Mobilité urbaine : confiance dans l'algorithme

À Lyon, comme dans toutes les grandes métropoles françaises, les capteurs comptent les vélos sur les quais du Rhône, les applis trackent les TCL en temps réel, et des algorithmes tournent en fond pour anticiper les bouchons sur la rocade. La puissance de calcul ne manque pas. Et pourtant, traverser la ville reste souvent une aventure... pas toujours la bonne. Embouteillages, livraisons en double file qui bloquent le bus 23, quart de nuit terminé quand le dernier métro est parti depuis vingt minutes. Le problème ? Ce n'est pas un manque d'intelligence numérique. C'est un manque de confiance.

Quand l'algorithme connaît mieux que le chauffeur... ou pas

Un exemple parlant vient de Toronto. Des chercheurs ont conçu des itinéraires de livraison optimisés à partir des données classiques disponibles. Constat sur le terrain : les conducteurs les ignoraient. Pas par mauvaise volonté, mais parce qu'ils savaient, eux, qu'une intersection était systématiquement impraticable à 8h du matin, ou qu'un raccourci apparent virait au cauchemar sous la pluie. L'algorithme avait tort, et les données ne le savaient pas.

Ce cas illustre une tension centrale : les recommandations numériques ne valent que si elles intègrent la réalité vécue des utilisateurs. Quand les conducteurs torontois ont participé à la conception des itinéraires, le taux de suivi a bondi. Même outil, même ville, résultats radicalement différents. La leçon est simple : un algorithme qu'on ne suit pas ne sert à rien.

Ce défi psychologique et social se retrouve partout. Les usagers des transports en commun ne font pas confiance à une appli qui leur annonce un bus dans 4 minutes quand ils ont attendu 20 minutes la semaine dernière sans info. La confiance se construit dans l'expérience quotidienne, pas dans les présentations PowerPoint. Et elle se perd en une seule mauvaise soirée sur un quai vide.

Le symposium tenu le 17 mars 2026 à HEC Montréal, avec des chercheurs du GERAD, du CIRRELT et des acteurs comme Transit (application multimodale présente dans plus de 1 000 villes), l'a confirmé : les freins à la mobilité durable sont politiques et organisationnels bien plus que technologiques.

Des données qui ne se parlent pas, des usagers invisibles

Voilà le vrai nœud du problème. Trois tensions majeures bloquent la transformation des données en mobilité réelle, et aucune n'est d'ordre technique.

1. L'absence de normes communes : à Montréal, chaque arrondissement gère ses règles de stationnement différemment. Un algorithme entraîné sur les données d'un opérateur ne peut pas être immédiatement appliqué à un autre réseau. Chacun optimise dans son silo.
2. La mauvaise représentation des usagers : les systèmes sont pensés pour un usager "moyen" qui n'existe pas. Les populations les plus dépendantes du transport collectif sont souvent les moins présentes dans les données de conception.
3. L'anonymisation aveugle : pour protéger la vie privée, on efface parfois l'information utile. Impossible, par exemple, de relier la consommation d'un bus électrique à un style de conduite pour identifier des économies d'énergie.

Sur le deuxième point, l'ARTM (Autorité régionale de transport métropolitain) travaille précisément à identifier où l'offre creuse des inégalités d'accès. Des données plus représentatives permettraient de repérer les zones où l'absence de fréquence suffisante contraint des ménages à faibles revenus à posséder une voiture, alors qu'un simple ajustement de tracé suffirait. C'est exactement le type de mobilités contestées dont les débats autour de la ligne rose du métro sont un exemple concret et local.

L'étude menée avec Communauto illustre bien l'enjeu de l'anonymisation : si le service disparaissait, une part significative de ses membres achèteraient une voiture. Ce bénéfice environnemental n'a pu être quantifié que parce que les usagers ont accepté de partager leurs données. Sans ce consentement éclairé, la décision politique reste aveugle.

Partager les données : l'exemple londonien comme boussole

Transport for London (TfL) a fait le pari de l'ouverture radicale des données. Selon une analyse de Deloitte, cette politique génère jusqu'à 130 millions de livres sterling de valeur par an, via plus de 600 applications développées par des tiers et utilisées par plus de 40 % des Londoniens. Zéro investissement public additionnel. Juste de la donnée ouverte, bien standardisée.

L'ARTM prépare un carrefour de données ouvertes inspiré de ce modèle. Mais du côté des plateformes privées, la logique est inverse : garder les données pour soi devient un avantage concurrentiel dès qu'on cherche à dominer un marché. Transit l'a observé directement dans de diverses villes : les agences publiques veulent ouvrir, les acteurs privés freinent.

D'ici 2030, le nombre de véhicules de livraison urbaine pourrait augmenter de plus de 60 % dans le monde, selon les projections actuelles. La livraison par drone s'installe déjà avant que les règles ne suivent. Dans ce contexte, l'intelligence numérique n'est pas le goulot d'étranglement. Ce sont les systèmes d'incitation, la volonté politique et, surtout, la confiance entre acteurs qui décident si de meilleurs outils produisent de meilleures villes.

Alors, par où commencer concrètement ? Arrêtez d'attendre l'algorithme parfait. Commencez par tester, impliquer les usagers réels dès la conception, et exiger la transparence des données publiques. La mobilité urbaine ne se résoudra pas dans un datacenter : elle se construira dans les négociations entre opérateurs, élus et habitants, rue par rue.