VIDÉO : Recalé au contrôle antipollution, il pirate le calculateur de sa Jeep de 1994 avec deux IA et réussit son coup
Muhammad Zulali, propriétaire d'une Jeep Cherokee de 1994, a fait diagnostiquer et réparer son véhicule par deux agents de programmation, Claude Code d'Anthropic puis Codex d'OpenAI, après plusieurs échecs au contrôle antipollution californien, obligatoire pour renouveler l'immatriculation. Chaque passage chez le technicien lui coûtait environ 100 dollars. Au palier de 25 mph (environ 40 km/h), la voiture rejetait trop d'oxydes d'azote (NOx). Le remplacement de la sonde lambda n'a rien arrangé, la Jeep échouant alors dès 15 mph (environ 24 km/h). Le calculateur étant antérieur à la norme OBD-II, Claude Code a identifié son protocole ancien et lent, baptisé SCI, et une carte Arduino Nano à environ 3 dollars montée sur une platine d'expérimentation a suffi à établir la liaison. Après le retrait d'une résistance qui affaiblissait le signal, une première lecture a été obtenue à 1 h 30 du matin. Au bout d'une semaine d'efforts, Codex a analysé le logiciel embarqué, contourné une limite du boîtier, et la voiture a fini par réussir son contrôle. Le vidéaste, qui ne se présente pas comme mécanicien, a raconté l'aventure dans une vidéo YouTube publiée le 10 novembre, qui a frôlé 1,5 million de vues en moins d'une semaine.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Numerama. Lire l'article original →
Le diagnostic n'a pas été linéaire. Claude avait d'abord estimé que le calculateur injectait 22 % d'essence en plus de la normale, ce qui paraissait incohérent, puisque les NOx apparaissent justement quand le moteur manque de carburant. Après un enregistrement des données en roulant, puis la constatation d'une pression d'essence anormalement faible, Claude a proposé d'actionner lui-même la pompe, qu'il a fait tourner une dizaine de secondes jusqu'à ce que le propriétaire, inquiet, lui demande d'arrêter. Pour ce dernier, c'était la première fois que l'IA agissait réellement dans le calculateur au lieu de simplement lire des données. L'agent a ensuite compris que la piste était fausse : le logiciel Chrysler Scanner interprétait les données à l'envers, et l'ordinateur retirait en réalité de l'essence. Claude a alors copié le programme du calculateur pour l'examiner en détail, ce qui a ouvert la voie à l'intervention de Codex.
L'épisode montre qu'un amateur peut désormais s'attaquer à un équipement pour lequel les outils officiels sont quasi introuvables, avec un budget dérisoire et sans expertise préalable en électronique automobile. Il intéresse les passionnés de véhicules anciens, souvent démunis face à des calculateurs que plus aucun constructeur ne documente, mais aussi les garagistes, dont le diagnostic facturé à chaque passage pourrait être concurrencé par ces méthodes. Il relance aussi les inquiétudes sur les agents IA capables d'agir sur des équipements physiques : la mise en route de la pompe à essence, même brève, rappelle qu'une commande mal comprise peut avoir des conséquences matérielles ou de sécurité. Le pilotage de tels systèmes devrait donc être encadré par des protections techniques, comme des limites de durée, des confirmations humaines ou des plages de valeurs interdites.
Cette affaire s'inscrit dans la montée en puissance des agents de programmation, qui ne se limitent plus à écrire du code mais enquêtent, testent des hypothèses et interagissent avec du matériel. Anthropic et OpenAI se disputent ce marché avec Claude Code et Codex, et la vidéo illustre une complémentarité d'usage : l'un pour dialoguer avec le véhicule, l'autre pour dépouiller le logiciel embarqué. La question de la réglementation antipollution reste en toile de fond, car modifier un calculateur pour passer un contrôle peut relever de règles strictes selon les États américains, et la frontière entre réparation légitime et contournement n'est pas toujours simple à tracer. Plus largement, la démonstration laisse présager une multiplication de ces bricolages assistés par IA, avec un besoin croissant de garde-fous à mesure que les agents quittent l'écran pour agir sur le monde physique.