NOETRA/Analyses/Technologies & IA
Technologies & IA4 Juin 2026
Les véhicules autonomes augmentent-ils le trafic ?
44% des miles des robotaxis parcourus à vide
Une étude du MIT remet en cause la promesse des robotaxis
Les véhicules autonomes devaient réduire la congestion, optimiser
les flux et diminuer le nombre de voitures sur les routes. Une
nouvelle étude du MIT Transit Lab, publiée dans la revue Transport
Findings, contredit frontalement cette promesse. En analysant 13,8
millions de trajets de Waymo sur plus de 1 000 jours (août 2023 à
décembre 2025), le chercheur Awad Abdelhalim a découvert que 44% des
miles parcourus par les robotaxis de Waymo sont des miles à vide —
des « deadhead miles » (Ars Technica, 3 juin 2026). Ce taux est
comparable aux 40% de miles à vide des services VTC traditionnels
(Uber, Lyft). L'étude révèle également que l'occupation des
robotaxis a plafonné à 56% des miles parcourus en fin de période,
suggérant une limite structurelle de l'efficacité des flottes
autonomes. NOETRA modélise les implications de cette étude pour
l'industrie des véhicules autonomes et interroge la promesse
fondatrice du secteur. Sources : Ars Technica (3 juin 2026),
Transport Findings (juin 2026), MIT Transit Lab.
Miles à vide (Uber/Lyft)
~40%
Trajets analysés
13,8 millions
Période d'étude
1 000 jours
01 — L'étude du MIT : 13,8 millions de trajets analysés
44% des miles des robotaxis Waymo sont parcourus sans passager —
un constat qui bouscule les certitudes du secteur
L'étude d'Awad Abdelhalim, directeur de recherche adjoint du MIT
Transit Lab, publiée dans Transport Findings, constitue l'une
des analyses les plus complètes jamais réalisées sur l'impact
réel des robotaxis sur la congestion urbaine. En exploitant les
rapports de Waymo à la California Public Utilities Commission
(CPUC), Abdelhalim a pu analyser 13,8 millions de trajets
effectués entre août 2023 et décembre 2025, transportant 19,3
millions de passagers sur 86,3 millions de miles (138,8 millions
de kilomètres) (Ars Technica, 3 juin 2026).
Le résultat central est implacable : 44% des miles parcourus par
les robotaxis de Waymo sont des miles à vide (deadhead miles).
Cette proportion se décompose en deux catégories : environ deux
tiers des miles à vide sont des robotaxis qui tournent en
attendant une assignation (« waiting for assignment »), et un
tiers sont des trajets vers un point de prise en charge (« en
route to pickup »). En comparaison, environ 40% des miles
parcourus par les chauffeurs Uber et Lyft sont des deadhead
miles (Ars Technica, 3 juin 2026). La différence est
statistiquement négligeable.
44%
Miles parcourus à vide par les robotaxis Waymo —
contre ~40% pour Uber/Lyft
Une différence négligeable qui signifie que les robotaxis
n'apportent aucun bénéfice mesurable en termes de réduction de
la congestion par rapport aux VTC traditionnels
L'étude révèle également une tendance préoccupante :
l'occupation des robotaxis (pourcentage de miles avec un
passager à bord) a plafonné à environ 56% à la fin de la période
d'étude, après avoir progressé depuis un point de départ de 36%
au début de la période. Ce plateau suggère qu'il existe une
limite structurelle à l'efficacité des flottes autonomes — une
contrainte qui ne pourra pas être surmontée par la simple
augmentation du nombre de véhicules. Au contraire, plus la
flotte s'agrandit, plus les miles à vide risquent d'augmenter en
valeur absolue, même si le ratio par trajet peut s'améliorer.
La tendance au plateau
56% d'occupation — pourquoi l'efficacité des robotaxis
pourrait avoir atteint sa limite naturelle
Le plateau à 56% d'occupation est le résultat le plus
contre-intuitif de l'étude. On pourrait penser qu'avec plus de
véhicules, le temps d'attente entre les courses diminue et
l'efficacité s'améliore. Mais dans la pratique, l'ajout de
véhicules à la flotte crée une boucle de rétroaction négative
: plus de robotaxis signifie plus de véhicules en circulation,
ce qui augmente la congestion et ralentit les trajets, ce qui
nécessite encore plus de véhicules pour maintenir les temps
d'attente, ce qui ajoute encore plus de miles à vide. Ce
phénomène, observé historiquement avec Uber et Lyft, semble se
reproduire à l'identique avec les flottes autonomes.
02 — Pourquoi les robotaxis ne réduisent pas le trafic
Les mêmes dynamiques qui ont fait des VTC des générateurs de
congestion s'appliquent aux flottes autonomes — avec une ampleur
potentiellement plus grande
La promesse initiale des véhicules autonomes reposait sur trois
mécanismes : (1) l'optimisation des trajets par l'IA réduirait les
détours, (2) le partage des trajets (covoiturage automatique)
augmenterait le nombre de passagers par véhicule, et (3) la
réduction du coût du transport individuel inciterait les gens à
abandonner leur voiture personnelle. L'étude du MIT montre que ces
trois mécanismes ne se sont pas matérialisés dans la pratique.
Premièrement, les robotaxis effectuent des détours importants pour
rejoindre leurs passagers (un tiers des miles à vide).
Deuxièmement, le taux d'occupation moyen reste bas (56% des miles
avec un passager), bien inférieur à celui d'une voiture
personnelle (1,5 personne en moyenne aux États-Unis) ou des
transports en commun. Troisièmement, les robotaxis, comme les VTC,
réduisent le coût perçu du transport individuel et génèrent une
demande induite : des trajets qui n'auraient pas eu lieu en
l'absence du service (Ars Technica, 3 juin 2026).
« L'histoire se répète. En 2014, une étude du MIT affirmait que
les VTC réduiraient la possession de voitures et le trafic. Les
auteurs ont ensuite dû revenir sur leurs conclusions, après que
les données ont montré que les VTC augmentaient la congestion et
les émissions de CO2. En 2018, une étude de la SFCTA (San
Francisco County Transportation Authority) attribuait environ 50%
de l'augmentation des VMT à San Francisco aux services VTC. Les
robotaxis tombent dans le même piège. » — Awad Abdelhalim, MIT
Transit Lab (Ars Technica, 3 juin 2026)
Le parallèle historique est frappant. En 2014, une première étude
du MIT avait prédit que les VTC réduiraient la congestion —
prédiction qui s'est révélée fausse. La même erreur de
modélisation semble se reproduire avec les robotaxis : on
sous-estime systématiquement la demande induite et les miles à
vide, et on surestime le report modal depuis la voiture
personnelle.
03 — Robotaxis vs VTC : la même équation de congestion
Quand l'automatisation ne change pas l'équation fondamentale de la
mobilité urbaine
La comparaison directe entre les données Waymo et les données
Uber/Lyft est éloquente : 44% de miles à vide pour les robotaxis,
environ 40% pour les VTC. La différence de 4 points de pourcentage
est statistiquement non significative et pourrait même s'inverser
à mesure que les flottes autonomes s'étendent géographiquement. Ce
constat suggère que la variable déterminante de la congestion
n'est pas la présence ou l'absence d'un conducteur humain, mais la
structure économique du service de transport à la demande.
Waymo (robotaxis)
44% deadhead miles
2/3 à vide en attente d'assignation, 1/3 en trajet vers prise
en charge. Occupation plateau à 56%. Demande induite
significative. Investissement : 16 Md$ levés en 2026.
Uber/Lyft (VTC)
~40% deadhead miles
Conducteurs humains en attente entre les courses. ~50% de
l'augmentation des VMT à SF attribuée aux VTC (SFCTA 2018).
Modèle économique similaire : coût marginal faible, demande
induite forte.
Transports en commun
Efficacité max
Bus : 40-80 passagers/véhicule. Train : 200-1 000+. Coût par
passager-mile très inférieur. Investissement nécessaire : 268
Md$ (APTA) sur 5 ans vs 100+ Md$ investis dans les robotaxis
depuis 2010.
L'étude soulève également une question de sécurité routière peu
discutée : les miles à vide réduisent artificiellement le taux
d'accidents par mile des robotaxis. Si un véhicule parcourt 44% de
ses miles sans personne à bord, son taux d'accidents par mile
parcouru est mécaniquement plus bas que celui d'un véhicule
transportant constamment des passagers (Ars Technica, 3 juin
2026). Cela ne signifie pas que les robotaxis sont plus sûrs —
cela signifie que leur mesure de sécurité est biaisée par leur
inefficacité opérationnelle.
04 — Impacts sur l'industrie : Tesla, Waymo, Uber
L'étude du MTI tombe au moment où Tesla étend ses robotaxis sans
superviseur à Austin et où Uber déploie 500 véhicules de collecte
de données
La publication de l'étude intervient à un moment particulièrement
sensible pour l'industrie des véhicules autonomes. Tesla vient
d'annoncer l'extension de son service de robotaxis sans
superviseur à l'ensemble de la zone métropolitaine d'Austin
(Business Insider, 3 juin 2026), soit six mois après avoir retiré
les superviseurs humains de ses véhicules. Uber prévoit de
déployer 500 véhicules de collecte de données sur les routes en
2026 (TechCrunch, 3 juin 2026), tandis que Waymo a levé 16
milliards de dollars en 2026 (Ars Technica, 3 juin 2026).
Pour Tesla, les conclusions de l'étude sont particulièrement
problématiques. L'argument commercial principal d'Elon Musk pour
les robotaxis est la réduction drastique du coût du transport —
Musk a évoqué un coût de 0,18 $ par mile, contre environ 1 $ pour
un VTC traditionnel. Mais si ce coût réduit génère une demande
induite massive (comme le suggère l'étude du MIT), l'impact sur la
congestion pourrait être bien pire que celui des VTC actuels. Un
robotaxi à 0,18 $/mile encouragerait des trajets qui n'auraient
jamais eu lieu en voiture personnelle, y compris des déplacements
à vide pour des livraisons ou des tâches automatisées.
Pour Waymo, l'étude remet en question le récit fondateur de
l'entreprise. Waymo a toujours présenté ses robotaxis comme une
solution à la congestion et à l'inefficacité des transports
urbains. Les données de la CPUC, qu'elle fournit elle-même,
montrent le contraire. L'entreprise pourrait être contrainte de
revoir sa communication et ses modèles de déploiement — en
priorisant par exemple le transport en commun autonome (navettes,
bus) plutôt que les flottes de véhicules individuels.
Un problème structurel, pas technologique
Ce n'est pas la technologie autonome qui est en cause — c'est le
modèle économique du transport à la demande individuel
L'étude du MIT ne conclut pas que la technologie autonome est
défaillante, mais que son déploiement sous forme de flottes de
véhicules individuels reproduit, voire amplifie, les dynamiques
de congestion des VTC. Le problème est structurel : tant que le
transport à la demande individuel reste moins cher et plus
pratique que les alternatives (transports en commun, marche,
vélo), il générera de la demande induite. L'automatisation ne
fait qu'accélérer ce mécanisme en réduisant encore le coût
marginal. La solution à la congestion n'est pas technologique —
elle est politique et urbanistique : investir dans les
transports en commun, la densification urbaine et les
infrastructures actives.