaptatifs. À titre de comparaison, les solutions classiques de régulation du trafic reposent souvent sur des infrastructures coûteuses et longues à mettre en place, comme les panneaux à limitation de vitesse variable ou les feux de régulation à l’entrée des autoroutes. Côté industriel, les collaborations avec Nissan, Toyota et GM ont permis de valider la faisabilité de ces approches, et certains de leurs laboratoires de recherche expérimentent déjà avec les algorithmes développés pendant le projet.

Quels conseils donneriez-vous à des jeunes souhaitant orienter leurs recherches en mathématiques vers des applications concrètes ?

Je conseillerais de chercher assez tôt un cadre qui connecte théorie et applications, par exemple une thèse CIFRE ou une équipe de recherche qui est en collaboration avec des partenaires industriels, et de choisir ses encadrants en conséquence, car ces collaborations déterminent souvent l’accès à des expérimentations concrètes. Dans mon cas, sans partenaires industriels, j’aurais pu faire des expériences sur un ou deux véhicules, mais jamais à l’échelle de 100. Faire des stages en industrie pendant sa thèse est aussi un très bon moyen d'acquérir cette expérience et de travailler sur des applications intéressantes. Il me semble aussi important de partir d’un problème réel plutôt que d’une méthode, ce qui permet de s'éloigner de la théorie pure en testant d'abord rapidement des méthodes et idées sur des systèmes simples pour en évaluer la viabilité. C'est d'autant plus important que dès lors que l'on commence à travailler sur des applications concrètes, tout devient beaucoup plus complexe et moins "propre" qu’en théorie (données bruitées, hypothèses fragiles, contraintes imprévues...), d'où l'intérêt de s'y confronter le plus tôt possible.

Comment voyez-vous le rôle des mathématiques dans la résolution de problématiques sociétales actuelles ?

Je vois les mathématiques comme un outil essentiel pour comprendre et agir sur des systèmes complexes. Beaucoup de problématiques sociétales actuelles, comme les transports, la santé ou l’énergie, reposent sur des dynamiques collectives qui peuvent être difficiles à appréhender quand l’intuition humaine atteint ses limites. Les mathématiques permettent de modéliser ces systèmes, et ainsi de les comprendre, d’anticiper leurs effets et de tester des mesures avant de les déployer. Par exemple, dans mon domaine, elles permettent de comprendre les mécanismes contre-intuitifs d’instabilité du trafic, notamment pourquoi des vagues d’accélération et de ralentissement se forment souvent sur autoroute sans aucun accident ni obstacle pour les justifier, et de concevoir des stratégies de contrôle robustes pour y remédier. Pour moi, mathématiques et intelligence artificielle sont complémentaires : l’IA apporte de la flexibilité et permet de naviguer des systèmes très complexes, tandis que les mathématiques apportent le cadre, la compréhension du système et les garanties nécessaires pour aller vers des solutions réellement déployables en toute sécurité. Au-delà de produire des modèles, elles permettent aussi d’en quantifier les incertitudes et d’en comprendre les limites, ce qui est souvent essentiel lorsque des décisions importantes en dépendent. Plus largement, je pense qu'elles contribuent à développer une manière de raisonner et un esprit critique qui sont très utiles au-delà du cadre scientifique, pour aborder des problèmes complexes dans de nombreux domaines.

Quels sont vos projets pour la suite ?

Aujourd’hui, je développe plusieurs projets en intelligence artificielle en startup, notamment dans le domaine médical. Les deux choses que j'ai le plus appréciées durant ma thèse étaient de construire des systèmes concrets et performants, comme des simulateurs ou des algorithmes d'apprentissage, et d'entrainer des intelligences artificielles pour les voir apprendre et évoluer, notamment dans les simulations que je leur ai créées, mais aussi en conditions réelles, comme lorsqu'elles contrôlaient simultanément une centaine de véhicules sur autoroute. Je continue ainsi, dans la lignée de mon doctorat, à concevoir et construire des systèmes pour des applications très concrètes, à la pointe de la recherche en intelligence artificielle.