Efficacité
Perte d'autonomie à vitesse élevée
De tout ce qui influence la distance parcourue par une voiture électrique, la vitesse est le plus grand facteur sous votre contrôle direct le jour même — plus important que la température, et bien plus que tout ce que vous pouvez faire concernant les pneus ou la charge.
La physique, brièvement
Deux forces s'opposent à une voiture à vitesse constante : la résistance au roulement, qui est à peu près proportionnelle à la vitesse, et la traînée aérodynamique, qui est proportionnelle au carré de celle-ci. Comme la puissance est force multipliée par la vitesse, la puissance nécessaire pour avancer dans l'air augmente avec le cube de la vitesse. À des vitesses d'autoroute, la traînée domine complètement, ce qui explique pourquoi la courbe ci-dessus s'accentue plutôt que de rester droite.
C'est vrai aussi pour les voitures à combustion. C'est plus visible dans une voiture électrique pour deux raisons : il n'y a pas de ralenti ou de rapport de transmission pour brouiller l'image, et l'affichage de la consommation instantanée la rend lisible d'une manière qu'une jauge de carburant n'a jamais pu.
L'arithmétique du trajet
Le compromis est entre le temps perdu à conduire plus lentement et le temps perdu à un arrêt de recharge supplémentaire. Sur 500 km, passer de 130 à 110 km/h coûte environ quarante minutes de conduite. Si cela supprime un arrêt de vingt-cinq minutes, cela coûte quinze minutes net — mais cela élimine également le risque associé à cet arrêt étant occupé, en panne, ou au mauvais endroit. Sur des trajets où les bornes de recharge sont rares, cette réduction de risque vaut plus que les quinze minutes.
Le calcul change pour les courts trajets. En dessous d'environ 250 km, où aucun arrêt n'est nécessaire dans les deux sens, conduire plus lentement n'apporte rien d'autre qu'une arrivée plus tardive.
Ce qui fait varier ce chiffre par ailleurs
- Un coffre de toit coûte plus cher que presque tout le reste. La surface frontale et la perturbation de l'écoulement combinées peuvent ajouter 20-30 % à vitesse autoroutière. Un porte-bagages arrière est généralement bien moins pénalisant sur le plan aérodynamique.
- Le froid est le deuxième facteur en importance. Le chauffage de l'habitacle consomme une puissance réelle, et une batterie froide est moins efficace avant de se réchauffer.
- La pression des pneus compte plus que le choix des pneus pour la plupart des gens, et la corriger ne coûte rien.
- La charge compte moins que prévu sur terrain plat, et bien davantage en montagne, où il faut la soulever.
- Le vent de face est indissociable de la vitesse du point de vue de la voiture — un vent de face de 25 km/h à 110 km/h équivaut aérodynamiquement à 135 km/h.
Quelle autonomie est perdue à 130 km/h ?
Vaut-il la peine de rouler plus lentement pour éviter un arrêt de recharge ?
Un coffre de toit a-t-il vraiment un tel impact ?
Quelle vitesse est la plus efficiente ?
Related reading
References
Every citation below links to the original peer-reviewed record on PubMed or via DOI. Nothing here is a substitute for medical advice.
-
Effect of Ambient Temperature on Electric Vehicles’ Energy Consumption and Range: Model Definition and Sensitivity Analysis Based on Nissan Leaf Data Iora P, Tribioli L · World Electric Vehicle Journal · 2019 · Journal article DOI
-
Electric Vehicle Energy Consumption Modelling and Prediction Based on Road Information Wang J, Besselink I, Nijmeijer H · World Electric Vehicle Journal · 2015 · Journal article DOI
-
Real‑World Energy Consumption Comparison Between a Diesel Vehicle and a Battery‑Electric Vehicle Fike M, Predin A, Roger A · Renewable Energies, Environment and Power Quality Journal · 2026 · Journal article DOI
-
Dynamic Electric Vehicle Route Planning via Traffic Flow Prediction and Charging Service Integration Zhang Y, Shen X, Wang Y · Processes · 2026 · Journal article DOI
-
Resilience-Oriented Predictive Energy Management and Route Adaptation for Long-Distance Electric Vehicles Under Charging Infrastructure and Road Network Uncertainties Khan B, Ullah Z, Gruosso G, et al. · World Electric Vehicle Journal · 2026 · Journal article DOI
-
Machine Learning-Based Prediction of Electric Vehicle Energy Consumption Using Real-World Field Data R.Vishnuvardhan, T BanuChandar · Research Digest on Engineering Management and Social Innovations · 2026 · Journal article DOI
-
Research on Energy Management Strategy for Range-Extended Electric Vehicles Based on Eco-Driving Speed Liu H, Yang K, Sun W, et al. · Applied Sciences · 2025 · Journal article DOI
-
Planning for Medium- and Heavy-Duty Electric Vehicle Charging Infrastructure in Distribution Networks to Support Long-Range Electric Trucks Then J, Agalgaonkar A, Muttaqi K · Energies · 2025 · Journal article DOI
-
Co-Optimization of Charging Strategies and Route Planning for Variable-Ambient-Temperature Long-Haul Electric Vehicles Based on an Electrochemical–Vehicle Dynamics Model Zhang L, Zhang M, Shan H, et al. · Sustainability · 2025 · Journal article DOI
-
Optimisation of Electric Vehicle Charging Stations Planning Based on Macro and Micro Perspectives WANG Q, DENG K, YAN J, et al. · Promet - Traffic&Transportation · 2025 · Journal article DOI
-
Personalised electric vehicle charging stop planning through online estimators Shafipour E, Stein S, Ahipasaoglu S · Autonomous Agents and Multi-Agent Systems · 2024 · Journal article DOI
-
Electric Vehicle Distribution Route Optimisation and Charging Strategy Considering Dynamic Loads Wu Q, Tian M · Polish Journal of Environmental Studies · 2024 · Journal article DOI
-
Multi-Objective Electric Vehicle Route and Charging Planning with Contraction Hierarchies Cuchý M, Vokřínek J, Jakob M · Proceedings of the International Conference on Automated Planning and Scheduling · 2024 · Journal article DOI
-
Electric Vehicle Health Monitoring with Electric Vehicle Range Prediction and Route Planning Jayaram J, Chetan J, Nayak B · Journal of Informatics and Web Engineering · 2024 · Journal article DOI