Le 28 août 2026, Tesla a annoncé une hausse de 38 kilomètres pour l’autonomie homologuée de sa Model 3 Propulsion. La berline passe de 534 à 572 km en cycle WLTP grâce à une nouvelle monte de pneumatiques Giti, sans nouvelle batterie ni mise à jour logicielle.
La consommation mixte annoncée descend de 13 à 12,2 kWh/100 km. Cette baisse représente 6,2 % de consommation en moins, tandis que l’autonomie homologuée progresse de 7,1 %. Les performances restent fixées à 6,2 secondes pour le 0 à 100 km/h et à 201 km/h en vitesse maximale.
Ces 38 kilomètres décrivent une homologation. Sur route, la température, le vent, le relief, le chauffage, la charge et la vitesse modifient la consommation.
Les pneus font le gain.
Le pack ne bouge pas, le contact au sol oui
La nouvelle monte Giti est présentée avec une faible résistance au roulement. En réduisant les pertes liées au contact avec la chaussée, elle permet à la Model 3 Propulsion de consommer moins dans les conditions mesurées pour la fiche technique.
Aucune batterie de capacité supérieure n’est annoncée. Le mécanisme est donc simple : si l’énergie disponible reste comparable et que la consommation baisse, la distance calculée par le cycle d’homologation augmente.
Cette évolution ne modifie pas les performances affichées. La Model 3 Propulsion conserve son 0 à 100 km/h en 6,2 secondes et sa vitesse maximale de 201 km/h.
Une fiche modifiée, pas une capacité accrue
Le chiffre de 572 km dépend d’une configuration précise, notamment de la monte pneumatique et du protocole d’essai. Il ne suffit pas d’installer n’importe quel pneu présenté comme économique pour reproduire automatiquement cette valeur.
572 km sur la fiche, puis la vraie route
Le WLTP permet de comparer des voitures homologuées dans un même cadre. Il ne garantit pas 572 kilomètres à chaque recharge. Une vitesse élevée ou une météo défavorable peut modifier fortement le résultat obtenu par un conducteur.
Un essai publié par L’Argus le 19 janvier 2026 montre l’écart possible. La version testée était une Model 3 Grande Autonomie Propulsion, annoncée à 750 km WLTP, avec une batterie estimée à 81,5 kWh utilisables selon les calculs de l’essai.
À 14 °C, cette voiture a consommé 13,3 kWh/100 km sur un parcours routier, soit 613 km d’autonomie calculée. À 130 km/h réels sur autoroute, la consommation est montée à 18,6 kWh/100 km, pour 437 km théoriques. En limitant la plage d’utilisation à 70 % de la batterie, l’essai retenait 306 km entre deux arrêts de recharge.
Ces chiffres ne permettent pas de convertir directement les 572 km de la Model 3 Propulsion. La version, la batterie et le protocole diffèrent. Ils montrent toutefois pourquoi un pneu plus efficient ne suffit pas à effacer l’effet de la vitesse sur la consommation.
Pour préparer un long parcours, partez de votre consommation habituelle et gardez une marge. Ajoutez la météo, le relief et la vitesse prévue à votre estimation au lieu d’utiliser le chiffre de catalogue comme une distance garantie.
36 990 euros avant les aides

Au 28 août 2026la Model 3 Propulsion est affichée à 36 990 euros hors aides. Tesla met aussi en avant une prime de reprise de 3 000 euros et une prime CEE de 400 euros. Si les conditions sont remplies, le calcul théorique atteint 33 590 euros.
Ces déductions ne constituent pas un prix garanti pour chaque acheteur. Les 38 kilomètres supplémentaires améliorent la fiche technique, mais ils ne changent ni les performances annoncées ni les conditions d’accès aux aides.
Les chiffres ont besoin d’un protocole
Une étude publiée le 4 juin 2026 dans Scientific Reports par Mariprasath et ses coauteurs a testé cinq modèles d’apprentissage automatique pour prévoir la consommation de véhicules électriques. Les chercheurs ont séparé les données par véhicule, afin qu’un même véhicule n’apparaisse pas à la fois dans l’apprentissage et dans l’évaluation.
Dans ce protocole, le modèle ExtraTrees a obtenu un R² de 0,9407 et une erreur absolue moyenne en pourcentage de 7,62 %. Les données décrivaient le mouvement du véhicule et les conditions environnementales.
Ce résultat concerne la prédiction de consommation sur le jeu de données de l’étude. Il ne mesure pas la Model 3 Propulsion et ne transforme pas la valeur WLTP de Tesla en autonomie réelle. Il rappelle simplement qu’une estimation dépend des données utilisées et de la manière dont elle est testée.
Les propriétaires ne récupèrent pas 38 km sur commande
Comme l’amélioration repose sur les pneumatiques, les propriétaires d’une Model 3 Propulsion peuvent envisager la monte recommandée lors du prochain remplacement. Le choix doit rester compatible avec leur voiture et ne garantit pas, à lui seul, les 572 km WLTP.
La consommation dépend aussi de l’état du pneu, de sa pression, de la charge transportée et du parcours. Un pneu neuf testé dans les conditions de l’homologation ne donnera pas nécessairement le même résultat après plusieurs milliers de kilomètres ou sur une autoroute rapide.
La comparaison la plus fiable consiste à relever la consommation sur plusieurs trajets similaires. Une seule baisse observée avec un vent favorable ne suffit pas à attribuer 38 kilomètres supplémentaires aux pneus.
Le gain reste attaché au protocole WLTP.
Sources et références scientifiques
- Aljafari B, Sudhakar Babu T, Selvarajan S.. Path informed adaptive trend analyzer using Hilbert Huang transform for electric vehicle driving range prediction.. Scientific reports. 2026. DOI: 10.1038/s41598-026-37995-w · PMID: 42098174. (résumé scientifique structuré; texte intégral non fourni)
- An intelligent controlling in electric vehicle system with integrated DBS and BMS for sustainable solution – PMC. Scientific reports. DOI: 10.1038/s41598-026-42354-w · PMID: 41844725.
- 1.Sanguesa, J. A., Torres-Sanz, V., Garrido, P., Martinez, F. J. & Marquez-Barja, J. M. A review on electric vehicles: Technologies and challenges. Smart Cities4(1), 372-404 (2021). [Google Scholar].
- 2.Mahmud, K., Town, G. E., Morsalin, S. & Hossain, M. Integration of electric vehicles and management in the internet of energy. Renew. Sustain. Energy Rev.82, 4179-4203 (2018). [Google Scholar].
- 3.Rahman, I., Vasant, P. M., Singh, B. S. M., Abdullah-Al-Wadud, M. & Adnan, N. Review of recent trends in optimization techniques for plug-in hybrid and electric vehicle charging infrastructures. Renew. Sustain. Energy Rev.58, 1039-1047 (2016). [Google Scholar].
- 4.S. Storandt and S. Funke, “Cruising with a battery-powered vehicle and not getting stranded,” in Proc. 26th AAAI Conf. Artificial Intelligence and 24th Innovative Applications of AI Conf., Toronto, ON, Canada, Jul. 2012, vol. 3, p. 46..
- 5.G. Maggetto and J. Van Mierlo, “Electric and electric hybrid vehicle technology: A survey,” in IEE Seminar Electric, Hybrid and Fuel Cell Vehicles, Durham, UK, Apr. 2000..
- 6.Zhang, G., Tan, T. & Wang, G. Real-time smart charging of electric vehicles for demand charge reduction at non-residential sites. IEEE Trans. Smart Grid8(5), 2473-2483 (2017). [Google Scholar].
- 7.García-Álvarez, J., González, M. A. & Vela, C. R. Metaheuristics for solving a real-world electric vehicle charging scheduling problem. Appl. Soft Comput.65, 292-306 (2018). [Google Scholar].
- 8.J. Nohara, H. Omori, A. Yamamoto, N. Kimura, and T. Morizane, “A miniaturized single-ended wireless EV charger with new high power-factor drive and natural cooling structure,” In Proc. IEEE Int. Power Electron. Appl. Conf. Expo. (PEAC), Shenzhen, China, Nov. 2018, pp. 1-6..
- 9.Held, M. & Baumann, M. Assessment of the environmental impacts of electric vehicle concepts. In Towards Life Cycle Sustainability Management (ed. Finkbeiner, M.) 535-546 (Springer, 2011). [Google Scholar].
- 10.A. Hauser and R. Kuhn, “High-voltage battery management systems (BMS) for electric vehicles,” In Advances in Battery Technologies for Electric Vehicles, Amsterdam, The Netherlands: Elsevier, 2015, pp. 265-282..
- 11.Ismail, N. H. F. et al. Simplified heat generation model for lithium ion batteries used in electric vehicles. IOP Conf. Ser. Mater. Sci. Eng.53, 012014 (2013). [Google Scholar].
- 12.Nivas, M., Naidu, R. K. P. R., Mishra, D. P. & Salkuti, S. R. Modeling and analysis of solar-powered electric vehicles. International Journal of Power Electronics and Drive Systems (IJPEDS)13(1), 480-487 (2022). [Google Scholar].
- Mariprasath T, Srinivasan P, Anbazhagan G, Prabhakaran PK, Al Bustanji S, Bereznychenko V.. Vehicle-wise validated ensemble learning framework for robust electric vehicle energy consumption prediction using physics-guided features and statistical benchmarking.. Scientific reports. 2026. DOI: 10.1038/s41598-026-55167-8 · PMID: 42243370. (résumé scientifique structuré; texte intégral non fourni)
- Tesla Model 3 : l’autonomie augmente sans nouvelle batterie, voici le petit secret d’Elon Musk. 2026.
- Robin San Vicente. Tesla offre encore plus d’autonomie à sa Model 3 pas chère sans toucher à la batterie. 2026.
- Tesla : Autonomie augmentée sans changer la batterie.
- Mathieu Sentis. Essai Tesla Model 3 (2026) : quelle autonomie réelle pour la nouvelle batterie?. 2026.
- Albert Lecoq. Tesla Model 3 et Model Y : plus d’autonomie et un nouvel intérieur pour la rentrée. 2026.




