Infrastructures urbaines basées sur l'IA

L'intelligence artificielle est de plus en plus présentée comme une solution aux problèmes de congestion, de vieillissement des infrastructures, de gaspillage d'énergie et de services publics surchargés. Dans un contexte approprié, elle peut aider une ville à détecter une fuite dans une canalisation d’eau, à ajuster les feux de signalisation ou à réparer des équipements avant qu’ils ne tombent en panne. Dans un contexte inapproprié, elle peut donner lieu à un système de surveillance coûteux, automatiser une mauvaise décision ou rendre une collectivité locale dépendante d’un fournisseur de technologies qu’elle ne peut pas facilement remplacer.

La question pertinente n’est pas de savoir si une ville doit devenir “ pilotée par l’IA ”. Il s’agit plutôt de déterminer quel problème urbain doit être résolu, si l’IA est véritablement le meilleur outil pour y parvenir et quelles garanties doivent être mises en place avant d’engager des fonds publics ou d’utiliser les données des habitants.

Commençons par le problème urbain

Les projets de « ville intelligente » débutent souvent par une démonstration technologique plutôt que par un besoin public clairement défini. Un fournisseur présente un centre de contrôle intelligent, une plateforme prédictive ou un réseau de capteurs connectés, et la ville cherche ensuite à quels services cette technologie pourrait s'appliquer.

Il faudrait inverser cet ordre. Les responsables municipaux devraient commencer par identifier un problème quantifiable : les bus sont régulièrement retardés à certains carrefours, les pertes d'eau sont anormalement élevées, l'éclairage public consomme trop d'énergie ou les équipes d'entretien ne parviennent pas à déterminer quels ponts doivent être réparés en priorité.

Ce n’est qu’alors qu’ils devraient se demander si le problème nécessite le recours à l’intelligence artificielle. Une base de données classique, une meilleure gestion des plannings du personnel, la réparation des équipements ou une modification des procédures d’approvisionnement pourraient constituer une solution moins coûteuse et plus fiable. L’IA s’avère utile lorsque le volume, la vitesse ou la complexité des données rendent l’analyse manuelle irréalisable et lorsque les prévisions qui en découlent peuvent déboucher sur une décision opérationnelle claire.

Un système qui génère des prévisions sophistiquées sans modifier le mode de fonctionnement d'un service ne relève pas de l'innovation urbaine. Il s'agit simplement d'une couche supplémentaire de reporting.

Les domaines dans lesquels l'IA peut apporter une réelle valeur ajoutée

Les transports constituent l'un des domaines présentant le plus grand potentiel. Une ville peut combiner les données issues des feux de signalisation, des bus, des capteurs routiers et des rapports d'incidents afin d'identifier les embouteillages et d'ajuster la synchronisation des feux. Des modèles peuvent également aider les autorités chargées des transports à anticiper la demande des usagers, à planifier les services et à identifier les itinéraires sur lesquels les retards deviennent récurrents.

Les avantages dépendent de l'objectif visé. Une optimisation axée uniquement sur la vitesse des véhicules pourrait nuire aux déplacements des piétons, des cyclistes ou des bus. Un modèle de transport doit donc refléter les priorités plus larges de la ville, notamment la sécurité routière, les émissions, l'accessibilité et la circulation des personnes, plutôt que la simple circulation des voitures.

La maintenance prédictive constitue une autre application prometteuse. Les ponts, les pompes, les ascenseurs, les routes et les équipements électriques génèrent des données d'inspection et de performance. L'IA peut aider à identifier les tendances liées à la détérioration et orienter les ingénieurs vers les installations nécessitant une attention particulière.

Cela ne signifie pas pour autant qu'un algorithme doive déterminer de manière autonome si un pont est sûr. Il peut aider à établir des priorités en matière d'inspections, mais ce sont les professionnels qualifiés qui restent chargés d'interpréter les résultats et d'autoriser les décisions qui en découlent.

Les réseaux énergétiques et d'approvisionnement en eau pourraient également en bénéficier. Les prévisions de la demande peuvent aider les services publics à planifier leur offre, tandis que les systèmes de gestion des bâtiments peuvent adapter le chauffage, la climatisation et l'éclairage en fonction de l'occupation des locaux et des conditions météorologiques. Les distributeurs d'eau peuvent utiliser les données relatives à la pression, au débit et aux bruits pour détecter plus rapidement d'éventuelles fuites.

Ces applications prennent tout leur sens lorsqu'elles s'inscrivent dans le cadre d'une intervention opérationnelle. La détection d'une fuite ne sert pas à grand-chose si le service public manque de personnel, de pièces de rechange ou de l'autorisation nécessaire pour la réparer.

La collecte des déchets peut être plus intelligente sans pour autant devenir futuriste

La gestion des déchets est souvent présentée comme un domaine phare pour l'intelligence artificielle. Des capteurs permettent d'estimer le niveau de remplissage d'un conteneur, tandis que des logiciels de planification d'itinéraires peuvent diriger les véhicules de collecte vers les conteneurs les plus susceptibles d'avoir besoin d'être vidés.

Le principe est simple, mais les aspects économiques varient. L'installation et l'entretien de capteurs dans chaque bac peuvent coûter plus cher que ce qu'ils permettent d'économiser, en particulier dans les quartiers où les horaires de collecte sont prévisibles. Les itinéraires doivent également tenir compte des effectifs, de la capacité des véhicules, des restrictions de circulation et des contraintes pratiques liées à la collecte de plusieurs types de déchets.

Une ville devrait tester cette technologie dans une zone bien délimitée et la comparer à une solution plus simple, comme l'ajustement des horaires de collecte à partir des données historiques. L'essai devrait permettre de mesurer la consommation de carburant, les collectes manquées, le temps de travail du personnel, les réclamations et le coût total, et ne pas se limiter à vérifier si l'algorithme fonctionnait d'un point de vue technique.

La meilleure solution pourrait être un système hybride dans lequel l'IA prendrait en charge les sites présentant une activité irrégulière ou un volume élevé, tandis que la planification classique resterait suffisante ailleurs.

Ce que les résidents doivent savoir

Pour être couronné de succès, un projet d'IA urbaine doit apporter une amélioration perceptible pour les habitants. Par exemple : un bus qui arrive à l'heure, un nid-de-poule réparé plus rapidement ou une demande de permis traitée sans qu'il soit nécessaire de fournir plusieurs fois les mêmes informations.

De nombreux projets de « ville intelligente » mettent plutôt l'accent sur la quantité de données collectées, le nombre de capteurs installés ou la sophistication d'un tableau de bord central. Il s'agit là de moyens, et non de résultats concrets pour les citoyens.

Avant d'approuver un projet, une ville devrait expliquer en quoi celui-ci permettra de gagner en rapidité, en sécurité, en économie ou en accessibilité. Elle devrait publier une analyse de la situation initiale, puis rendre compte par la suite de la concrétisation ou non des améliorations promises.

Les habitants doivent également disposer d'un moyen de contester les erreurs. Si un système automatisé a une incidence sur l'accès au logement, aux transports, aux prestations sociales, aux services de police ou à tout autre service essentiel, les personnes concernées doivent être informées lorsque l'IA a contribué à la décision et savoir comment demander un réexamen par un être humain.

La commodité ne saurait se substituer au respect des procédures légales.

La sécurité publique exige un seuil bien plus élevé

L'IA peut contribuer à des missions légitimes de sécurité publique, notamment en analysant les tendances des appels d'urgence, en identifiant les zones routières à risque ou en aidant les services d'urgence à répartir leurs ressources. Ces utilisations doivent encore faire l'objet de tests rigoureux, mais elles sont différentes de la tentative de prédire quelle personne commettra un crime.

Les systèmes de police prédictive ont fait l'objet de vives critiques, car les données historiques sur la criminalité ne donnent pas une image neutre des comportements criminels. Elles reflètent également les lieux où la police a été déployée, les quartiers qui ont fait l'objet de perquisitions et les infractions qui ont été enregistrées. Entraîner un algorithme à partir de ces données historiques peut reproduire et amplifier les schémas existants en matière de maintien de l'ordre.

La reconnaissance faciale et l'analyse comportementale soulèvent d'autres préoccupations. Les fausses correspondances peuvent avoir de graves conséquences, tandis que la surveillance généralisée modifie la façon dont les gens perçoivent l'espace public, même lorsqu'ils n'ont rien fait de mal.

La loi sur l'IA de l'Union européenne interdit certaines pratiques, notamment les mesures de police prédictives individuelles fondées exclusivement sur le profilage ou les traits de personnalité. D'autres applications destinées aux forces de l'ordre peuvent être classées comme présentant un risque élevé et être soumises à des exigences supplémentaires.

Les villes ne devraient pas considérer la sécurité publique comme un motif général d'exemption de tout contrôle. Plus l'impact potentiel sur la liberté, l'égalité ou la vie privée est important, plus les éléments de preuve, le contrôle et la base juridique doivent être solides.

Les données sont peut-être la partie la plus difficile

L'utilité d'un système d'IA dépend entièrement de la qualité des informations sur lesquelles il s'appuie. Les données municipales sont souvent stockées dans différents services, dans des formats incompatibles. Les dossiers peuvent être incomplets, faire l'objet de doublons ou avoir été collectés dans un but très différent de celui du modèle proposé.

Un système de prévision des travaux de réfection routière risque d'être peu performant si les quartiers signalent les nids-de-poule à des rythmes différents. Un modèle énergétique peut donner une image faussée des bâtiments anciens si les capteurs ont été installés principalement dans des immeubles récents. Une application dédiée aux transports peut exclure les personnes qui ne possèdent pas de smartphone ou qui n'utilisent pas une application spécifique.

Il ne s'agit pas là d'imperfections techniques mineures. Elles déterminent qui est pris en compte par le système et quels besoins sont ignorés.

Les villes doivent disposer de normes claires en matière de qualité, de propriété, d'accès et de conservation des données avant de se lancer dans des analyses avancées. Elles doivent également indiquer quelles données ont été utilisées, d'où elles proviennent et quels groupes pourraient être sous-représentés.

Recueillir davantage d'informations n'est pas toujours la solution. Des données supplémentaires peuvent accroître les risques liés à la vie privée et à la cybersécurité sans pour autant améliorer le modèle de manière significative.

Ce qui vaut la peine d'être payé

L'investissement se justifie davantage lorsque l'IA vient en soutien à un service essentiel confronté à un problème opérationnel mesurable. La maintenance prédictive d'infrastructures coûteuses, la détection des fuites et l'optimisation des services de transports publics peuvent justifier des dépenses importantes lorsque la ville dispose de données fiables et de la capacité d'agir en fonction des résultats obtenus.

Il peut également être utile de faire appel à des conseils techniques et juridiques indépendants, même si cela implique des frais. Une collectivité locale qui négocie avec un grand fournisseur de technologies peut ne pas disposer des connaissances spécialisées nécessaires pour évaluer les affirmations relatives à la précision, les mesures de cybersécurité, la propriété intellectuelle et les coûts à long terme.

La formation des collaborateurs internes revêt une importance tout aussi grande. Les ingénieurs, les planificateurs et les responsables de service doivent disposer d'une compréhension suffisante pour remettre le système en question, plutôt que de le considérer comme une autorité technique inconnaissable.

La ville devrait conserver en son sein des personnes capables de gérer le projet après le départ des consultants externes. Sinon, l'autorité publique pourrait se retrouver à assumer la responsabilité alors que le prestataire conserverait les connaissances pratiques.

Ce qui pourrait être superflu

Une ville n'a pas nécessairement besoin d'une plateforme numérique unique reliant tous les services publics. De tels systèmes peuvent sembler efficaces, mais ils risquent de créer un point de dépendance important et complexe, et de regrouper des données que les habitants ne s'attendaient pas à voir associées.

Les jumeaux numériques, qui permettent de créer des représentations virtuelles de bâtiments ou de systèmes urbains, peuvent s'avérer utiles pour la planification et l'ingénierie. Ils ne sont toutefois pas nécessaires lorsque la ville n'a pas défini de décision précise que le modèle doit soutenir ou lorsqu'elle n'est pas en mesure de gérer les données requises pour garantir la précision de celui-ci.

L'IA générative doit également être utilisée avec modération. Un chatbot peut aider les habitants à trouver des informations, mais il ne doit pas inventer de réponses concernant la fiscalité, les prestations sociales, les autorisations ou les obligations légales. Les réponses doivent s'appuyer sur des sources officielles à jour et permettre de contacter facilement un agent humain.

L'expression “ basé sur l'IA ” ne devrait jamais être considérée comme une garantie de qualité. Les villes devraient se demander ce que ce système est capable de faire que les logiciels classiques ne peuvent pas faire, à quelle fréquence il fonctionne correctement et ce qui se passe en cas de défaillance.

Éviter la dépendance vis-à-vis d'un fournisseur

Les contrats liés aux technologies urbaines peuvent s'étendre sur plusieurs années et s'ancrer profondément dans les services essentiels. Une ville peut se rendre compte par la suite que ses données ne peuvent pas être exportées facilement, qu'un autre prestataire n'est pas en mesure d'assurer la maintenance du système ou que chaque fonctionnalité supplémentaire nécessite un avenant coûteux.

L'appel d'offres doit donc couvrir l'ensemble du cycle de vie du projet. Le prix proposé doit inclure l'intégration, le nettoyage des données, les services cloud, la maintenance, la cybersécurité, les mises à jour des modèles, la formation du personnel et le remplacement éventuel.

Le contrat doit préciser que la ville peut récupérer ses données dans un format exploitable. Il doit également indiquer clairement à qui appartiennent les modèles développés à partir d'informations publiques et si le prestataire est autorisé à réutiliser les données municipales pour d'autres clients ou à des fins commerciales.

Les normes ouvertes et les systèmes interopérables permettent de réduire la dépendance vis-à-vis d'une seule entreprise. Des contrats pilotes de moindre envergure peuvent également constituer une approche plus sûre que de s'engager à l'échelle de toute la ville avant que la technologie n'ait été testée dans les conditions locales.

La cybersécurité relève de la politique en matière d'infrastructures

La mise en réseau des systèmes de gestion du trafic, des services publics et des bâtiments publics crée des voies supplémentaires par lesquelles un pirate pourrait perturber le fonctionnement de la ville. Le risque ne se limite pas au vol de données personnelles. Des systèmes compromis pourraient perturber les services physiques.

La sécurité doit être intégrée dès la phase d'acquisition, plutôt que d'être ajoutée après le déploiement. Les villes doivent disposer de mécanismes de contrôle concernant l'accès des utilisateurs, les mises à jour logicielles, les sauvegardes, le signalement des incidents et les fournisseurs connectés au système.

Un modèle d'IA peut générer de nouvelles vulnérabilités en raison de données d'entrée manipulées, de composants tiers peu fiables ou de changements de performances après son déploiement. Une surveillance continue est donc nécessaire, en particulier lorsque le système concerne des infrastructures critiques.

Aucune ville ne peut éliminer totalement les risques liés à la cybersécurité, mais elle doit savoir quels services doivent continuer à fonctionner manuellement en cas de panne du système numérique.

Une meilleure façon de mener un projet pilote

Un projet pilote efficace commence par un problème bien délimité, un périmètre défini et une comparaison avec les pratiques actuelles. Il doit établir dès le départ ce que l’on entend par « succès » et quel résultat justifierait l’arrêt de l’expérience.

La ville devrait évaluer les performances dans tous les quartiers, à toutes les saisons et dans différentes conditions d'exploitation. Un modèle de circulation qui fonctionne correctement les jours de semaine ordinaires peut s'avérer inefficace en cas de travaux routiers, de conditions météorologiques extrêmes ou d'événement majeur.

Le personnel de première ligne et les résidents doivent être associés au projet avant sa mise en œuvre, et non pas être consultés uniquement une fois que les décisions principales ont été prises. Les employés ont souvent connaissance d’exceptions et de contraintes pratiques qui ne figurent pas dans le cahier des charges. Les résidents peuvent quant à eux mettre en évidence des problèmes liés à la vie privée, à l’accessibilité et à l’équité qui auraient pu échapper à l’équipe chargée du projet.

Les résultats doivent être publiés, y compris les limites et les coûts imprévus. Les pouvoirs publics doivent être prêts à mettre fin à un projet pilote qui n'apporte pas une valeur ajoutée suffisante. Mettre fin à un projet inefficace témoigne d'une gouvernance responsable, et non d'un échec de l'innovation.

Les compétences dont les villes ont besoin

Les collectivités locales n'ont pas besoin de recréer les laboratoires de recherche des grandes entreprises technologiques. Elles ont en revanche besoin de personnes capables de cerner les enjeux d'intérêt public, de gérer les données, d'évaluer les prestataires et de comprendre l'impact d'un système automatisé sur les responsabilités juridiques et administratives.

Cela nécessite une collaboration entre les ingénieurs, les urbanistes, les services administratifs, les juristes, les responsables des achats, les spécialistes de la cybersécurité et les représentants de la collectivité. Confier l'IA exclusivement à un service informatique revient à l'isoler de la fonction publique au sein de laquelle elle sera mise en œuvre.

Les petites communes peuvent avoir besoin de mettre en commun leur expertise, de recourir à des marchés publics régionaux ou d'adopter des normes techniques communes. Le fait que chaque commune mette en place sa propre plateforme sur mesure peut entraîner un gaspillage d'argent et compliquer le contrôle.

Cette capacité implique également un jugement politique. Les responsables doivent être en mesure de déterminer qu'une demande est techniquement réalisable mais socialement inacceptable, juridiquement incertaine ou insuffisamment utile.

À quoi ressemble une IA urbaine responsable ?

L'intelligence artificielle peut aider les villes à gérer des systèmes complexes, mais elle ne saurait se substituer à une planification rigoureuse, à des infrastructures bien entretenues ou à une administration publique compétente. Un algorithme ne permettra pas de résoudre les problèmes d'embouteillages dus à une mauvaise gestion de l'aménagement du territoire, de réparer un réseau d'adduction d'eau négligé ou de corriger un budget municipal irréaliste.

Les applications les plus fiables sont ciblées, mesurables et liées à une réponse opérationnelle claire. Elles n'utilisent pas plus de données que nécessaire, préservent la responsabilité humaine et peuvent être arrêtées en cas d'échec.

Les villes devraient investir dans les domaines où l'IA aide les fonctionnaires à détecter les problèmes plus tôt ou à allouer de manière plus judicieuse des ressources limitées. Elles devraient se montrer beaucoup plus prudentes lorsque les systèmes classifient les personnes, influencent l'accès aux services essentiels ou renforcent la surveillance dans l'espace public.

Une ville « intelligente » n'est pas celle qui dispose du plus grand nombre de capteurs ou d'algorithmes. C'est celle qui utilise la technologie de manière sélective, protège les droits de ses habitants et reste capable d'expliquer comment les décisions publiques sont prises.