TEST - L’IA générative au service de la mobilité durable et connectée

Imaginez un réseau de transport public si fluide et prévisible que chaque déplacement se déroule naturellement : correspondances assurées, informations claires, trajets adaptés aux besoins de chacun, temps d’attente optimisés. Cette expérience, déjà rendue possible grâce aux efforts constants des acteurs du secteur, franchit aujourd’hui une nouvelle étape avec l’essor de l’intelligence artificielle.

Bien que l’IA existe depuis plusieurs décennies, ses applications dans le domaine de la mobilité connaissent désormais une accélération sans précédent, portée par plusieurs facteurs :

• le développement d’architectures informatiques dédiées et l’accès à une puissance de calcul toujours plus importante ;

• des algorithmes de plus en plus performants ;

• et, au cœur de ces avancées, la disponibilité de données toujours plus nombreuses et de meilleure qualité.

Ce tournant technologique ouvre de nouvelles perspectives pour la gestion opérationnelle des réseaux de transport et contribue à l’ambition d’excellence de service. La qualité perçue d’un réseau repose avant tout sur sa fiabilité, sa prévisibilité et sa continuité. Lorsqu’elles sont réunies, les déplacements deviennent plus simples et sereins. À l’inverse, toute dégradation du service génère de l’incertitude, du stress et une perte progressive de confiance. Notre mission est donc de mettre ces technologies au service d’une amélioration continue de la performance du réseau, afin de renforcer sa fiabilité, de garantir la continuité du service et de fournir une information toujours plus pertinente aux voyageurs.

Dans cette démarche, l’IA ne remplace ni l’expertise métier ni les équipes d’exploitation. Elle leur apporte des capacités supplémentaires pour anticiper les situations, hiérarchiser les actions et intervenir plus tôt. Elle contribue ainsi à renforcer la robustesse globale du réseau à travers trois grands domaines complémentaires :

• l’expérience passager ;

• l’efficacité opérationnelle ;

• la fiabilité des actifs, notamment grâce à la maintenance prédictive.

Notre vision : transformer les transports publics par l’IA

Comprendre l'IA et l'IA générative

Fortement médiatisée en 2022 avec la sortie de Chat GPT, l’intelligence artificielle fait partie du paysage de la tech depuis longtemps. Dès les années 1950, les chercheurs s’interrogent sur la possibilité de remplacer l’intelligence humaine par des machines. L’augmentation des capacités des processeurs, l’avancée de la recherche sur les algorithmes et l’explosion du volume de données permettent de développer le machine learning et le deep learning, et depuis l'Intelligence artificielle générative, agentique et prochainement le développement de la physical AI. Ces techniques rendent les machines capables d’apprendre par elles-mêmes et d’améliorer leurs performances dans des domaines comme la reconnaissance d’images, la traduction de texte ou encore la détection d’obstacles. Quelques années plus tard, ces techniques ouvrent de nouveaux champs dans la mobilité avec, par exemple, l’essor des mobilités autonomes.

L’intelligence artificielle générative, dont les fondements technologiques ont émergé en 2017 et qui s’est imposée auprès du grand public avec le lancement de ChatGPT en novembre 2022, marque une étape majeure dans l’évolution de l’intelligence artificielle. Contrairement aux approches traditionnelles, elle est capable de créer de nouveaux contenus à partir de données existantes : textes, images, vidéos, musique ou encore code informatique. Son adoption a connu une croissance fulgurante grâce à des outils tels que ChatGPT, DeepL, Perplexity ou Midjourney. De leur côté, les solutions développées par Anthropic, comme Claude, facilitent et accélèrent les phases de développement, d’analyse et de test. Elles rendent également ces capacités accessibles à un public plus large, y compris à des utilisateurs ne maîtrisant pas les langages de programmation, favorisant ainsi l’émergence de nouvelles approches et de nouveaux usages.

Bien que le sujet de l'IA ne soit pas nouveau, son développement rapide a un impact significatif sur tous les secteurs d'activité, à travers des applications variées. Elle offre notamment de nouvelles possibilités dans le domaine de la mobilité. Keolis voit l’intelligence artificielle comme une évolution fondamentale à l’origine d’une série de transformations majeures :

• évolution des métiers,

• optimisation des process complexes,

• aide à la décision.

L’IA transforme profondément nos modes de vie, ce qui pousse le Groupe à accompagner activement les impacts pour ses collaborateurs et voyageurs. L’accélération actuelle de l’intelligence artificielle, portée par l'ensemble des écosystèmes (industries, startups, universités) ouvre de nouvelles perspectives d'innovation.

Prévoir l’affluence dans les transports en commun, optimiser la maintenance préventive des véhicules, calculer la trajectoire CO2 de la mobilité sur un territoire ou améliorer la sécurité : on l’a compris, l’IA fait désormais partie des opérations et services de Keolis pour améliorer la performance et la qualité de ses réseaux. Zoom sur ces cas d’usage. 

Optimiser sans cesse : l’IA au service d’un transport toujours plus fluide et fiable

Derrière chaque trajet « sans histoire », il y a des dizaines de décisions opérationnelles prises au bon moment : véhicules disponibles et fonctionnels, adaptation des services agents au regard des contraintes opérationnelles et individuelles, rapidité de gestion en cas de situations perturbées. Dans un contexte où la demande de mobilité est de plus en plus fluctuante et les ressources limitées, tenir ce niveau d’exigence au quotidien est un vrai défi. L’intelligence artificielle permet précisément de mieux aligner l’offre avec la demande, de rendre l’organisation du travail plus souple et de transformer la masse de données opérationnelles en informations réellement exploitables.

Chez Keolis, cela se traduit par des solutions de prévision de charge pour ajuster l’offre, par des outils de planification des conducteurs intégrant leurs préférences, ou encore par des systèmes d’aide à la décision qui filtrent les alertes et remontent les plus critiques. L’objectif : un réseau plus stable, plus réactif et plus efficient, au bénéfice des voyageurs comme des équipes.

Mieux planifier et ajuster l’offre

Dans un réseau de transport, le plan de transport n’est jamais une photo figée. La demande évolue en fonction des heures, des périodes de l’année, de la météo ou d’un événement local, bien plus vite que les grilles horaires établies plusieurs mois à l’avance. L’enjeu n’est donc plus seulement de bien planifier en amont, mais de réduire l’écart entre la demande réelle et l’offre mise en service, pour stabiliser le réseau et éviter à la fois rames vides et trains surchargés. C’est précisément ce que permet l’IA, avec des solutions comme Rider Predict à Hyderabad ou Dynamic au Mont‑Saint‑Michel, qui anticipent les flux de voyageurs et aident les équipes à ajuster l’offre au plus juste, en s’appuyant sur des données et des scénarios objectivés et pas uniquement sur des modèles statistiques traditionnels.

Organiser les planning conducteurs sur-mesure pour un meilleur équilibre au travail avec Kustomize

Kustomize, est une solution innovante qui améliore l’organisation du temps de travail des conducteurs en personnalisant leurs plannings. Grâce à cet outil, les préférences individuelles — comme les périodes de repos souhaitées, les contraintes personnelles ou les disponibilités — sont prises en compte et croisées avec les besoins opérationnels du réseau ainsi que les exigences réglementaires.

Développé en co-construction avec les équipes de Keolis Dijon Multimodalité et encadré par les services de planification, Kustomize a été testé puis déployé auprès de 84 conducteurs. Les résultats parlent d’eux-mêmes : 83 % des conducteurs se déclarent satisfaits, l’absentéisme a diminué de 24 % chez les participants, et l’équilibre entre vie professionnelle et personnelle s’en trouve nettement amélioré. Cette approche plus humaine et flexible contribue également à renforcer la fiabilité du service proposé aux voyageurs.

Reconnue pour son impact, cette innovation a remporté plusieurs prix, dont le prestigieux Grand Prix « IA et RH ». Fort de ce succès, Keolis travaille désormais à son industrialisation pour étendre Kustomize à d’autres filiales du groupe, dans l’objectif d’améliorer les conditions de travail des conducteurs partout où cela est possible.

De la donnée brute aux décision utiles

Les réseaux de transport génèrent une quantité considérable de données : alarmes techniques, capteurs, billettique, comptages, historiques de circulation… Sans les bons outils, cette « data » devient plus un bruit de fond qu’une aide à la décision. L’enjeu, pour Keolis, est donc de transformer ce flux continu d’informations en signaux clairs et actionnables par les équipes terrain.

À Dubaï, le projet Alarm Guardian illustre cette approche. Dans le poste de commandement du métro, les opérateurs surveillent en continu de multiples écrans qui affichent différentes alertes. Le risque : la surcharge mentale et de alertes non identifiées. Alarm Guardian est une Intelligence Artificielle capable de :

• lire les écrans de supervision,

• classer les alertes en temps réel,

• pousser les alertes les plus critiques aux opérateurs qui peuvent identifier plus rapidement les actions prioritaires.

Résultat : une charge mentale réduite, des incidents majeurs mieux maîtrisés, moins de retards et une fiabilité renforcée pour les voyageurs.

Toujours à Dubaï, avec le Train Loading System, l’IA est utilisée pour anticiper à très court terme les zones de surcharge dans le réseau (par station, par créneau horaire, par ligne), en combinant données historiques et comptages en temps réel. Les équipes d’exploitation peuvent alors ajuster la fréquence ou la répartition des rames avant que les quais ne se saturent, lisser le remplissage des trains et améliorer le confort des voyageurs. Là encore, l’objectif est le même : faire parler les données pour rendre le réseau plus fluide, plus lisible et plus efficace au quotidien.

Data et IA pour superviser, anticiper et optimiser l’autonomie et la fiabilité des bus

L’IA joue enfin un rôle clé dans la gestion de flottes complètes de bus, notamment lorsque les systèmes deviennent plus complexes, avec un mix énergétique qui évolue fortement vers l’électrique. En Suède, la plateforme KeOps combine données IoT des véhicules et algorithmes de machine learning pour suivre en temps réel l’autonomie, la consommation d’énergie, l’état des batteries et les conditions d’exploitation. Elle anticipe les risques de dysfonctionnement, aide à affecter le bon véhicule à la bonne ligne et planifie les recharges au moment le plus opportun. 

Cette approche permet non seulement de réduire les coûts d’exploitation et d’optimiser l’usage des actifs, mais aussi de détecter en amont les anomalies liées aux systèmes de recharge ou à l’état de santé des batteries. Là encore, la maintenance prédictive évite des immobilisations longues et des coupures de service, tout en prolongeant la durée de vie des véhicules.

En combinant capteurs, données historiques, vision par ordinateur et modèles prédictifs, l’IA devient ainsi un véritable copilote de la fiabilité pour Keolis. Elle permet de voir venir les problèmes, de programmer les bonnes interventions au bon moment, et de maintenir un haut niveau de disponibilité des infrastructures et des véhicules. Pour le voyageur, cela se traduit simplement par des trajets plus réguliers, moins d’incidents et un réseau sur lequel on peut compter au quotidien.

Expérience voyageurs : une mobilité plus réactive, lisible et inclusive grâce à l’IA

L’expérience voyageur est au cœur de la qualité de service dans les réseaux de transport public. Pourtant, l’un des principaux irritants reste l’incertitude : ne pas savoir ce qui se passe en temps réel, combien de temps va durer une perturbation, ou encore si l’on a fait le bon choix pour poursuivre son trajet. Dans ce contexte, l’intelligence artificielle peut jouer un rôle clé. En structurant et en personnalisant l’information, elle permet de réduire cette incertitude et d’assurer une communication cohérente, claire et accessible à tous. Résultat : une expérience de transport plus fluide, plus réactive et mieux adaptée aux besoins des voyageurs.

Dialoguer pour mieux servir

L’intelligence artificielle transforme la relation quotidienne entre les usagers et leur réseau de transport. Aujourd’hui, chacun attend une réponse en temps réel et personnalisée, Pour répondre à ces attentes, de plus en plus de réseaux déploient des assistants conversationnels disponibles 24 heures sur 24. Ces chatbots permettent aux voyageurs de poser leurs questions simplement, à tout moment.

Informer en temps réel et sur tous les canaux en cas de perturbations

L’information voyageurs en temps réel est un élément essentiel de la qualité de l’expérience passager. En cas d’incident, afin de limiter le stress et l’incertitude générée, chaque minute compte pour informer rapidement et de façon fiable sur l’ensemble des canaux : écrans en station, application mobile, réseaux sociaux. Or, dans ces situations souvent tendues, les équipes doivent à la fois comprendre ce qui se passe, formuler un message clair, le valider et le diffuser sans délai. Une tâche complexe, réalisée sous forte pression.

Pour répondre à cet enjeu, Keolis a développé PULSE IV, un outil d’information voyageurs basé sur l’IA générative. Dès qu’un incident est détecté sur le réseau, l’opérateur fournit des éléments de contexte (origine de la perturbation, durée estimée, lignes et arrêts concernés) et l’IA rédige en quelques secondes le message adapté à la situation. L’agent gagne ainsi un temps précieux et garde les actions de relecture et de validation. En un clic, l’information est ensuite publiée simultanément sur tous les supports. Résultat : le délai moyen de communication passe de près de vingt minutes à moins de cinq, avec des messages cohérents sur l’ensemble des canaux. Les voyageurs reçoivent ainsi des informations plus rapides et fiables, essentielles pour réduire le stress et maintenir la confiance en situation de crise.

Rendre la mobilité accessible à tous

Le transport public offre une solution efficace et durable pour se déplacer, mais son bon usage repose souvent sur une bonne compréhension du réseau. S’orienter, identifier le bon arrêt ou choisir le titre de transport adapté peut demander un certain effort, en particulier lors d’un premier déplacement. Cette richesse de l’offre, parfois perçue comme complexe, peut être source d’appréhension pour certains publics, notamment les personnes en situation de handicap, les seniors ou les voyageurs occasionnels. Rendre un réseau pleinement accessible ne se limite donc pas aux infrastructures : c’est aussi proposer un accompagnement clair, un guidage adapté et des informations rassurantes, afin que chacun puisse voyager en toute confiance.

L’IA permet précisément d’apporter ce guidage personnalisé à grande échelle. À Besançon, le dispositif Ginko Guide, développé avec la startup Ezymob, accompagne ainsi les personnes malvoyantes ou non‑voyantes tout au long de leur trajet. Grâce à une application mobile dédiée, l’utilisateur reçoit des instructions audio étape par étape, adaptées en temps réel à sa situation : description de l’environnement, annonce des arrêts, information sur les perturbations, localisation des portes ou des places assises disponibles.

En combinant les données du réseau avec la géolocalisation et la vision par ordinateur, la solution guide l’usager de manière proactive, au bon endroit et au bon moment. Pour les personnes concernées, c’est plus d’autonomie et beaucoup moins de stress. Pour Keolis, c’est un service pensé dès l’origine pour être inclusif, sans dépendre systématiquement d’un accompagnement humain. Moins de complexité, plus de sérénité : l’IA ouvre la voie à une expérience de transport plus accessible et plus rassurante pour tous.

Fiabilité des réseaux & maintenance prédictive : passer de la maintenance réactive à la maintenance prédictive grâce à l’IA

Dans un réseau de transport public, la fiabilité technique est la condition silencieuse de tout le reste : des horaires tenus, des trajets confortables, une sécurité assurée et un service qui ne s’interrompt pas. Or, une panne ne survient presque jamais « du jour au lendemain ». Elle est précédée de signaux faibles : une vibration un peu différente, une température qui dérive légèrement, un temps d’ouverture de porte qui s’allonge… Pris isolément, ces indices passent inaperçus. Mis bout à bout et analysés par l’intelligence artificielle, ils deviennent autant d’alertes précoces qui permettent d’intervenir avant la panne ou la rupture de service.

C’est précisément là que l’IA change la donne : elle permet aux équipes d’avoir des outils pour améliorer la maintenance proactive, voire prédictive. Chez Keolis, cette approche s’applique à l’ensemble des actifs critiques : infrastructures ferroviaires, matériel roulant, signalisation, lignes aériennes de contact, mais aussi bus électriques et systèmes énergétiques.

Surveiller l’infrastructure en continu

Le passage à la maintenance prédictive marque une évolution majeure dans l’exploitation des réseaux de transport. Il permet d’abord de réduire fortement les incidents imprévus : les équipements sont entretenus au bon moment, avant qu’un problème ne survienne. Les interventions peuvent également être programmées dans des conditions optimales, avec les pièces et les compétences nécessaires, ce qui améliore l’efficacité et la sécurité des équipes de maintenance.

Cette approche permet de :

• limiter les perturbations liées aux travaux,

• prolonger la durée de vie des équipements,

• réduire les impacts d’une panne soudaine.

Pour les voyageurs, le bénéfice est très concret :

• moins d’interruptions de service,

• moins de retards,

• une expérience de transport plus fluide et plus prévisible.

La fiabilité devient ainsi un pilier essentiel de la qualité de service, contribuant à renforcer la confiance dans des réseaux conçus pour durer et fonctionner de façon optimale au quotidien.

Sur les réseaux ferroviaires, l’IA est utilisée pour suivre en continu l’état des voies et des équipements. Avec le projet ARIIS à Dubaï, par exemple, un véhicule d’inspection équipé de capteurs et de caméras haute définition mesure l’état de la voie à vitesse commerciale. Les algorithmes analysent ces données, détectent les dérives dans le temps et identifient les tendances avant qu’elles ne deviennent critiques. Les équipes peuvent ainsi planifier les interventions au bon moment et au bon endroit, avec moins d’aléas, plus de sécurité et sans perturber l’exploitation.

La même logique se retrouve sur d’autres composants essentiels du réseau. À Londres, la solution CCTV AI Trial permet de sécuriser les voies en analysant automatiquement les images de vidéosurveillance pour détecter la présence d’objets sur les rails, sans les confondre avec les trains en mouvement. À Manchester, l’IA surveille les lignes aériennes de contact des tramways : chaque choc est enregistré, classé et localisé, ce qui permet d’identifier les sections à inspecter en priorité avant qu’une rupture de ligne ne vienne interrompre le service.

L’IA comme copilote des équipes de maintenance

Au-delà de la détection des signaux faibles, l’IA accompagne aussi les équipes sur le terrain au quotidien. Des solutions comme Tekia centralisent l’ensemble des documents de maintenance (notices, procédures, guides de dépannage) et les rendent interrogeables en langage naturel, via le chatbot ou la voix. Elles intègrent également de la reconnaissance d’images pour aider à identifier une pièce ou un défaut visuel, et proposer des pistes de résolution. 

Concrètement, cela signifie :

• moins de temps passé à chercher la bonne information,

• des diagnostics plus rapides et plus fiables,

• un soutien précieux pour les techniciens en cours d’intégration.

La connaissance devient accessible à tous, en quelques secondes.

L’IA au cœur de la maintenance prédictive

Keolis met l’intelligence artificielle au cœur de sa stratégie de maintenance prédictive pour rendre ses réseaux plus sûrs, plus fiables et plus disponibles. Sur les tramways de Manchester, l’IA analyse les données issues de capteurs et de vidéos embarquées sur le pantographe afin de détecter en continu les chocs et dégradations sur les lignes aériennes de contact. Chaque événement est caractérisé, noté et localisé. Cela permet de cibler les zones réellement à risque plutôt que d’inspecter systématiquement l’ensemble du réseau.

Résultat :

• moins d’incidents,

• des interventions plus rapides et mieux orientées,

• une baisse des coûts de maintenance,

• des perturbations limitées pour les voyageurs.

Sur le Grand Paris Express, avec le projet Kalist, Keolis utilise également l’IA pour optimiser l’organisation des révisions des trains automatisés des lignes 16, 17 et 18. L’outil repose sur plusieurs modules :

• optimisation des kilométrages de chaque train,

• estimation de la charge de travail future,

• planification des interventions de maintenance,

• coordination avec le poste de commande centralisé.

En pratique, l’outil permet, entre autres, de garder une charge de travail régulière pour les équipes de maintenance, grâce à ce process :

•  identification de certains trains qui roulent davantage pour atteindre plus rapidement les seuils de révision,

• tests des nouvelles procédures sur un nombre limité de rames,

• puis planification étalonnée des opérations de maintenance.

Ces deux solutions illustrent comment l’IA permet à Keolis de passer d’une maintenance essentiellement réactive à une maintenance prédictive de haut niveau, au service de la sécurité, de la performance opérationnelle et de la fiabilité perçue par les voyageurs.

Conclusion : une IA au service d’une mobilité plus fluide, plus fiable et plus humaine

L’essor de l’intelligence artificielle marque une étape clé pour les transports publics. Chez Keolis, ces technologies ne sont ni une fin en soi ni un effet de mode : elles sont mises au service d’objectifs très concrets – mieux ajuster l’offre à la demande, informer plus vite et plus justement, prévenir les pannes avant qu’elles n’interrompent le service. Des outils comme Rider Predict, Kustomize, Keobot, PULSE IV, KeOps ou encore les solutions de maintenance prédictive montrent qu’il est possible de concilier performance opérationnelle, qualité de service et transition écologique.

Surtout, l’IA est pensée comme un soutien aux agents qui font vivre le réseau au quotidien : conducteurs, régulateurs, agents de maintenance, équipes relation client. En leur donnant de meilleurs outils d’aide à la décision, en simplifiant certaines tâches et en rendant la donnée plus accessible, elle libère du temps pour ce qui compte le plus : l’attention portée aux voyageurs et au territoire.

En combinant expertise terrain, innovation responsable et exploitation intelligente des données, Keolis pose ainsi les bases d’une mobilité durable, connectée et inclusive. Une mobilité où la technologie s’efface derrière l’essentiel : des trajets plus simples, plus sereins et plus fiables, pour toutes et tous.