6. Couche d’intelligence artificielle - eBattery AI
Voyager en véhicule électrique implique de prendre des décisions interdépendantes. La distance à parcourir, le niveau actuel de la batterie, la consommation du véhicule, les conditions routières, l'emplacement des stations de recharge et l'emploi du temps du conducteur font tous partie du même trajet. Lorsqu'une de ces variables change, les autres décisions peuvent aussi être affectées. Un itinéraire qui paraît plus court peut devenir un trajet plus long en l'absence d'infrastructure de recharge adaptée. Une station plus puissante peut ne pas procurer le gain de temps attendu si la puissance de charge que le véhicule peut accepter est limitée.
eBattery AI se trouve au centre de l’application pour évaluer ces décisions ensemble et proposer à l’utilisateur un plan de trajet clair. Il permet à l’utilisateur d’exprimer en langage naturel ce qu’il souhaite faire ; à partir du profil du véhicule, de la carte, de l’itinéraire et des données de stations accessibles, il transforme cette demande en options réalisables.
Pour l'utilisateur, l'expérience est simple : dire « Je veux aller à İzmir », « Planifie un voyage de deux jours pour le week-end » ou « Trouve une station de recharge adaptée près de moi » suffit pour commencer. En coulisses, chaque demande doit être associée à différentes sources de données, calculs et fonctions de l'application. Le rôle d'eBattery AI est de gérer cette complexité technique tout en gardant claire pour l'utilisateur la justification de la décision.
Au centre de cette approche se trouve clarté, possibilité de calcul et contrôle par l'utilisateur inclus. L’assistant doit pouvoir expliquer pourquoi l’itinéraire qu’il propose est adapté ; il doit établir les calculs d’autonomie et de recharge selon une méthode cohérente ; et l’utilisateur doit pouvoir modifier le plan selon ses propres besoins.
Le chat IA du produit actuel, ainsi que la planification d'itinéraires et de voyages, forment le cœur de cette structure. Les données telles que les informations en direct sur les stations, les prix et le trafic fonctionnent dans la limite de la couverture des sources de données concernées. Les prévisions enrichies par les conditions météo, la connexion directe au véhicule et la personnalisation qui apprend des comportements sont des capacités qui s'étendent progressivement sur la même architecture.
6.1 Approche de l'assistant central
6.1.1 Réunir les différentes fonctions de l'application dans un contexte commun
eBattery AI est un assistant central qui évite à l'utilisateur de fournir sans cesse les mêmes informations lorsqu'il passe d'une section de l'application à une autre. Une recherche de borne commencée sur la carte peut être précisée dans le chat ; un itinéraire créé pendant la conversation peut être examiné sur l'écran d'itinéraire ; un voyage planifié peut être modifié, avec ses jours et ses étapes, dans le module de voyage.
Dans cette expérience, le véhicule, le trajet et les préférences de l’utilisateur forment le contexte commun. Par exemple, lorsqu’un utilisateur ayant sélectionné son véhicule enregistré dit « Montre-moi les stations adaptées à proximité », le système n’a pas besoin de redemander le modèle du véhicule à chaque fois. La demande est évaluée avec le véhicule sélectionné et les informations de localisation que l’utilisateur a choisi de partager.
L’approche centralisée garantit aussi que les différents points d’entrée de l’application aboutissent à la même logique de décision. Une recherche de point de charge lancée par l’utilisateur depuis la carte et une recherche effectuée via AI Chat doivent produire des résultats cohérents lorsque le même véhicule, les mêmes préférences et les mêmes données à jour sont utilisés.
Ainsi, les modules d'eBattery ne sont pas reliés par un simple changement d'écran ; la tâche que l'utilisateur souhaite accomplir est elle aussi préservée.
6.1.2 Transformer l'intention de l'utilisateur en action dans l'application
Les gens expriment rarement leurs besoins en paramètres techniques. Des phrases telles que « Je pars dans deux heures », « Nous partons avec les enfants, je voudrais un plan plus confortable » ou « Je ne veux pas faire un trop grand détour pour recharger » contiennent plusieurs préférences à la fois.
eBattery AI transforme ces formulations en informations exploitables pour la planification. Si nécessaire, elle complète les éléments manquants comme le point de départ, la destination, le niveau de batterie ou la priorité de temps. Les questions se concentrent sur les points qui influencent réellement le résultat à produire.
Par exemple, pour la demande « Je veux aller d'İstanbul à İzmir », si le véhicule enregistré et le point de départ sont déjà connus, on peut ne demander à l'utilisateur que le niveau actuel de la batterie et sa préférence de trajet. Lorsque l'utilisateur dit « Nous pouvons prendre des routes à péage, je veux un temps total court », ces informations sont ajoutées à la demande d'itinéraire.
Cette approche relie le langage naturel aux fonctions de l'application. L'utilisateur peut décrire son besoin sans avoir à apprendre la structure technique des menus ; le système transmet ensuite la demande au calcul et au parcours d'écrans concernés.
6.1.3 Compléter la recommandation par le contrôle de l'utilisateur
Les plans proposés par eBattery AI peuvent être examinés et modifiés. L’utilisateur peut changer la station recommandée, ajouter un arrêt intermédiaire, retirer un musée de l’itinéraire du voyage ou demander un itinéraire moins coûteux.
L’assistant relie ces modifications au reste du plan. Supprimer une étape ne raccourcit pas seulement la liste du voyage ; cela peut aussi modifier la distance quotidienne, l’heure d’arrivée et le besoin de recharge. La modification de l’utilisateur est évaluée en préservant ces relations.
Le plan appartient à l'utilisateur. L’IA rend les options visibles, facilite les calculs et explique les conséquences des choix. L’objectif du trajet, son rythme et le coût acceptable sont déterminés par l’utilisateur.
6.2 AI Chat : expérience d’ouverture, avatar, streaming, mémoire de contexte
6.2.1 Expérience d’ouverture : montrer d’emblée ce qu’il est possible de faire
L'écran d'accueil d'AI Chat présente directement à l'utilisateur les capacités essentielles de l'assistant. L'utilisateur peut commencer la conversation en texte libre ou utiliser l'une des options de départ prédéfinies.
| Option de départ | Objectif de l’utilisateur | Flux lancé |
|---|---|---|
| Planifier l'itinéraire | Se rendre à une borne en véhicule | Création d'un itinéraire selon le départ, la destination, le véhicule et les besoins de recharge |
| Planifier un voyage | Parcourir une région en un temps donné | Préparer un programme quotidien selon les centres d'intérêt et la durée |
| Suggérer la station la plus proche | Atteindre un point de recharge adapté | Générer des recommandations à partir de la position, de la compatibilité du véhicule et des données de stations accessibles |
| Mes efficacités | Comprendre les données d'utilisation | Passage à l’évaluation de la consommation et de l’usage à partir des enregistrements existants |
Ces options réduisent l'incertitude lors de la première interaction. L'utilisateur n'a pas à deviner quelles questions il peut poser à l'assistant ; l'application propose des points de départ liés aux besoins quotidiens en matière de VE.
Au fil de la conversation, les options de départ sont remplacées par des actions adaptées au contexte. Après un itinéraire généré, des actions comme « Ouvrir l'itinéraire », et après une station suggérée, « Aller à la station », passent au premier plan.
6.2.2 Avatar : l'identité visuelle de l'assistant
L’identité visuelle d’AI Chat est un avatar robot animé. Avant le début de la conversation, l’avatar, placé au centre de l’écran, donne l’impression d’être prêt à interagir grâce à de légers mouvements et à des effets lumineux.
Lorsque le premier message est envoyé, l'avatar se réduit et se place à côté des messages de l'assistant. Le centre d'attention de l'écran passe ainsi naturellement de l'expérience de départ à la conversation. Davantage d'espace se libère pour ce que l'utilisateur écrit, les réponses de l'assistant et les cartes de résultats créées.
L'avatar aide aussi à distinguer visuellement les messages générés par l'IA. Cette identité crée une expérience d'assistant distincte de la messagerie communautaire de l'application, tout en restant cohérente.
Le rôle du mouvement et des effets visuels est de guider l'utilisateur et de rendre l'état du système compréhensible. La lisibilité et l'interaction restent prioritaires ; les animations ne passent pas avant l'information essentielle.
6.2.3 Streaming : diffusion de la réponse en flux
eBattery AI affiche les réponses adaptées en flux continu. Au lieu d'attendre qu'une longue explication soit terminée, l'utilisateur peut voir la réponse se construire progressivement.
Dans cette expérience, deux processus différents sont distingués : la rédaction de l’explication et le calcul du plan. Le fait que l’assistant commence à générer du texte ne signifie pas que le calcul de l’itinéraire est terminé. La carte d’itinéraire, de station ou de voyage est présentée lorsque les données et calculs concernés sont prêts.
Par exemple, le système peut d’abord indiquer que la demande a été comprise, puis partager l’avancement pendant qu’il prépare les options d’itinéraire. Une fois le calcul terminé, un aperçu de la carte et les arrêts de recharge s’affichent. Ainsi, un retour rapide est fourni tout en préservant l’intégrité des résultats.
Si l’utilisateur modifie sa demande en cours de déroulement, la nouvelle demande prévaut. Un résultat arrivé tardivement et lié à la demande précédente ne doit pas remplacer le plan actuel. Cela est particulièrement important dans les conversations où les arrêts ou les préférences d’itinéraire sont modifiés à la suite.
6.2.4 Context Memory : préserver le sens de la conversation
La mémoire contextuelle permet de comprendre la conversation en cours en tenant compte des étapes précédentes.
Lorsqu'un utilisateur dit d'abord « Je vais d'Istanbul à Izmir », puis écrit « Planifie aussi le retour », l'assistant rattache la deuxième demande au premier trajet. Une formule comme « Rends ça plus économique » s'applique également à l'itinéraire ou au plan de voyage en cours de discussion.
Le contexte est traité à trois niveaux :
Contexte de la conversation : Informations fournies et modifications effectuées pendant la conversation.
Contexte du plan actif : L'itinéraire, le voyage ou la sélection de stations en cours de modification.
Préférences enregistrées de l’utilisateur : Le véhicule sélectionné et les réglages que l’utilisateur a définis de façon permanente.
Cette distinction évite qu'une préférence ponctuelle soit interprétée comme une habitude durable. Lorsqu'un utilisateur dit lors d'un trajet « Évitons les routes à péage aujourd'hui », cela ne signifie pas que tous ses futurs trajets seront planifiés de la même façon.
De même, un niveau de batterie saisi lors d'une conversation précédente ne peut pas être utilisé le lendemain comme donnée actuelle du véhicule. Se souvenir du contexte suppose aussi de gérer la durée de validité de l'information.
6.3 Architecture en couches : couche de décision à base de règles et couche LLM
6.3.1 Séparer les rôles du calcul et du récit
L’architecture d’eBattery AI repose sur la résolution de tâches différentes par des méthodes différentes.
Le calcul de l’autonomie, les besoins en énergie, la compatibilité véhicule–station et l’évaluation des options d’itinéraire sont réalisés dans la couche de décision, qui fonctionne avec des champs de données définis et des règles de calcul. La compréhension de la demande de l’utilisateur en langage naturel et l’explication des résultats relèvent du grand modèle de langage, c’est-à-dire de la couche LLM.
Cette séparation relie la base chiffrée d’une recommandation à la manière dont elle est expliquée. Lorsque l’assistant dit « Cette borne est plus adaptée », la justification doit provenir des données produites par la couche de calcul. Les valeurs de distance, de durée et d’énergie utilisées dans l’explication reposent sur la même source que celles de la carte de résultat.
| Composant d’architecture | Responsabilité fondamentale | Le résultat qu’il produit |
|---|---|---|
| Couche de données et d’intégration | Organiser les données provenant des véhicules, des cartes, des bornes et d'autres sources | Données d’entrée à source et actualité définies |
| Gestion des requêtes et du contexte | Combiner la demande de l'utilisateur, le véhicule sélectionné et le forfait actif | Demande de planification structurée |
| Couche de décision fondée sur des règles | Exécution des contrôles de compatibilité, des calculs d’énergie et de l’évaluation des candidats | Options d'itinéraire et de plan de recharge |
| Couche LLM | Interpréter le langage naturel et expliquer les résultats calculés | Explication adaptée à l'utilisateur |
| Couche de vérification et d'action | Vérifier la cohérence des résultats et l'autorisation de l'opération | Une carte affichable et une action réalisable |
| Couche d’expérience | Présenter la conversation, les cartes et les transitions d'écran | Expérience utilisateur dans l’application |
6.3.2 Périmètre de la couche de décision à base de règles
L'approche fondée sur des règles signifie que, pour le même instantané de données et la même version des règles, les calculs peuvent être reproduits de manière cohérente.
Cette couche calcule l'énergie utilisable de la batterie, estime l'énergie nécessaire pour les tronçons de l'itinéraire, élimine les stations incompatibles avec le véhicule et compare les candidates adaptées selon des critères définis. Les préférences de route choisies par l'utilisateur et la réserve de batterie à conserver sont également prises en compte ici.
Un calcul fondé sur des règles ne signifie pas que le monde extérieur est connu avec certitude. Le trafic futur, la consommation réelle ou l’état de la station à l’arrivée peuvent changer. Ainsi, même si la méthode de calcul est cohérente, certaines entrées et sorties sont des estimations.
eBattery AI préserve cette différence : une donnée connue, une information saisie par l'utilisateur et une estimation du modèle ne sont pas présentées avec le même niveau de certitude.
6.3.3 Périmètre de la couche LLM
Le modèle de langage sert à comprendre la demande de l'utilisateur et à transformer le résultat calculé en une explication naturelle.
Des formulations telles que « Je voudrais moins de marche », « Retire les musées », « Je ne veux pas attendre trop longtemps pour recharger » ou « Pourquoi as-tu choisi cette station ? » relèvent du champ d'action de cette couche.
Le LLM aide à produire une demande structurée pouvant être transmise à la fonction appropriée de l'application. En revanche, il ne complète pas le prix de la station, l'état des prises ou le niveau de batterie du véhicule à partir de ses connaissances générales. Ces informations proviennent des enregistrements et des intégrations concernés.
Par exemple, lorsque le moteur de décision choisit une station parce qu'elle implique un moindre détour et une puissance adaptée, l'assistant peut formuler ce raisonnement plus simplement :
« Cette station est compatible avec votre véhicule et plus proche de l’itinéraire principal. L’alternative qui semble plus puissante n’offre pas de gain de temps supplémentaire en raison de la limite de charge de votre véhicule. »
L'intérêt de cette explication est que l'utilisateur peut comprendre la logique de la décision.
6.3.4 Des données vérifiées à un résultat explicable
Chaque résultat est associé aux principales données qu'il a utilisées. Le véhicule sélectionné, les informations sur la batterie, l'heure du calcul et l'actualité des données de la station permettent de comprendre dans quelles conditions le plan a été établi.
Cette structure facilite également l'évaluation des retours des utilisateurs. Qu'une station recommandée ne soit pas choisie ne signifie pas toujours que le calcul était erroné. L'utilisateur peut souhaiter un autre point de pause, préférer un opérateur donné ou avoir une contrainte de temps qui n'apparaît pas dans son plan.
Examiner ensemble les données d’entrée de la décision et la modification de l’utilisateur aide à améliorer le système de manière plus pertinente au fil du temps.
6.4 Planification d'itinéraire — Profil du véhicule, calcul de l'autonomie, itinéraire et préférences de route
6.4.1 Planifier le trajet avec le profil du véhicule
Dans eBattery, la planification d'itinéraire tient compte des caractéristiques d'énergie et de recharge du véhicule, en plus des points de départ et d'arrivée.
Deux véhicules électriques sur un même itinéraire peuvent nécessiter des plans de recharge différents. La capacité utile de la batterie, la consommation, les prises prises en charge et la puissance de charge acceptée créent cette différence.
Les principales informations sur le véhicule utilisées dans la planification sont les suivantes :
| Informations sur le véhicule | Rôle dans la planification |
|---|---|
| Marque, modèle et variante de véhicule adaptée | Garantit la sélection du bon profil technique |
| Capacité utile de la batterie | Constitue la base du calcul de l'énergie utilisable pendant le trajet |
| Valeur de consommation | Permet de convertir la distance en un besoin énergétique estimé |
| Prise en charge de la recharge AC | Aide à évaluer les options de recharge pour pauses longues et en destination |
| Prise en charge de la recharge DC | Permet d'évaluer les options de recharge rapide sur le trajet |
| Compatibilité des prises | Permet d'identifier les stations disponibles |
| Niveau actuel de la batterie | Définit l’état énergétique de départ du trajet |
La capacité brute de la batterie et la capacité utilisable sont évaluées séparément. La valeur retenue pour le calcul de l'autonomie est l'énergie disponible pour la conduite.
Dans le flux d’utilisation actuel, l’utilisateur saisit manuellement le niveau de batterie avant le trajet. Si le profil de véhicule enregistré contient les informations techniques, le pourcentage de batterie est la donnée actuelle pour ce trajet. Les futures intégrations de connexion au véhicule constituent la marge d’évolution qui permettra de récupérer automatiquement cette information auprès des véhicules pris en charge.
6.4.2 Calcul de l'autonomie et réserve d'énergie
Le calcul de l’autonomie repose sur la relation entre l’énergie disponible et la consommation attendue :
Énergie actuelle = Capacité utilisable de la batterie × Niveau de la batterie / 100
Estimation de base de l'autonomie = Énergie disponible / Consommation × 100
Ici, l'énergie est exprimée en kWh, la consommation en kWh/100 km et l'autonomie en kilomètres.
Prenons par exemple un véhicule dont la capacité de batterie utilisable est de 60 kWh, le niveau de charge actuel de 40 % et la consommation retenue pour le calcul de 18 kWh/100 km.
Dans ce cas :
L'énergie calculée dans la batterie est de 24 kWh.
L’autonomie théorique jusqu’à zéro est d’environ 133 kilomètres.
Par exemple, si une réserve d’arrivée de 15 % est conservée, l’énergie utilisable pour la planification descend à 15 kWh.
Avec la même hypothèse de consommation, la distance calculée en préservant la réserve est d’environ 83 kilomètres.
Cet exemple explique pourquoi l’autonomie théorique affichée à l’écran diffère de la distance utilisable pour la planification. Les 15 % indiqués ici constituent une réserve donnée à titre d’exemple pour illustrer la logique de calcul.
Dans le calcul d'un itinéraire réel, la distance est évaluée avec les caractéristiques de la route et les données de consommation disponibles. À mesure que la couverture des données s'élargit, des effets tels que la pente, la circulation et les conditions météorologiques peuvent être ajoutés au modèle. Lorsque les conditions sur lesquelles repose l'estimation changent, le plan est réévalué.
6.4.3 Départ, destination et arrêts intermédiaires
L'utilisateur peut définir le point de départ à partir de sa position actuelle, d'une recherche d'adresse ou de la carte. La destination et les étapes intermédiaires font également partie du même plan de trajet.
Les arrêts intermédiaires sont particulièrement importants dans la planification des VE. En allant d’İstanbul à İzmir, une visite à Bursa ne modifie pas seulement la distance totale. La durée de la visite, la disponibilité de la recharge dans cette zone et le niveau de batterie avec lequel le tronçon suivant commence influencent également le plan.
L’utilisateur peut modifier l’ordre des arrêts ou conserver un ordre précis. Un ordre défini manuellement peut refléter l’emploi du temps ou les priorités personnelles de l’utilisateur. Le système recalcule les arrêts de recharge en fonction de cette préférence.
À chaque modification, le plan concerné est mis à jour sans que l’utilisateur ait à ressaisir toutes les informations.
6.4.4 Mode d’itinéraire et préférences de route
eBattery associe les options d’itinéraire à la priorité de trajet de l’utilisateur.
Le plus rapide se concentre sur la durée totale du trajet. Outre le temps de conduite, les détours effectués pour recharger, la durée de recharge et, lorsque les données existent, le temps d'attente entrent aussi dans l'évaluation.
Le plus efficace l’approche prend en compte ensemble le besoin en énergie et les données de coût accessibles, avec une durée de trajet raisonnable. Lorsqu’une option moins coûteuse est proposée à l’utilisateur, son effet sur la durée est également indiqué.
Aucune de ces deux options n’est systématiquement supérieure pour tous les trajets. Lors d’un déplacement professionnel, le temps peut primer ; lors d’une escapade de week-end, ce sera plutôt l’organisation des pauses ou le budget.
Les préférences d'itinéraire telles que les routes à péage, les autoroutes et les ferries sont ajoutées à la demande d'itinéraire. L'API Google Maps Routes propose aussi des options d'évitement pour ces préférences ; ces options orientent la recherche d'itinéraire, et la disponibilité d'une alternative adaptée dépend du réseau routier. eBattery combine ces capacités, fournies par le service cartographique utilisé, avec la planification du véhicule et de la recharge.
Les restrictions routières régionales ou plus détaillées sont traitées en tenant compte de la couverture du service de données et d’itinéraire concerné. L’itinéraire présenté à l’utilisateur doit montrer clairement l’effet des préférences sur le résultat.
6.5 Planification de la recharge et notation des stations — Recommandation de quantité de charge, marge de sécurité
6.5.1 D'abord la compatibilité, ensuite la comparaison
La première étape de la planification de la recharge consiste à déterminer les stations utilisables. Qu'une station soit bien notée ou peu chère ne signifie pas que le véhicule peut s'y recharger.
Pour cette raison, l’évaluation se déroule en deux étapes :
Identification des candidats compatibles avec le véhicule et le trajet.
Comparaison des candidats adaptés en termes de délai, de coût et de conditions d’utilisation.
La compatibilité des prises, l’accessibilité et l’énergie nécessaire pour atteindre la borne relèvent de la première étape. Ces conditions de base ne sont pas traitées comme des critères de score pouvant être compensés par d’autres avantages.
Par exemple, une station incompatible avec le véhicule n'est pas recommandée simplement parce qu'elle est moins chère. De même, un point qui ne semble pas atteignable avec l'énergie disponible ne devient pas prioritaire uniquement en raison de sa forte puissance de charge.
6.5.2 Notation des bornes : une adéquation qui varie selon le trajet
Une fois les candidats appropriés identifiés, les stations passent par une évaluation multicritère.
| Critère | Sujet évalué |
|---|---|
| Écart d’itinéraire | La distance et le temps supplémentaires nécessaires pour rejoindre la station et revenir à l’itinéraire principal |
| Compatibilité de puissance avec le véhicule | Rapport entre la puissance de la station et la plage utilisable par le véhicule |
| Prix | Le tarif accessible et applicable à l’utilisateur concerné |
| Statut en temps réel | État actuel d’un point de recharge adapté dans les intégrations prises en charge |
| Informations d'attente | Temps d’attente probable lorsque des données fiables ou un support de modèle suffisant sont disponibles |
| Fiabilité opérationnelle | Continuité du service et expérience d'utilisation lorsque des données sont disponibles |
| Avis des utilisateurs | L'actualité des expériences, leur contenu et le fait qu'elles reposent sur un nombre suffisant d'observations |
| Compatibilité avec la pause | La relation de la station avec les arrêts et le planning horaire actuels de l’utilisateur |
| Actualité des données | Le degré d'actualité des informations utilisées dans la décision |
L’importance de ces critères varie selon le mode d’itinéraire choisi. Lors d’un trajet axé sur le temps, le détour et la durée de recharge peuvent être plus déterminants. Lors d’un trajet axé sur le coût, une différence de tarif est évaluée en tenant compte du temps supplémentaire qu’elle entraînerait.
Le manque de données fait aussi partie de l'évaluation. Une station dont l'état en direct est inconnu n'est pas considérée comme « libre ». De même, la seule information sur l'occupation des prises ne suffit pas toujours à calculer un temps d'attente fiable.
La note des utilisateurs ne remplace pas non plus, à elle seule, la fiabilité opérationnelle. Quelques avis anciens ne doivent pas être pondérés comme un ensemble d'expériences actuel et plus large.
6.5.3 Relation entre la puissance de la borne et l’expérience de recharge réelle
La puissance indiquée sur la station ne signifie pas que le véhicule se rechargera à cette puissance pendant toute la session. La durée de charge dépend de plusieurs facteurs, tels que le niveau de la batterie, sa capacité et les caractéristiques du véhicule et de l'équipement de recharge. La ressource Alternative Fuels Data Center du département de l'Énergie des États-Unis explique de même que ces variables déterminent ensemble la durée de charge.
Par exemple, pour un véhicule dont la limite d’acceptation de charge DC est de 100 kW, une station d’une capacité de 350 kW n’est pas forcément plus rapide qu’une station adaptée de 150 kW, simplement en raison de sa puissance nominale. Si rejoindre la première station demande un détour plus long, la seconde option peut être plus adaptée pour l’ensemble du trajet.
L'évaluation d'eBattery considère la puissance de la station en même temps que les caractéristiques du véhicule. Au lieu de présenter automatiquement les chiffres élevés comme la meilleure option, elle examine l'avantage que la station apporterait au trajet de l'utilisateur.
6.5.4 Quantité de recharge : l’énergie adaptée à l’étape suivante
Le plan de recharge couvre, en plus du choix de la station, la quantité d’énergie recommandée.
L'approche de base consiste à considérer ensemble l'énergie nécessaire pour le prochain tronçon de l'itinéraire, la réserve visée à l'arrivée et les alternatives appropriées. L'utilisateur n'a pas besoin d'atteindre le même niveau de batterie à chaque arrêt. Un court trajet, une longue étape suivante ou la possibilité de recharger à destination peuvent créer des objectifs différents.
La relation de base pour l’énergie à ajouter à la batterie est la suivante :
Énergie à ajouter = Capacité utilisable × (Pourcentage de batterie cible − Pourcentage de batterie actuel) / 100
Par exemple, pour un véhicule disposant d’une capacité utilisable de 60 kWh, faire passer le niveau de la batterie de 20 % à 70 % correspond à un gain d’énergie d’environ 30 kWh dans la batterie.
Cette valeur n’est pas nécessairement identique à l’énergie mesurée au compteur de la station ou facturée. En raison des pertes de recharge et des consommations auxiliaires, le point où l’énergie est mesurée a son importance.
Le temps de recharge n'est pas non plus calculé en divisant simplement par la puissance maximale de la station. Lorsque c'est possible, le modèle tient compte du comportement de recharge du véhicule à différents niveaux de batterie. À titre d'exemple, si 30 kWh d'énergie sont ajoutés à la batterie à une puissance nette moyenne de 60 kW, le temps de transfert d'énergie est d'environ 30 minutes. La valeur déterminante ici est la puissance moyenne pendant la session.
Dans le calcul du coût, les composantes tarifaires applicables, telles que la session, la durée ou d'autres éléments, sont prises en compte en plus du prix de l'énergie. L'utilisateur doit pouvoir comprendre ce que couvre l'estimation affichée.
6.5.5 Préservation de la marge de sécurité et des alternatives
La planification ne repose pas sur l'utilisation théorique de la batterie jusqu'à la dernière unité d'énergie. Elle laisse de la marge pour une réserve à l'arrivée, la variabilité des estimations de consommation et l'accès à des alternatives sur la route.
La réserve nécessaire est évaluée en tenant compte de la longueur de l'itinéraire, de la densité des stations, de la fraîcheur des données et de la souplesse du plan. Un itinéraire urbain offrant de fréquentes possibilités de recharge et un tronçon longue distance aux alternatives limitées ne présentent pas les mêmes conditions.
Lorsque eBattery AI explique la quantité de recharge recommandée, elle rend cette logique visible. L'utilisateur peut comprendre pourquoi il est conseillé de prendre davantage d'énergie dans une station, ou pourquoi une courte recharge est jugée suffisante pour atteindre le prochain arrêt approprié.
L’information de disponibilité actuelle reflète elle aussi la situation au moment de la création du plan. Elle ne constitue pas une réservation garantissant que la même prise sera libre à l’arrivée. L’évaluation de stations alternatives est donc une partie importante du plan.
6.6 Recalcul dynamique
6.6.1 Refléter dans le plan les conditions changeantes pendant le trajet
L’itinéraire n’est pas traité comme un document figé créé avant le début du trajet. À mesure que l’utilisateur avance, la position, le trafic, l’état des stations et ses propres préférences peuvent changer.
Le recalcul dynamique évalue l'effet de ces changements sur le plan. Toutefois, chaque déclencheur ne fonctionne que dans la mesure où les données concernées sont accessibles.
| Modification | Informations utilisées | Impact possible sur le plan |
|---|---|---|
| Évolution du trafic | Source cartographique et de trafic | Mise à jour des options de durée et d'itinéraire |
| Changement de statut d'une station planifiée | Intégration d’opérateur | Évaluation d'un autre point de recharge |
| L’utilisateur s’écarte de l’itinéraire | Position et progression de l’itinéraire | Recalcul de la distance restante et du besoin en énergie |
| Mise à jour des informations de la batterie | Connexion de l’utilisateur ; futures connexions de véhicules prises en charge | Mise à jour de l’arrêt de recharge et de la quantité d’énergie visée |
| Ajout ou suppression d'une étape intermédiaire | Modification par l'utilisateur | Replanification des sections d’itinéraire concernées |
| Évolution des conditions météorologiques | Le périmètre dans lequel l'intégration concernée est active | Réévaluation de l'estimation de consommation |
Lors d'un trajet effectué avec un niveau de batterie saisi manuellement, l'énergie restante calculée par le système est une estimation. Elle n'est pas étiquetée de la même manière que les données actuelles de la batterie mesurées sur le véhicule.
6.6.2 Ne pas présenter chaque modification à l’utilisateur comme un nouvel itinéraire
Des petites différences qui changent sans cesse peuvent imposer à l'utilisateur une charge de décision inutile. Quelques secondes de variation du trafic ou un très faible gain de temps ne justifient pas une nouvelle recommandation à chaque fois.
L’approche de recalcul évalue ce que la modification signifie pour le trajet. La faisabilité du plan actuel, la réserve d’énergie et le bénéfice net pour l’utilisateur sont prioritaires.
Cela préserve la stabilité du plan. Au lieu d’être sans cesse orienté entre deux options très proches, l’utilisateur voit une mise à jour significative lorsqu’elle est nécessaire.
6.6.3 Expliquer la raison du changement
Le nouvel itinéraire suggéré est présenté en comparaison avec le plan actuel. L'utilisateur doit pouvoir voir quelle condition a changé et quel en est le résultat.
Par exemple :
« Les informations d'utilisation ont changé pour les prises adaptées de la station que vous aviez planifiée. Une station alternative est plus proche de votre itinéraire et atteignable selon l'estimation d'énergie actuelle. Vous pouvez consulter cette nouvelle option. »
L’explication n’utilise que les éléments étayés par les données disponibles. En l’absence d’une estimation fiable du temps d’attente, aucun gain de minutes précis n’est produit.
Les informations de trafic provenant du fournisseur de cartes et l’évaluation VE d’eBattery fondée sur ces données sont également correctement reliées. La justification de la recommandation rend clair quelles données sont utilisées et comment.
6.7 Planification de voyage par IA : pool de candidats, regroupement, budget temps, intégration de la recharge
6.7.1 Du plan de transport à l’expérience quotidienne
La planification de voyage organise le temps que l’utilisateur passera dans une zone donnée. L’objectif est de transformer les lieux d’intérêt en un programme adapté au temps dont dispose l’utilisateur, à ses centres d’intérêt et aux besoins énergétiques de son véhicule.
Lorsque l’utilisateur dit « Je vais passer deux jours en Cappadoce, avec une dominante nature et histoire », le système évalue ensemble la région, la durée du séjour et les priorités. Le point de départ, le rythme quotidien et, le cas échéant, les lieux que l’utilisateur souhaite particulièrement voir sont ajoutés au plan.
Le programme obtenu offre une structure de voyage modifiable, répartie par jours.
6.7.2 Constitution du réservoir de lieux candidats
La première étape consiste à identifier les lieux de visite adaptés dans la région. Le vivier de candidats peut comprendre des sites culturels, des musées, des espaces naturels, des lieux de restauration et des aires de pause.
Selon la portée de la source, les informations prises en compte comprennent la localisation, la catégorie, la durée de visite, les horaires d’ouverture et les avis des utilisateurs.
Une forte popularité ne suffit pas à justifier un choix. Si un lieu ne correspond pas aux centres d’intérêt de l’utilisateur, s’éloigne trop de son programme quotidien ou si le temps manque pour le visiter, il peut recevoir une priorité plus faible.
Le récit du contenu est rattaché aux fiches des lieux sélectionnés. Les informations susceptibles de changer, comme les horaires d’ouverture ou les conditions d’accès, ne sont pas produites à partir des connaissances générales du modèle de langage comme s’il s’agissait de données à jour.
6.7.3 Regroupement géographique et liens avec les transports
Les lieux candidats sont évalués sous l'angle de leurs relations géographiques et de transport avant l'établissement du programme quotidien. L'objectif est de réduire les allers-retours inutiles au cours d'une même journée.
Deux points qui semblent proches sur la carte ne sont pas forcément à courte distance l'un de l'autre. Les liaisons routières, les points de passage et la géographie de la zone déterminent le schéma de déplacement réel. C'est pourquoi le regroupement quotidien ne repose pas uniquement sur la distance à vol d'oiseau.
Par exemple, alors que le programme d'une journée est composé de visites situées dans la même zone, une étape plus éloignée peut être reportée à un autre jour. Ainsi, l'utilisateur peut consacrer une plus grande part de son temps aux visites plutôt qu'au trajet.
Lorsque l’utilisateur préfère un certain ordre, ce choix est conservé ; le système adapte le reste du plan pour qu’il soit cohérent avec cet ordre.
6.7.4 Budget temps : un programme quotidien réaliste
La faisabilité du plan quotidien dépend des temps de trajet et de pause, en plus de la durée totale des visites.
Le budget-temps d'une journée comprend les composantes suivantes :
Les déplacements entre les points.
La durée de visite passée à chaque endroit.
Pauses repas et repos.
Arrêts de recharge nécessaires.
Marge de temps raisonnable pour le stationnement, l'accès et les transitions similaires.
Placer dans un programme de voyage de six heures uniquement des étapes dont les durées de visite totalisent six heures ne laisse aucun temps pour le déplacement. eBattery AI construit le plan dans le cadre du temps total de la journée.
La valeur du programme ne se mesure pas au plus grand nombre de lieux listés. Ce qui compte, c'est qu'il puisse être suivi au rythme choisi par l'utilisateur et qu'il laisse de la place aux changements.
6.7.5 Intégrer la recharge dans le programme de la journée
Les arrêts de recharge sont pris en compte avec le besoin en énergie lors de la création du plan de voyage. Ils ne sont pas traités comme un besoin indépendant ajouté en fin de journée.
Si une pause repas peut être associée à un point de charge adapté, les deux activités peuvent se dérouler sur la même plage horaire. Par exemple, une pause repas de 40 minutes et une charge de 25 minutes qui commencent au même endroit et au même moment ne nécessitent pas, dans des conditions adaptées, un arrêt supplémentaire total de 65 minutes. Le plan évalue ensemble les durées qui se chevauchent.
Dans cette mise en correspondance, l’accès réel à la station, ses conditions d’exploitation, l’agencement du stationnement et les préférences de l’utilisateur comptent. Une station qui semble proche d’un restaurant sur la carte n’est pas présumée convenir comme lieu de pause dans tous les cas.
Pour les voyages qui s'étendent sur plusieurs jours, le calcul énergétique se poursuit d'un jour à l'autre. La batterie au départ du lendemain est rattachée à la fin prévue de la veille. La recharge de nuit n'est prise en compte que si elle figure dans le plan de l'utilisateur et qu'elle est prise en charge par l'équipement concerné.
6.7.6 Récit de voyage modifiable
Le programme calculé est présenté sous forme d’étapes réparties par jour, accompagnées d’une explication en langage naturel. L’utilisateur peut voir quelle zone sera visitée quel jour, où la recharge est placée et la répartition approximative du temps de la journée.
Des demandes comme « Rends le deuxième jour plus tranquille », « Supprime le musée » ou « Je veux être dans la nature l'après-midi » permettent de modifier le plan.
Après une modification, les jours et les tronçons d'itinéraire concernés sont réévalués. Le récit du voyage change également avec le plan mis à jour ; le principe est d'éviter toute contradiction entre l'ancienne description et la nouvelle liste d'étapes.
Cette structure axée sur les villes et les régions pose les bases d'une planification plus large, à l'échelle nationale et de long terme, aux étapes suivantes.
6.8 Analyse de l'efficacité
6.8.1 Rendre les données significatives du point de vue du conducteur
L'analyse d'efficacité aide l'utilisateur à évaluer plus clairement ses données d'énergie et de trajets.
Si les données accessibles sont suffisantes, la consommation, la distance, les dépenses de recharge et les valeurs prévues par rapport aux valeurs réelles de différentes périodes peuvent être comparées. L’IA explique l’évolution au sein des chiffres et indique quels enregistrements il peut être utile à l’utilisateur de consulter.
La portée de l'analyse dépend des données utilisées. Les informations obtenues par la connexion du véhicule, les enregistrements de session ou la connexion de l'utilisateur sont distinguées des estimations calculées uniquement à partir de l'itinéraire.
6.8.2 Consommation mesurée et estimation calculée
Pour évaluer la consommation, l'énergie et la distance doivent correspondre à la même période, au même véhicule et à une méthode de mesure cohérente.
Si l'énergie totale et la distance totale sont connues, le calcul de base de la consommation est le suivant :
Consommation moyenne = Énergie totale de conduite / Distance totale × 100
Additionner simplement les valeurs de consommation de trajets de longueurs différentes et diviser par le nombre de trajets peut ne pas donner la bonne moyenne de la période. Un calcul fondé sur l'énergie totale et la distance totale préserve le poids des trajets courts et longs.
L’énergie achetée pendant la recharge n’est pas non plus toujours identique à l’énergie consommée en conduisant au cours de la même période. Les niveaux de batterie au début et à la fin de la période, les pertes de charge et le périmètre des enregistrements influent sur cette relation.
C’est pourquoi eBattery traite séparément, avec leur sens propre, les dépenses de recharge, l’énergie achetée et la consommation de conduite.
6.8.3 Montrer le changement et en expliquer la cause par les données
À titre d’exemple illustratif, supposons que la consommation moyenne passe de 18 kWh/100 km à 19,8 kWh/100 km sur deux périodes comparables. Cette variation correspond à une hausse de 10 % de la consommation.
Ce résultat seul ne montre cependant pas la cause de la hausse. L'itinéraire, la vitesse, les conditions météo, la charge ou la structure du trajet ont pu changer.
L'évaluation de l'IA reste au niveau que les données permettent. S'il n'existe que des relevés de consommation et de distance, elle peut dire « Votre consommation a augmenté » ; pour conclure qu'un comportement précis, comme un freinage brusque ou l'usage de la climatisation, en est la cause, il faut les mesures correspondantes.
En l’absence de données directes du véhicule, la santé de la batterie n’est pas présentée comme si elle avait été mesurée. L’analyse détaillée du comportement de conduite s’étend grâce aux intégrations qui fournissent suffisamment de données pour évaluer ces comportements.
6.8.4 Construire des habitudes d'utilisation comparables
L'écran d'efficacité a pour but de faciliter la compréhension, par l'utilisateur, de sa propre consommation au fil du temps.
La comparaison d’itinéraires similaires, l’examen des dépenses de recharge dans différentes stations et la visualisation des écarts entre la durée prévue et la durée réelle soutiennent cette compréhension.
Les suggestions de l’assistant sont concrètes et mesurées. Au lieu de promettre à l’utilisateur un pourcentage d’économies non vérifié, il explique quelles données ont changé et quelles conditions examiner pour une comparaison plus pertinente.
6.9 Cartes de résultat et Deep Linking
6.9.1 Transformer une conversation en un résultat utilisable dans l'application
Un itinéraire, un voyage ou une suggestion de station créé dans AI Chat est présenté sous forme de cartes de résultat. Les cartes permettent à l’utilisateur de voir rapidement les informations essentielles et de passer au module concerné.
| Type de carte | Contenu essentiel de la carte | Écran concerné |
|---|---|---|
| Carte d’itinéraire | Départ, destination, résumé de l’itinéraire, durée estimée et arrêts de recharge | Planification d’itinéraire |
| Carte de voyage | Région, nombre de jours et résumé du programme quotidien | Planification de voyage |
| Fiche de station | Emplacement, compatibilité, puissance et informations actuelles accessibles | Détails de la station |
| Carte d’efficacité | Période, indicateurs clés et synthèse de l'évaluation | Efficacité |
Le but de la carte n'est pas de comprimer tous les détails dans un petit espace. Elle offre assez d'informations pour que l'utilisateur reconnaisse le résultat et choisisse l'action suivante.
6.9.2 Ouvrir le même plan avec le deep linking
Le lien profond (deep linking) permet à la carte de résultat de diriger l’utilisateur vers le bon contenu de l’écran concerné.
Lorsque l'utilisateur ouvre un itinéraire qu'il a créé dans le chat, il ne se retrouve pas devant un formulaire d'itinéraire vide. Les points de départ et d'arrivée qu'il a choisis, le véhicule, les étapes intermédiaires et les autres informations du plan figurent sur l'écran concerné.
La même relation est conservée aussi sur les cartes de trajet et de station. Ainsi, les écrans de discussion, de carte et de planification deviennent des vues différentes d’une même action.
Sur le plan technique, la carte est rattachée à l’enregistrement concerné et à la version du plan. Lorsque l’utilisateur modifie le plan, on voit clairement quel résultat est à jour.
6.9.3 Actions rapides adaptées au contexte
Selon les résultats, des actions telles que « Démarrer l'itinéraire », « Aller à la station », « Enregistrer », « Partager » ou « Ajouter aux favoris » sont proposées.
Il n'est pas nécessaire que chaque carte affiche toutes les actions. Les actions sont choisies en fonction du résultat que l'utilisateur a produit à ce moment-là.
Les cartes partageables sont également traitées en fonction de leur contenu. Des informations comme l'adresse du domicile de l'utilisateur ou son point de départ personnel ne sont pas considérées comme une partie naturelle ou obligatoire du partage. L'utilisateur doit pouvoir voir quel contenu il partage.
6.10 Suggestions proactives et notifications
6.10.1 Apporter une aide pertinente lorsqu’un besoin se présente
Lorsque les données concernées sont disponibles, eBattery AI peut aussi mettre en évidence des changements importants sans que l'utilisateur ne le demande.
Entrent dans ce cadre un changement d'état de la station pendant un trajet actif, un impact notable sur la circulation ou la réévaluation du plan de recharge selon les informations mises à jour sur la batterie.
Le but de l'assistance proactive est d'aider l'utilisateur au bon moment. Toute modification de données ne génère pas une notification ; on évalue le lien de l'information avec le trajet en cours et la nécessité d'une action.
6.10.2 Évaluer une notification avec les données sur lesquelles elle repose
La signification d’une alerte de batterie faible dépend de la source des données.
Si le niveau actuel de la batterie peut être obtenu depuis le véhicule, la valeur mesurée peut être utilisée. Si l’utilisateur l’a saisi manuellement au départ, la valeur calculée pendant le trajet est une estimation. La formulation de la notification conserve cette différence.
De même, pour formuler une suggestion sur l'avantage tarifaire d'une station favorite, il faut connaître le tarif en vigueur et les conditions applicables à l'utilisateur. Un rappel d'entretien, lui, est lié à une date enregistrée par l'utilisateur ou à une source de données appropriée.
Cette approche garantit que les recommandations proactives restent cohérentes avec le périmètre de données disponible.
6.10.3 Fréquence des notifications et préférences de l’utilisateur
Les notifications sont gérées selon leur importance et leur contexte. Un changement qui affecte la faisabilité d'un trajet en cours n'a pas la même priorité qu'une suggestion d'utilisation générale.
L’utilisateur peut gérer ses préférences de notification. La réduction des messages répétés pour un même événement, le fait de ne pas afficher les notifications devenues caduques et l’orientation de la recommandation vers le bon forfait font partie de l’expérience.
Les fonctions de localisation et d'arrière-plan s'exécutent avec les autorisations de l'utilisateur et dans les conditions de fonctionnement du système d'exploitation mobile. Les informations affichées pendant un trajet restent courtes et orientées vers l'action ; les détails peuvent être consultés sur l'écran concerné.
6.11 Confiance et gestion des erreurs
6.11.1 Rendre visible la nature de l'information
L’approche de confiance d’eBattery AI repose sur la possibilité de comprendre sur quelles informations les résultats s’appuient.
Le niveau de batterie saisi par l’utilisateur, l’état de la prise reçu de l’opérateur, l’estimation de durée du service de cartographie et l’explication de l’IA sont des types d’informations différents. Cette distinction permet d’évaluer correctement la recommandation.
Les systèmes d'IA générative peuvent présenter des informations non étayées de manière convaincante. Le profil de risque de l'IA générative du NIST aborde également ce comportement. L'approche d'eBattery fondée sur le calcul et la vérification à partir de données est conçue pour réduire l'impact de telles erreurs sur les décisions dans l'application.
Cette approche est particulièrement importante pour la localisation, l'état des stations, le prix et le calcul de l'énergie. Une explication fluide ne remplace pas une donnée vérifiée.
6.11.2 Se comporter de façon claire et cohérente en cas de données manquantes
Qu'une source de données ne réponde pas n'implique pas que toutes les fonctions de l'application s'arrêtent en même temps. Le système évalue quel résultat peut être fourni avec les données disponibles.
Par exemple, si la position et les informations de prise d'une station sont disponibles mais que son état en direct ne peut pas être obtenu, la découverte de la station peut se poursuivre, tandis que la disponibilité est affichée comme inconnue.
De même, lorsque le modèle de langage ne peut temporairement pas répondre, le résultat d'itinéraire valide reçu du service de calcul est structuré de manière à pouvoir être présenté avec une carte standard et une brève explication.
Lorsque les dernières données connues sont utilisées, leur fraîcheur est préservée. Un ancien état affiché depuis le cache n’est pas présenté comme une information en direct tout juste reçue.
6.11.3 Autorisation, confidentialité et sécurité des contenus externes
Les données dont la couche AI a besoin sont limitées à la portée de l'opération à effectuer. Pour expliquer pourquoi une station est recommandée, il n'est pas nécessaire de transmettre au modèle tout l'historique des messages ni les informations de paiement de l'utilisateur.
La position, les plans de voyage et les préférences de l'utilisateur sont traités sous contrôle d'accès. Les autorisations d'opération de l'application sont vérifiées indépendamment de la génération de texte libre du modèle de langage.
Les descriptions provenant de sources externes et les avis des utilisateurs sont également traités comme des données. L'un des principes de sécurité de l'architecture est d'empêcher que des instructions pouvant figurer dans ces contenus modifient les règles de transaction de l'application.
Dans les futurs flux de transaction, comme le paiement ou la réservation, la suggestion de l'IA et l'exécution de l'opération sont également des étapes distinctes. La portée de l'opération est présentée à l'utilisateur et le flux de validation correspondant est conservé.
6.11.4 Apprendre des erreurs de manière mesurable
La fiabilité exige une évaluation régulière des scénarios d’utilisation réels.
Des situations telles qu’une station incompatible avec le véhicule, un prix manquant, une saisie de batterie modifiée, une interruption de connexion ou une ancienne demande d’itinéraire qui se termine tardivement sont des scénarios de test qui déterminent comment le système doit se comporter.
Les retours des utilisateurs contribuent aussi à ce processus. Un choix fondé sur une information de station erronée et un choix qui n'a pas répondu aux attentes ne constituent pas le même type d'erreur. Associer le retour aux données et à l'étape de décision concernées aide à améliorer le bon composant.
L’approche de confiance va au-delà du simple décompte des résultats comme « réussis » ou « échoués » ; elle repose sur la compréhension de l’origine de l’erreur et de son effet sur l’utilisateur.
6.12 Infrastructure indépendante du modèle et objectifs de performance
6.12.1 Garder la logique produit indépendante du fournisseur de modèle
L'infrastructure d'eBattery AI repose sur une approche qui ne lie pas les fonctions essentielles du produit aux caractéristiques d'un seul modèle de langage.
Le profil du véhicule, les données des stations, le calcul d’itinéraire et les préférences de l’utilisateur sont gérés dans les propres services de l’application. Les modèles de langage se connectent à ces services via des tâches définies et des contrats de données.
Cette structure permet d'évaluer différentes familles de modèles, comme GPT et Gemini, ou des alternatives développées à l'avenir. Un changement de modèle ne devrait pas exiger de réécrire des règles fondamentales comme la compatibilité véhicule–station.
Le choix des modèles se fait selon la qualité linguistique, la précision des sorties structurées, la réussite des tâches, la latence, le coût et les conditions de traitement des données. Le nom du fournisseur n'est pas utilisé à lui seul comme mesure de la qualité du produit.
6.12.2 Utilisation du modèle et du service adaptés à la tâche
Toutes les demandes des utilisateurs n’exigent pas la même charge de traitement. Une courte classification d’intention et un récit de voyage détaillé n’ont pas les mêmes besoins.
L’infrastructure est conçue de manière à pouvoir orienter les tâches selon cette différence. Le travail que les services de calcul peuvent résoudre directement est exécuté dans ces services ; un modèle adapté est utilisé pour les étapes qui exigent une interprétation et une formulation en langage naturel.
L'approche architecturale qui soutient la performance comprend les éléments suivants :
Exécution simultanée des appels de données indépendants lorsque c’est approprié.
Mise en cache contrôlée des informations du véhicule qui changent plus lentement.
Application de règles d’actualité aux données variables telles que la disponibilité et le prix.
Annulation des comptes invalides lorsque la demande de l’utilisateur change.
Exécution des opérations longues en arrière-plan sans bloquer l’interface.
Présentation par étapes des parties prêtes du résultat, en préservant son intégrité.
Dans les services de cartographie et de trafic aussi, il faut arbitrer entre le temps de réponse et le niveau de détail du calcul. L’API Google Routes définit différentes options pour l’évaluation du trafic et explique qu’une recherche plus complète peut entraîner une latence plus élevée. L’approche de performance d’eBattery évalue le comportement de ces services externes dans l’expérience utilisateur globale.
6.12.3 Définition des objectifs de performance
Dans eBattery AI, la performance s'évalue à travers l'expérience entre l'envoi de la demande par l'utilisateur et l'obtention d'un résultat exploitable.
Le début de la première réponse et l'achèvement du plan d'itinéraire sont des mesures différentes. L'affichage d'une animation de chargement n'est pas considéré comme équivalent au début d'une réponse IA pertinente.
| Zone de performance | Objectif de conception | Approche de mesure |
|---|---|---|
| Démarrage de la réponse de l'IA | Lancer le premier flux de réponse pertinent en moins de 2 secondes dans des conditions standard | Le délai écoulé entre l'envoi de la requête et le premier contenu significatif visible par l'utilisateur |
| Création d’un itinéraire standard | Fournir un résultat d'itinéraire exploitable en moins de 5 secondes dans la mesure du possible, dans les scénarios types pris en charge | Délai entre la demande et le moment où l'itinéraire et le plan de recharge de base sont prêts |
| Transitions d’écran | Préserver l'interaction et la fluidité pendant qu'un calcul est en cours | Retards au lancement et blocages de l'interface |
| Recalcul | Refléter dans le plan, dans un délai approprié, les changements significatifs | Le délai entre la réception de la mise à jour et la disponibilité de la nouvelle option |
| Plans de voyage complexes | Présenter des résultats par étapes en gardant la progression visible | Premier résultat utilisable et durées des plans terminés |
Ces valeurs sont des objectifs d’ingénierie. Les résultats réels sont mesurés en fonction des conditions du réseau, des fournisseurs de données, de la longueur de l’itinéraire, du nombre d’arrêts et de la complexité du plan.
Une moyenne unique ne décrit pas toute l'expérience. En plus de l'expérience utilisateur typique, des mesures telles que la médiane et le 95e centile sont suivies afin de repérer les requêtes plus lentes. Cela met en évidence l'écart entre un système rapide pour la majorité des utilisateurs et certains utilisateurs qui attendent longtemps.
6.12.4 Mesurer la précision et l’utilisabilité en même temps que la vitesse
L'évaluation des performances porte non seulement sur le temps de réponse, mais aussi sur la qualité du résultat.
Les principaux domaines d’évaluation sont les suivants :
Exactitude de la sélection des stations compatibles avec le véhicule.
Cohérence des calculs d'énergie et de pourcentage de batterie.
Respect de l’ordre des arrêts défini par l’utilisateur.
Maintien de la distinction entre données actuelles et données anciennes.
Concordance entre le texte explicatif et les valeurs de la carte de résultat.
La carte de résultat ouvre le bon plan et le bon écran.
Application des modifications de l'utilisateur à la bonne version.
Compréhension cohérente d'une même demande dans différentes langues.
Lorsque des données réelles deviennent disponibles, l’heure d’arrivée estimée est comparée aux résultats observés en matière de consommation et de durée de recharge. Ces comparaisons indiquent dans quelles régions, quels profils de véhicule ou quelles conditions d’utilisation une amélioration est nécessaire.
Les mises à jour de modèles sont traitées avec la même discipline d’évaluation. Un nouveau modèle qui s’exprime plus couramment n’est pas forcément plus précis dans les explications d’itinéraires. Ses résultats sur les tâches actuelles, ses sorties structurées et sa cohérence avec les actions dans l’application sont examinés ensemble.
6.12.5 Une base commune pour les capacités en expansion
La structure indépendante du modèle permet à eBattery AI de s’enrichir de nouvelles données et de nouveaux services à mesure que le produit évolue.
Les données directes du véhicule, y compris l’intégration des conditions météorologiques au modèle énergétique, les recommandations qui apprennent des préférences de l’utilisateur et les plans de voyage à couverture géographique plus large sont tous rattachés à la même structure de calcul et de contexte.
À mesure que la recharge-paiement, EV Market, l’assistance de recharge mobile et d’autres services entrent en service, les actions que l’assistant peut orienter s’étendent également. Chaque nouvelle fonction est traitée en tenant compte du périmètre réel, des données et de l’accord de l’utilisateur pour le service concerné.
Tout au long de cette évolution, la relation que l’assistant établit avec l’utilisateur est préservée : comprendre le besoin, utiliser les données appropriées, expliquer les conséquences des options et faciliter, au sein de l’application, l’action choisie par l’utilisateur.
