Les véhicules autonomes (AV) représentent l'un des systèmes les plus complexes et les plus critiques pour la sécurité jamais déployés sur les marchés de consommation. La promesse d'accidents réduits, d'une mobilité accrue et d'un flux de circulation optimisés repose entièrement sur la capacité de ces véhicules à fonctionner sans faille dans une gamme de scénarios quasi infinie. L'atteinte de ce niveau de fiabilité est impossible sans un cadre d'ingénierie de la qualité (QE) discipliné et de bout en bout.

Le rôle fondamental de l'ingénierie de qualité dans le développement de l'AV

L'ingénierie de la qualité dans le contexte des véhicules autonomes va bien au-delà de l'assurance de la qualité ou des tests logiciels traditionnels. C'est une discipline holistique qui intègre la validation de conception, l'ingénierie des systèmes, les contrôles d'intégrité des données et la vérification continue de tout le cycle de vie du véhicule. Chaque composant – de l'optique LiDAR aux poids du réseau neuronal – doit être validé dans les conditions les plus extrêmes.

Sans une ingénierie de qualité rigoureuse, même les algorithmes d'IA les plus avancés échoueront lorsqu'ils seront confrontés à un quai de chargement déguisé en voie, un piéton en vêtements sombres au crépuscule ou une zone de construction avec une signalisation conflictuelle.Ces cas de bord ne sont pas des anomalies rares; ils sont la réalité quotidienne des routes publiques. Les processus QE cataloguent, simulent et testent systématiquement ces scénarios, construisant un cas de sécurité auquel les régulateurs et les assureurs peuvent avoir confiance. La Society of Automotive Engineers (SAE) a défini des niveaux d'automatisation de conduite de 0 à 5, et chaque niveau impose des exigences de qualité de plus en plus exigeantes [SAE J3016)].

Assurer la fiabilité des capteurs et des pipelines de données

Étalonnage multi-modes et intégrité des données

Les véhicules autonomes reposent sur une série de capteurs : LiDAR, radar, caméras, capteurs ultrasoniques, et parfois des caméras thermiques ou à base d'événements. Chaque capteur a des forces et des faiblesses uniques. Par exemple, LiDAR excelle dans des mesures de plage 3D précises mais se dégrade dans de fortes pluies, tandis que les caméras fournissent de riches informations sémantiques mais luttent contre l'éblouissement ou la faible lumière.

La qualité des données ne se termine pas à l'étalonnage. Le flux de capteurs bruts doit être validé pour le bruit, la corruption, la dérive et la latence.Les ingénieurs de qualité établissent des pipelines automatisés qui surveillent la santé des capteurs en temps réel, en faisant apparaître des anomalies telles que des points LiDAR qui tombent en dehors des plages prévues ou des cadres de caméras avec un flou de mouvement excessif.Ces vérifications sont particulièrement critiques pendant la phase de collecte des données, où des millions de milles de données de conduite sont capturés pour la formation et la validation.

Intégrité de fusion des capteurs

La fusion de données provenant de plusieurs capteurs est essentielle pour une perception robuste, mais elle introduit également de nouveaux modes de défaillance. L'ingénierie de qualité vérifie que les algorithmes de fusion associent correctement les objets à travers les modalités des capteurs, gèrent les décalages temporels et rejettent les détections fallacieuses. Par exemple, une détection radar d'un garde-corps stationnaire doit être associée aux points LiDAR de ce même garde-corps – si l'algorithme de fusion associe incorrectement le retour radar à un véhicule en mouvement, le planificateur peut déclencher une manœuvre d'évitement inutile.

Validation et vérification des logiciels à l'échelle

Stratégies d'essais hiérarchiques

Compte tenu du nombre astronomique de situations de circulation possibles, il est impossible de procéder à des essais exhaustifs dans le monde réel. L'ingénierie de la qualité adopte une approche hiérarchique qui combine simulation, essais en circuit fermé et validation sur route. Au niveau le plus bas, les essais unitaires vérifient les fonctions individuelles (par exemple, si un algorithme de détection de voies identifie correctement les marquages de voies sous un éclairage donné).

Une technique clé est l'essai basé sur des scénarios, où les ingénieurs de qualité définissent des situations concrètes (p. ex. un enfant qui poursuit une balle dans la rue, une zone de construction soudaine, un véhicule qui fusionne d'un angle mort) et vérifient que l'AV réagit correctement.Ces scénarios sont stockés dans une bibliothèque réutilisable et peuvent être paramétrés (p. ex., vitesse variable, temps, éclairage) pour générer des milliers de cas de test à partir d'un seul scénario.

Intégration continue et déploiement continu (CI/CD) pour les logiciels AV

Un logiciel de conduite autonome peut évoluer rapidement, avec des mises à jour fréquentes des modèles de perception, des algorithmes de planification et des systèmes de contrôle. Une pile de logiciels AV moderne peut être mise à jour quotidiennement ou même à l'heure. L'ingénierie de qualité doit suivre le rythme en intégrant la validation dans un pipeline d'intégration continue. Chaque changement de logiciel déclenche une suite de tests de régression automatisée qui exécute des milliers de scénarios en simulation en quelques minutes.

Ce pipeline CI/CD est lui-même un artefact de qualité : il doit être robuste, déterministe et représentatif des conditions réelles. Les ingénieurs de qualité sont chargés de la mise en place de la suite de régression pour maximiser la couverture tout en minimisant le temps d'exécution. Ils surveillent également la flicité des essais – des scénarios qui produisent des résultats non déterministes en raison, par exemple, de semences aléatoires ou de dépendances temporelles – et ils fixent ou retirent ces essais pour maintenir la confiance dans le pipeline.

Conformité aux normes et aux règlements de sécurité

ISO 26262 et sécurité fonctionnelle

La norme de sécurité fonctionnelle ISO 26262 traite des risques liés à un mauvais fonctionnement des systèmes électriques ou électroniques. Bien qu'elle ait été initialement conçue pour les systèmes automobiles classiques, la norme ISO 26262 a été adaptée aux systèmes antivéhicule, avec des directives sur la définition des objectifs de sécurité pour les fonctions de conduite automatisée. L'ingénierie de la qualité garantit que chaque composant du système est développé en fonction du niveau d'intégrité de sécurité automobile (ASIL) approprié, de l'ASIL A (le plus bas) à l'ASIL D (le plus élevé).

Les ingénieurs de la qualité documentent ces analyses, vérifient que les mécanismes de sécurité sont mis en œuvre correctement et valident qu'ils fonctionnent comme prévu dans des conditions de défaillance. Un aspect critique est que la norme ISO 26262 exige l'indépendance entre l'équipe de développement et l'équipe de vérification.Les ingénieurs de la qualité servent souvent de vérificateurs indépendants, fournissant une preuve objective de la sécurité.

Normes émergentes: ISO 21448 (SOTIF) et UL 4600

Bien que la norme ISO 26262 traite des défauts connus, la conduite autonome comporte des risques du système.Sotif se concentre sur l'identification et l'atténuation des risques qui surviennent lorsque le système fonctionne dans son domaine de conception, mais fonctionne de façon inadéquate, par exemple, un système de perception qui ne détecte pas un piéton partiellement occulté. L'ingénierie de qualité pour la SOTIF consiste à explorer systématiquement les scénarios, à exploiter les zones de bordure et à valider que la performance du système est acceptable dans l'ensemble du domaine de la conception opérationnelle (ODD).

Une autre norme importante est UL 4600, élaborée par Underwriters Laboratories, qui fournit un cadre complet de cas de sécurité pour les produits autonomes. UL 4600 exige que l'équipe de développement construit et maintient un cas de sécurité structuré – un argument clair et fondé sur des preuves que l'AV est acceptable. Les ingénieurs de qualité contribuent à l'affaire de sécurité en produisant des preuves provenant des essais, de la simulation, des données sur le terrain et des audits. UL 4600 met l'accent sur la transparence et la surveillance continue, poussant le génie de qualité au-delà de la vérification préalable au déploiement vers l'évaluation opérationnelle continue.

Défis en matière d'ingénierie de qualité pour les véhicules autonomes

La complexité infinie de la conduite dans le monde réel

Peu importe le nombre de scénarios simulés, le monde réel contient toujours des surprises. Une soudaine rafale de vent, un passage d'animaux, un feu de circulation temporaire, un geste de la main d'un policier, ce sont toutes les situations qu'un AV doit interpréter et réagir en toute sécurité.Les ingénieurs de qualité doivent relever le défi de définir les cas de -corner --qui comptent le plus, étant donné qu'il est impossible de tout tester.

Prédiction du comportement humain

Les véhicules autonomes doivent interagir avec les conducteurs humains, les cyclistes et les piétons dont le comportement est souvent imprévisible. Prévoir si un piéton traversera la rue ou attendra le trottoir est un problème probabiliste difficile. L'ingénierie de qualité doit s'assurer que les modèles de prédiction ne sont pas seulement précis en moyenne, mais aussi robustes aux erreurs les plus dangereuses. Par exemple, si le modèle sous-estime à plusieurs reprises la probabilité qu'un enfant se jette sur la route, l'AV ne ralentira pas dans le temps.

Cybersécurité et mises à jour en direct

Un acteur malveillant pourrait potentiellement modifier les données des capteurs, injecter de faux panneaux de signalisation ou compromettre les systèmes de contrôle du véhicule. L'ingénierie de la qualité doit intégrer des tests de cybersécurité, tels que des tests de pénétration, la vérification sécurisée des démarrages et la détection d'anomalies dans le réseau du véhicule.

L'avenir de l'ingénierie de qualité dans les véhicules autonomes

Explicabilité et validation de l'IA

Les modèles d'apprentissage approfondi sont souvent des boîtes noires, les ingénieurs peuvent observer ce qu'ils produisent mais pas toujours pourquoi. L'ingénierie de la qualité évolue pour intégrer des techniques d'explication de l'IA, comme des cartes de saliabilité, la visualisation de l'attention et l'analyse causale.Ces outils aident les ingénieurs de la qualité à comprendre si le modèle prend des décisions en fonction des caractéristiques appropriées (p. ex., reconnaître un piéton par sa forme) ou des corrélations fallacieuses (p. ex., reconnaître un piéton par la présence d'un passage croisé).

Surveillance continue de la qualité sur le terrain

Les équipes de génie de la qualité analysent ces données pour détecter les problèmes émergents, comme un modèle de perception qui se dégrade au fil du temps en raison de la dérive des données, ou un planificateur qui devient trop prudent dans une zone géographique donnée. Cette boucle de surveillance de terrain ferme le cycle de qualité : les problèmes identifiés sur le terrain sont utilisés pour créer de nouveaux scénarios d'essai et améliorer la couverture de validation, formant une boucle de rétroaction continue d'amélioration. Des outils comme DataOps et MLOps sont adoptés pour gérer ce flux de données et automatiser la détection des anomalies.

Intégration de la simulation et des données du monde réel

La fidélité à la simulation continue de s'améliorer, mais elle ne peut jamais reproduire parfaitement la réalité. Un progrès important en matière d'ingénierie de la qualité est l'utilisation de la simulation de rejouage et de rejouage de capteurs, où des flux de capteurs du monde réel (enregistrés à partir de la conduite manuelle ou de déploiements AV précédents) sont rejoués à travers la pile de logiciels AV. Cela permet des tests de régression sur des ensembles de données de millions de miles sans avoir à les rejouer.

Conclusion

La voie vers des véhicules autonomes sûrs et fiables est pavée par une ingénierie de qualité rigoureuse.De l'étalonnage des capteurs et de l'intégrité des données aux tests de logiciels hiérarchiques, à la conformité avec la norme ISO 26262 et la SOTIF, et à la surveillance continue de l'exploitation, l'ingénierie de qualité garantit que chaque composant et sous-système fonctionne correctement dans la grande diversité des conditions réelles.