Finance, transport et autres secteurs

18.1Finance, banque et assurance

18.2Transport et mobilité autonome

Schéma18.1. Les niveaux d'autonomie (échelle SAE). En 2026, des taxis sans chauffeur (niveau 4) circulent commercialement dans plusieurs villes, sur des zones définies. Le niveau 5 (rouler partout, par tout temps) reste un horizon lointain : c'est la « longue traîne » des situations rares et imprévues qui résiste encore.

Repère

L'état de la conduite autonome en 2026

Derrière l'échelle SAE, le paysage réel s'est clarifié, autour de deux paris opposés. Waymo (filiale d'Alphabet) est nettement en tête : à la mi-2026, ses taxis sans chauffeur (niveau 4) assurent autour de 500 000 courses payantes par semaine dans une dizaine de villes américaines, et le service s'étend à l'international (Tokyo, Londres). Sa recette : une combinaison coûteuse de lidars, radars et caméras, des cartes haute définition de chaque rue, et une extension prudente, ville par ville. Tesla fait le pari inverse : des caméras seules et un apprentissage massif à partir des données de sa flotte, dans l'espoir d'une autonomie généralisable partout (et, à terme, de transformer les voitures des particuliers en taxis) ; son service de robotaxis, lancé à Austin en 2025, reste à ce jour bien plus modeste en taille et en zone couverte, la plupart des trajets conservant un opérateur de sécurité. D'autres entrent dans la course (Zoox, filiale d'Amazon ; Uber, qui intègre des véhicules autonomes ; des acteurs chinois comme Baidu, Pony.ai ou WeRide). Le verdict provisoire : la faisabilité du niveau 4 en zone urbaine délimitée est prouvée, mais le passage à l'échelle bute sur la longue traîne (les situations rares), sur la réglementation locale et sur la confiance du public, que le moindre accident remet en jeu.

Repère

La voiture et le « dilemme du tramway »

La conduite autonome a ravivé un vieux problème de philosophie morale, le dilemme du tramway : face à un accident inévitable, une voiture devrait-elle être programmée pour, par exemple, sacrifier son passager plutôt que plusieurs piétons ? Ces scénarios ont nourri d'innombrables débats (et une vaste enquête mondiale, la Moral Machine du MIT, révélant que les intuitions varient selon les cultures). Mais beaucoup d'ingénieurs jugent la question en partie mal posée : dans la réalité, un véhicule ne « choisit » presque jamais une victime, il cherche avant tout à freiner et à éviter ; et il n'a généralement pas l'information (qui se trouve où, combien de personnes) que supposent ces dilemmes théoriques. Le vrai débat éthique est plus prosaïque, mais plus pressant : quel niveau de risque global est acceptable pour autoriser ces véhicules, comment comparer leur sécurité à celle des conducteurs humains, et qui est responsable en cas d'accident (chapitre 21) ? Le dilemme du tramway est un excellent exercice de pensée, mais il ne doit pas masquer ces questions concrètes, qui décideront réellement du déploiement.

Repère

L'IA automobile au-delà de la conduite

La voiture autonome occupe le devant de la scène, mais l'IA transforme aussi le véhicule indépendamment de toute autonomie. À bord, des assistants vocaux (de plus en plus adossés à de grands modèles) et des systèmes de surveillance du conducteur (détection de la somnolence ou de l'inattention) s'installent dans l'habitacle. Surtout, l'automobile devient un véhicule défini par logiciel (software-defined vehicle) : une part croissante de ses fonctions est livrée et améliorée par des mises à jour à distance (over-the-air), à la manière d'un smartphone, ce qui prolonge sa valeur bien après l'achat. L'IA sert aussi à la maintenance prédictive (anticiper l'usure d'un composant à partir des données de capteurs, section 18.3) et, en amont, à la conception et aux essais virtuels via les jumeaux numériques. Ces usages, plus discrets que le robotaxi, se déploient déjà à grande échelle sur des véhicules ordinaires.

18.3Agriculture, industrie et commerce

Repère

Le commerce agentique

Une tendance émergente prolonge la logique des agents (chapitre 6) jusqu'à l'achat : l'agent ne se contente plus de recommander un produit, il construit le panier, paie et conclut la transaction pour vous. Depuis fin 2025, des interfaces comme l'« Instant Checkout » de ChatGPT (via le protocole ACP coconçu par OpenAI et Stripe) permettent d'acheter au sein d'une conversation ; Google (protocole UCP), Visa (« Intelligent Commerce ») et Mastercard (« Agent Pay ») bâtissent des rails concurrents. Le mécanisme repose sur la tokenisation : plutôt que de confier son numéro de carte à l'agent, on lui délègue un jeton à usage restreint, plafonné, limité à un marchand, avec des seuils exigeant une validation humaine (cohérent avec la règle des actions à conséquence, chapitre 6). Les promesses sont grandes (certaines prévisions évoquent des centaines de milliards de dollars d'achats « agentiques » d'ici 2030), mais trois obstacles demeurent. La fraude d'abord : une transaction menée par un agent est dépourvue des signaux comportementaux sur lesquels reposent les systèmes antifraude (chapitre 20). La désintermédiation ensuite : si l'on achète depuis son assistant, marchands et banques risquent de perdre la relation directe avec le client. La fiabilité enfin : les premiers tests grand public ont parfois déçu (un essai très médiatisé a converti bien moins bien qu'un parcours d'achat classique). Beaucoup de ces paiements pourront aussi s'appuyer sur des stablecoins, notamment pour les micro-transactions entre machines (chapitre 11).

Repère

Les jumeaux numériques

Une notion structure de plus en plus l'industrie : le jumeau numérique (digital twin), une réplique virtuelle d'un objet, d'une machine, d'une usine, voire d'un organe, alimentée en continu par les données de capteurs de son équivalent réel. L'IA y joue deux rôles : faire tourner le jumeau (le simuler fidèlement) et en exploiter les données pour prédire et optimiser. On peut ainsi tester une modification sur le jumeau avant de toucher au système réel, anticiper une panne (la maintenance prédictive déjà évoquée), ou optimiser une ligne de production sans l'arrêter. Les applications dépassent l'usine : jumeaux de réseaux électriques, de bâtiments, de villes entières, et même, en médecine, de jumeaux d'organes (un cœur virtuel pour tester un traitement). Le principe rejoint celui des modèles du monde (chapitre 5) et de la simulation en robotique (chapitre 13) : disposer d'un double virtuel fidèle où essayer, à moindre risque et à moindre coût, ce qu'on ne peut pas se permettre d'expérimenter directement sur le réel. La limite est la même partout : un jumeau ne vaut que par la fidélité de son modèle et la qualité des données qui l'irriguent.

18.4Un dénominateur commun : données et confiance

À retenir (chapitre 18)

La finance est un usage avancé de l'IA (trading, détection de fraude, crédit, assurance), mais avec des risques de discrimination, de volatilité et d'hallucination.
Le véhicule autonome progresse : des robotaxis (niveau 4) circulent commercialement en 2026, mais le niveau 5 (partout, tout le temps) reste lointain à cause de la « longue traîne » des situations rares.
L'IA se diffuse aussi dans l'agriculture de précision, l'industrie (maintenance prédictive, qualité) et le commerce (recommandation, tarification dynamique).
Dénominateur commun : partout, l'IA carbure aux données et promet d'optimiser, mais bute sur l'opacité, les biais, la fiabilité et l'écart entre démonstration et déploiement. L'enjeu est la confiance.

Après les secteurs économiques, le chapitre 19 descend au plus près de l'intime : la vie quotidienne, les relations et la psychologie.

18.1Finance, banque et assurance#

18.2Transport et mobilité autonome#

18.3Agriculture, industrie et commerce#

18.4Un dénominateur commun : données et confiance#

À retenir (chapitre 18)

18.1Finance, banque et assurance

18.2Transport et mobilité autonome

18.3Agriculture, industrie et commerce

18.4Un dénominateur commun : données et confiance