Accueil › Glossaire › LiDAR

LiDAR (Light Detection and Ranging)

Le LiDAR est une technologie de télédétection qui utilise des impulsions laser pour mesurer la distance entre un capteur et les objets environnants, afin de produire une cartographie 3D précise de l’environnement sous forme de nuage de points.

Comment fonctionne le LiDAR

Le principe du LiDAR repose sur une physique simple : un émetteur laser envoie des milliers (voire des millions) d’impulsions lumineuses par seconde vers l’environnement. Chaque impulsion rebondit sur un objet et revient vers le récepteur du capteur. En mesurant le temps de trajet aller-retour de chaque impulsion (c’est le « temps de vol », ou Time of Flight), le système calcule la distance exacte de chaque point touché. La formule est élémentaire : distance = (vitesse de la lumière × temps de trajet) / 2.

En accumulant des centaines de milliers de mesures par seconde, le capteur génère un nuage de points (point cloud) : une représentation 3D dense de tout ce qui entoure le capteur. Chaque point possède des coordonnées X, Y, Z et souvent une valeur d’intensité de réflexion. Les systèmes modernes émettent entre 100 000 et 1,5 million de points par seconde.

Longueurs d’onde utilisées

Deux grandes familles de longueurs d’onde dominent le marché :

Le choix de la longueur d’onde détermine directement le coût, la portée et les cas d’usage du capteur. La tendance actuelle dans l’automobile est au SWIR (1550 nm) pour les capteurs longue portée, et au 905 nm pour les capteurs courte/moyenne portée moins chers.

Types de capteurs LiDAR

Tous les LiDAR ne se ressemblent pas. La méthode de balayage du faisceau laser détermine le format, la fiabilité et le coût du capteur. Voici les principales architectures :

LiDAR mécanique (spinning)

C’est l’architecture historique, popularisée par Velodyne dans les années 2010. Un ensemble de lasers et de récepteurs tourne mécaniquement à grande vitesse (10 à 20 tours/seconde) pour couvrir un champ de vision à 360°. Le résultat est un nuage de points très dense avec une excellente couverture angulaire. Le Velodyne VLP-16 (Puck) est l’exemple emblématique de cette génération.

Le problème : les pièces mobiles. Elles introduisent de l’usure mécanique, un encombrement important et un coût élevé (10 000 à 75 000 $ par unité). C’est pourquoi l’industrie automobile a largement abandonné cette approche pour les véhicules de série, même si elle reste utilisée en cartographie professionnelle et en recherche.

LiDAR solid-state

L’avenir du LiDAR, en tout cas pour les applications grand volume. Aucune pièce mobile : le balayage est effectué électroniquement. Plusieurs sous-technologies existent :

LiDAR hybride

Certains fabricants combinent un balayage électronique rapide avec un élément mécanique pour étendre le champ de vision. C’est un compromis pragmatique qui offre souvent le meilleur rapport performance/prix dans l’immédiat. Les capteurs Hesai AT128 et ATX entrent dans cette catégorie.

LiDAR vs. caméras vs. radar

Le débat LiDAR vs. caméras a longtemps été polarisé, notamment par la position d’Elon Musk (Tesla utilise exclusivement des caméras). En pratique, chaque technologie de perception a ses forces et ses faiblesses, et la tendance va vers la fusion de capteurs (sensor fusion) plutôt que vers le choix exclusif.

La chute spectaculaire des prix du LiDAR

Le LiDAR automobile a connu l’une des baisses de coût les plus rapides de l’histoire des capteurs. Il y a dix ans, un capteur Velodyne coûtait environ 75 000 $. Les premiers LiDAR destinés à l’ADAS grand public ont atteint 1 000 $ vers 2020. En 2026, les fabricants chinois comme Hesai ont fait chuter les prix à quelques centaines de dollars par unité, grâce à la production de masse.

MicroVision, un fabricant américain de LiDAR solid-state, a annoncé début 2026 un capteur automobile ciblant un prix de production inférieur à 200 $, avec un objectif à terme de 100 $ par unité. Cette tendance est rendue possible par la miniaturisation des composants, le passage au solid-state, et surtout par les volumes de production colossaux tirés par le marché chinois des véhicules électriques (NIO, Li Auto, Xiaomi, Zeekr, entre autres).

Hesai, leader mondial en volume, a livré plus de 2 millions d’unités cumulées et prévoit une capacité de production annuelle de plus de 4 millions d’unités pour 2026. Son capteur ATX longue portée a déjà reçu des commandes dépassant 4 millions d’unités de la part de plusieurs constructeurs.

Applications du LiDAR

Automobile et conduite autonome

C’est le marché moteur. Le LiDAR est considéré comme indispensable pour atteindre la conduite autonome de niveau 3 (le conducteur peut lâcher le volant dans certaines conditions) et au-delà. Les systèmes ADAS de nouvelle génération intègrent un ou plusieurs LiDAR pour compléter les caméras et radars.

Plusieurs constructeurs ont déjà lancé des véhicules équipés de LiDAR en série : Mercedes-Benz (Drive Pilot, niveau 3 certifié en Allemagne et dans certains États américains), Volvo, NIO, Li Auto, Xiaomi, et Zeekr. Rivian prévoit d’intégrer le LiDAR sur son crossover R2. Ford et GM développent des systèmes L3 pour la fin de la décennie.

Le marché automobile du LiDAR est estimé à environ 1,2 milliard $ en 2024 et devrait atteindre entre 9 et 10 milliards $ d’ici 2030, avec un taux de croissance annuel composé supérieur à 34 %.

Robotique et drones

La baisse des prix du LiDAR automobile profite directement à la robotique. Les robots mobiles d’entrepôt, les robots de livraison, les tondeuses autonomes et les aspirateurs-robots haut de gamme intègrent désormais des capteurs LiDAR pour la navigation SLAM (Simultaneous Localization and Mapping). Hesai fournit par exemple des capteurs solid-state à Meituan pour ses drones de livraison Keeta et à DREAME pour ses robots ménagers.

En robotique industrielle, le LiDAR permet le positionnement absolu en intérieur avec une précision de l’ordre de 2 cm, sans dépendre du GPS. C’est essentiel dans les entrepôts, les usines et les environnements miniers.

Cartographie et topographie

C’est l’application historique du LiDAR. Monté sur avion, drone ou véhicule terrestre, le LiDAR produit des modèles numériques de terrain (MNT) d’une précision inaccessible par photogrammétrie seule. Son avantage décisif : la capacité à « voir » à travers la végétation. Les impulsions laser traversent le couvert forestier et atteignent le sol, ce qui permet de cartographier le terrain sous les arbres.

Les applications incluent la cartographie topographique nationale, la gestion forestière (estimation de biomasse, inventaire), la surveillance de lignes électriques, l’inspection d’infrastructures (ponts, barrages, voies ferrées), l’archéologie (découverte de structures enfouies sous la végétation, comme les cités mayas) et la gestion des risques naturels (modélisation de zones inondables).

Le LiDAR aéroporté par drone a explosé en adoption ces dernières années. Les capteurs deviennent plus légers et plus denses : les systèmes modernes capturent plus de 100 points par mètre carré. Les tarifs professionnels se situent entre 150 et 400 € par hectare pour un relevé standard, et peuvent dépasser 2 000 € par kilomètre pour une cartographie de corridor de haute précision.

Smart cities et infrastructures

Le LiDAR s’installe dans les villes intelligentes pour la gestion du trafic (comptage de véhicules, détection de cyclistes aux intersections), la surveillance de parkings, le péage intelligent et la sécurité des espaces publics. Contrairement aux caméras, le LiDAR ne capture ni visage ni plaque d’immatriculation, ce qui simplifie les questions de vie privée et de conformité RGPD.

AEye, par exemple, a présenté au CES 2026 son capteur Apollo et sa plateforme OPTIS pour des applications d’infrastructure intelligente, avec une portée allant jusqu’à 1 km.

LiDAR dans votre poche : iPhone et iPad

Depuis 2020, Apple intègre un scanner LiDAR dans ses modèles Pro d’iPhone (à partir du 12 Pro) et d’iPad Pro. Ce capteur dToF (direct Time of Flight) a une portée limitée (environ 5 mètres) mais permet des applications concrètes : scan 3D d’objets et de pièces (Polycam, SiteScape, 3D Scanner App), mesures de distance (app Mesure native), amélioration de la réalité augmentée (placement d’objets AR plus précis), et même accessibilité (Microsoft Seeing AI utilise le LiDAR pour aider les personnes malvoyantes).

En architecture et immobilier, des applications comme Polycam et SiteScape permettent de scanner une pièce entière en quelques minutes et d’exporter un modèle 3D vers Revit, AutoCAD ou SketchUp. La précision est de l’ordre de 1 % des dimensions globales, ce qui est suffisant pour de la rénovation et du design intérieur, mais pas pour un relevé d’ingénierie.

Autres domaines

Le LiDAR trouve des applications dans de nombreux autres secteurs : bathymétrie (cartographie des fonds marins peu profonds avec un laser vert à 532 nm), météorologie (mesure de la vitesse du vent par LiDAR Doppler, utilisé notamment pour l’implantation d’éoliennes), défense et sécurité (détection à longue portée), agriculture de précision (estimation de rendement, modélisation de canopée), et géosciences (étude de falaises, de glaciers et de volcans).

LiDAR et intelligence artificielle

Un capteur LiDAR seul ne « comprend » rien. Il produit un flux brut de millions de points 3D par seconde. C’est l’IA qui transforme ce flux en perception : détection d’objets, classification (piéton, véhicule, arbre), suivi (tracking), prédiction de trajectoire. Plusieurs couches d’IA interviennent :

Perception 3D et réseaux de neurones sur nuages de points

Les réseaux spécialisés comme PointNet, PointNet++, VoxelNet et CenterPoint traitent directement les nuages de points pour détecter et classifier des objets en 3D. Contrairement aux images 2D, les nuages de points sont irréguliers et non structurés, ce qui nécessite des architectures adaptées. Les approches récentes combinent souvent une voxélisation (discrétisation en grille 3D) avec des réseaux convolutifs 3D.

SLAM (Simultaneous Localization and Mapping)

L’algorithme SLAM permet à un robot ou un véhicule de construire une carte de son environnement tout en se localisant dans cette carte, en temps réel. Le LiDAR est l’un des capteurs les plus efficaces pour le SLAM grâce à sa précision géométrique. Les algorithmes comme LOAM (LiDAR Odometry And Mapping) et ses variantes sont des standards en robotique mobile.

Fusion de capteurs

Dans un véhicule autonome, les données LiDAR sont fusionnées avec les images des caméras et les mesures du radar pour produire une perception robuste. La fusion de capteurs peut opérer à plusieurs niveaux : fusion « early » (au niveau des données brutes), fusion « mid » (au niveau des caractéristiques extraites par chaque capteur), ou fusion « late » (au niveau des détections). Chaque approche a ses compromis entre précision et latence.

Jumeaux numériques et simulation

Les nuages de points LiDAR alimentent la création de jumeaux numériques (digital twins) : répliques virtuelles d’environnements physiques utilisées pour la planification urbaine, la gestion d’actifs industriels, ou l’entraînement de modèles de conduite autonome en simulation. Les formats cloud-natifs comme COPC (Cloud-Optimized Point Cloud) permettent de diffuser des jeux de données de milliards de points directement via un navigateur web.

Acteurs clés du marché LiDAR

Le marché global du LiDAR

Le marché LiDAR (tous secteurs confondus) est estimé à environ 3,3 milliards $ en 2025, avec une projection autour de 12,8 milliards $ d’ici 2030, soit un taux de croissance annuel composé d’environ 31 %. L’automobile (ADAS et véhicules autonomes) représente le segment à la croissance la plus forte, mais il ne faut pas négliger les autres secteurs : selon une étude du Yole Group, environ 63 % du marché LiDAR (matériel et logiciel) se situera hors automobile d’ici 2027.

L’Asie-Pacifique domine le marché avec environ 56 % de part de marché en 2025, portée par la Chine (qui concentre la plupart des fournisseurs à fort volume et des constructeurs de véhicules électriques équipés de LiDAR), la Corée du Sud (programme « Autonomous Driving Vision 2030 » à Séoul) et le Japon (objectif de déployer des véhicules de niveau 4 dans 100 municipalités d’ici 2027).

Limites et défis du LiDAR

Le LiDAR n’est pas une technologie parfaite. Voici ses principales limites actuelles :

Conditions météorologiques. La pluie forte, la neige et le brouillard dense dégradent les performances du LiDAR. Les gouttelettes d’eau diffusent les impulsions laser et génèrent du bruit dans le nuage de points. Le radar reste plus fiable dans ces conditions extrêmes, d’où l’intérêt de la fusion multi-capteurs.

Absence de couleur et de texture. Un nuage de points LiDAR est purement géométrique. Il ne distingue pas un panneau « Stop » d’un panneau publicitaire de même forme. La couleur, le texte et les détails visuels fins nécessitent des caméras. C’est pourquoi aucun système de conduite autonome sérieux ne repose sur le LiDAR seul.

Volume de données. Un capteur LiDAR haute résolution génère des gigaoctets de données par minute. Le traitement en temps réel exige une puissance de calcul significative (edge computing embarqué), ce qui augmente le coût système et la consommation énergétique.

Coût total d’intégration. Même si le prix du capteur baisse, le coût total inclut le logiciel de perception, la calibration multi-capteurs, la validation fonctionnelle et la conformité aux normes de sécurité automobile (ISO 26262). Ce coût système reste un frein pour les véhicules d’entrée de gamme.

Matériaux à faible réflectivité. Les objets noirs mats ou certains matériaux absorbants peuvent réfléchir très peu de lumière laser, réduisant la portée de détection effective. Les capteurs 1550 nm à haute puissance atténuent ce problème mais ne l’éliminent pas complètement.

Tendances et avenir du LiDAR

Convergence avec l’IA embarquée. Les capteurs LiDAR intègrent de plus en plus de traitement IA directement sur la puce du capteur. Hesai parle de « fonctions de perception embarquées » qui réduisent la charge de calcul du processeur central du véhicule. On va vers des capteurs « intelligents » qui envoient des détections plutôt que des points bruts.

Capteurs software-defined. La possibilité de modifier le comportement du capteur par logiciel (résolution adaptative, motif de balayage dynamique) est un changement majeur. Un même capteur peut se reconfigurer en temps réel selon le contexte de conduite.

Single-photon et Geiger-mode LiDAR. Ces technologies de nouvelle génération détectent des photons individuels, ce qui permet de couvrir de vastes zones à très grande vitesse. Elles sont principalement utilisées pour la cartographie aérienne à l’échelle nationale.

LiDAR sur puce. Des recherches à l’Université de Washington ont produit un système LiDAR sur puce utilisant la diffusion Brillouin pour encoder l’angle dans la fréquence du laser, ne nécessitant qu’un seul pixel récepteur. Ce type de technologie pourrait rendre le LiDAR aussi petit et bon marché qu’un composant courant, ouvrant des applications dans les drones, les lunettes AR et les appareils portables.

Normalisation et sécurité. La création du NVIDIA Halos Lab et les travaux de normalisation (ISO, SAE) autour de la validation des systèmes de perception autonomes structurent l’industrie. La certification fonctionnelle du LiDAR dans les systèmes critiques devient un enjeu central pour le déploiement à grande échelle.

Verdict

Le LiDAR s’est imposé comme un capteur incontournable pour la perception 3D dans l’automobile autonome, la robotique et la cartographie professionnelle. Le débat « LiDAR vs. caméras seules » est largement tranché par l’industrie en faveur de la complémentarité des capteurs. Avec la chute des prix (sous les 200 $ en production), l’arrivée de capteurs software-defined et la consolidation de l’écosystème autour de plateformes comme NVIDIA DRIVE, le LiDAR entre dans une phase de déploiement massif.

Si vous travaillez sur un projet de véhicule autonome, de robot mobile ou d’infrastructure intelligente, le LiDAR n’est plus optionnel : c’est un composant fondamental de votre stack de perception. La question n’est plus « faut-il du LiDAR ? » mais « quel LiDAR et à quel niveau de fusion avec les autres capteurs ? ».