Xpeng n’est plus seulement un constructeur automobile chinois qui monte en gamme. La société se positionne ouvertement comme une entreprise d’intelligence artificielle physique, et les chiffres qu’elle avance commencent à donner le vertige, même à l’échelle de la Silicon Valley. Le Dr Xianming Liu, directeur du General Intelligence Center de Xpeng, a accordé une interview à Electrek au lendemain de sa keynote à la conférence CVPR 2026 à Denver, où il partageait la scène avec Ashok Elluswamy de Tesla, des représentants de Nvidia et de Waymo. Ce qu’il a révélé mérite qu’on s’y attarde sérieusement.
300 millions de yuans par mois : l’ampleur de l’investissement en IA de Xpeng
Le chiffre le plus marquant de cet entretien est sans doute celui-ci : Xpeng consacre environ 300 millions de yuans par mois, soit approximativement 41 millions de dollars, uniquement à l’entraînement de ses modèles d’IA. Annualisé, cela représente près de 500 millions de dollars dédiés à la seule formation des modèles, hors coûts de développement matériel ou d’intégration véhicule. Pour une entreprise qui a livré environ 200 000 véhicules l’an dernier et dispose de 47,66 milliards de yuans de trésorerie (environ 6,5 milliards de dollars) à fin 2025, c’est une mise considérable.
Le Dr Liu assume ce pari sans détour : « En tant que constructeur automobile, on n’imagine pas un tel niveau d’investissement en R&D, car on ne peut jamais récupérer la mise. Mais notre entreprise est déterminée à devenir une entreprise d’IA physique. » La nuance est importante : Xpeng ne se voit pas comme un fabricant de voitures qui fait de l’IA, mais comme une société d’IA qui fabrique des voitures pour alimenter ses modèles en données réelles. L’analogie qu’il utilise est celle de Google avec ses téléphones Pixel — le matériel sert à démontrer et à collecter des données pour le logiciel. Sur le plan de l’infrastructure, Xpeng annonce un gain d’efficacité de 4 360 % sur l’entraînement en tâche unique au cours des 12 derniers mois, avec un taux d’utilisation GPU passé de 40 % à 90 %.
L’architecture VLA 2.0 et la formule provocatrice “le langage, c’est du poison”
Le Dr Liu s’est fait remarquer à CVPR avec une affirmation volontairement provocatrice : « le langage, c’est du poison » pour la conduite autonome. Il s’explique. La première génération du modèle VLA (Vision-Language-Action) de Xpeng utilisait des tokens de langage comme étape intermédiaire : le système observait la route, traduisait ce qu’il voyait en représentations linguistiques, puis convertissait ces représentations en actions de conduite. VLA 2.0 supprime cette étape intermédiaire.
Le raisonnement est strictement technique. Les caméras du véhicule ingèrent environ deux milliards de tokens visuels par seconde, alors que le contrôle effectif du volant et des pédales n’en nécessite que 10 à 20. Intercaler une traduction en langage naturel entre la perception et l’action introduit une latence et des calculs inutiles. « Pour produire une expression en langage, vous devez générer beaucoup de calculs inutiles pour l’expliquer », précise Liu. Le système accepte toujours le langage en entrée — pour les instructions du conducteur — mais n’en produit plus en sortie durant la conduite. La nuance est essentielle : ce n’est pas un rejet du langage en tant que tel, c’est un refus de l’utiliser là où il est inefficace.
Lors de sa keynote CVPR 2026, Liu a présenté une autre brique technologique : le modèle du monde de Xpeng. Si VLA 2.0 apprend à partir du comportement humain au volant, le modèle du monde apprend la physique de l’environnement : comment les autres agents vont se déplacer, quelles seront les conséquences d’une action donnée. Liu insiste sur le fait que ces deux approches ne sont pas deux technologies distinctes mais « les deux faces d’un même problème ».
L’objectif est d’entraîner VLA 2.0 à prédire simultanément ce que les caméras vont voir dans un futur proche et ce que le véhicule devrait faire — en combinant conduite et prédiction dans un seul modèle. Le déploiement sur les véhicules de série est prévu avant la fin de l’année. Xpeng a également publié plusieurs travaux de recherche associés :
X-World : génération vidéo contrôlable pour simuler des environnements de conduite
X-Foresight : prédiction conjointe du futur et planification de trajectoire
X-Cache : réduction de 70 % des calculs du modèle du monde avec une perte de qualité négligeable
DrivePTS : génération de scènes de conduite, accepté à CVPR 2026
Capteurs radar et caméras : qui fait quoi dans le système Xpeng ?
Un point souvent mal compris dans la communication de Xpeng autour de sa stratégie “pure vision” : les modèles P7+, G7 et autres récentes productions embarquent toujours trois radars à ondes millimétriques et douze capteurs ultrasoniques en complément des caméras. Mais ces capteurs n’alimentent pas du tout l’IA de conduite principale. Ils sont exclusivement dédiés aux systèmes de sécurité active — freinage d’urgence automatique (AEB) et braquage d’urgence automatique (AES) — fonctionnant comme une couche de redondance totalement indépendante.
Liu est catégorique sur l’impossibilité de se passer de cette redondance, même avec un système visuel très performant : « On ne parle pas d’une conversation avec ChatGPT où une erreur se corrige d’un claquement de doigts. On parle de vies humaines. » Cette approche place Xpeng dans une position intermédiaire intéressante entre Tesla, qui a supprimé radar et ultrasons de ses véhicules pour s’appuyer exclusivement sur les caméras pour tout, et Waymo, qui déploie une suite complète de LiDAR.
Constructeur / Système
Capteurs pour la conduite
Capteurs pour la sécurité active
Tesla FSD
Caméras uniquement
Caméras uniquement
Xpeng VLA 2.0
Caméras uniquement
Radars + ultrasons (couche séparée)
Waymo
LiDAR + caméras + radars
LiDAR + caméras + radars
Comparaison avec Tesla FSD et l’accord de licence avec Volkswagen
Liu se montre diplomatique mais précis lorsqu’il compare Xpeng à Tesla. Les deux entreprises partagent une philosophie commune — le scaling law, l’approche data-driven, l’idée qu’un modèle suffisamment grand et bien alimenté en données peut généraliser à n’importe quelle situation. La différence, selon lui, tient à la diversité des données. Les routes chinoises sont structurellement plus chaotiques que les routes américaines, ce qui génère mécaniquement davantage de cas limites exploitables pour l’entraînement. Cela pourrait rendre l’expansion internationale de Xpeng plus aisée que le déploiement de FSD en Chine par Tesla.
Sur la question du pari lancé par le PDG He Xiaopeng — Liu doit traverser le Golden Gate Bridge nu si VLA 2.0 n’atteint pas la parité avec Tesla FSD avant le 30 août 2026 — Liu semble serein : « Je suis assez confiant pour ne pas avoir à courir. » Il affirme avoir déjà atteint la parité avec FSD v13 et approcher FSD v14. Quant à l’accord de licence signé avec Volkswagen, premier client externe de VLA 2.0 avec un déploiement prévu pour 2027, Liu minimise la complexité technique : Xpeng déploie déjà des mises à jour OTA sur plus de 20 modèles de véhicules différents en interne. Intégrer un ou deux modèles VW supplémentaires relève davantage de la routine que du défi. L’objectif affiché est plus ambitieux : convaincre l’ensemble de l’industrie que la conduite autonome généralisée ne peut pas être portée par une ou deux entreprises seules, et que la multiplication des partenaires est une condition nécessaire à son déploiement à grande échelle.
Rédigé par Michael Ptaszek
Je suis un passionné de l'automobile depuis toujours. Ma fascination pour les voitures m'a conduit à explorer en profondeur l'univers de l'automobile, et plus récemment, j'ai fait le grand saut vers les voitures électriques. Cette transition, effectuée il y a plusieurs années, a non seulement renforcé ma passion, mais m'a également offert une perspective unique sur cette technologie en plein essor. Animé par le désir de partager mes connaissances et expériences, je me suis engagé à aider les autres à comprendre les subtilités et les avantages des voitures électriques.
