À quoi servent l’IA et l’intelligence artificielle générative dans les transports ?

Que sont l’IA et l’intelligence artificielle générative ? 

Si elle est médiatisée depuis peu, 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 peu l'Intelligence artificielle générative. 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 véhicules autonomes.

Plus récemment, les intelligences artificielles génératives permettent aux machines de créer des contenus tels que des textes, des images, de la musique, des vidéos ou du code informatique. Ces IA génératives s’appuient sur la valorisation de données existantes pour produire de nouveaux contenus. Elles font partie intégrante de notre quotidien à travers, par exemple, les logiciels ChatGPT, Deepl ou Mid Journey, mais elles offrent également de nouvelles possibilités dans le domaine de la mobilité, en relation client notamment.

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 : l’IA et l’intelligence artificielle générative font désormais partie des opérations et services de Keolis pour améliorer la performance et la qualité de ses réseaux. Zoom sur trois cas d’usage. 

L’intelligence artificielle générative au service de l’information voyageur 

Comment garantir une information voyageur fiable lors de perturbations dans les transports en commun ? C’est la problématique à laquelle était confronté le réseau de Keolis Nederland. Les situations perturbées dans les transports en commun sont une source de mécontentement et de stress pour les passagers comme pour les collaborateurs. Le réseau a souhaité mettre en place un outil simple d’utilisation pour informer de manière fiable et rapide le voyageur. La solution déployée utilise une intelligence artificielle générative : à partir des événements survenus, l’outil génère et adapte des messages d’information voyageur qui sont ensuite diffusés sur les canaux de communication du réseau : réseaux sociaux, site web, applis, écrans à bord… Grâce à cette IA, le temps de traitement de l’information est passé d’une vingtaine de minutes à moins de 5 minutes, pour un coût d’investissement et d’exploitation faible. Les collaborateurs du réseau ont d’ores et déjà été formés à ce nouvel outil.

Anticiper l’affluence en temps réel grâce à l’intelligence artificielle 

Le Département du Transport et du Planning de l’État de Victoria en Australie souhaitait trouver une approche innovante pour anticiper l’affluence dans le réseau de tramway de Melbourne et dans les transports en commun en général. Pour atteindre cet objectif, Keolis Downer et l’Université de Melbourne se sont associés pour mettre au point IMove. Cet outil utilise l’intelligence artificielle pour analyser les données externes (météo, recensement, calendrier, etc.), ainsi que celles collectées par les systèmes de validation des titres ou de comptage installés à bord de certains véhicules. Les modèles algorithmiques mis au point permettent d’estimer la charge des tramways en temps réel et de mieux prévoir l’affluence.

Cette innovation évite au réseau d’équiper toutes les rames en système de comptage, très coûteux, et compense le système imparfait des données de validation qui ne prend pas en compte la fraude et la gratuité dans certaines zones. En outre, l’estimation de l’affluence permet d’ajuster l’offre à la demande de transport et de mieux coordonner les différents modes.

L’intelligence artificielle pour réduire les temps d’attente 

Comment assurer un temps d'attente inférieur à 12 minutes pour les passagers de la navette vers le Mont-Saint-Michel ? Afin de respecter cet engagement, Keolis a développé un outil pour anticiper les pics d’affluence le plus précisément possible. La Direction Régionale Nord-Ouest de Keolis s’est associée à la start-up angevine Cross Data pour mettre en place des algorithmes d’intelligence artificielle qui établissent les prévisions de flux de voyageurs et permettent d’adapter l’offre de transport en conséquence. Météo, calendrier, informations sur l’ouverture des barrières des parkings aux alentours, opérations de promotion du site : l’outil sera alimenté par un grand nombre de données pour assurer sa fiabilité. Ce projet permettra de réguler l’affluence de visiteurs dans ce site touristique majeur. Les prévisions pourront être partagées avec d’autres acteurs du territoire, comme les restaurateurs, dont l’activité est sensible au niveau d’affluence. Les premiers bénéficiaires seront bien sûr les passagers, avec une expérience client améliorée. 

Prochaines étapes : poursuivre l’exploration des possibilités de l’IA et de l’intelligence artificielle générative 

Comme pour beaucoup de nouvelles technologies, Keolis est attentif aux questions d’éthique et de sécurité, induites par l'utilisation de l’IA et de l’intelligence artificielle générative, comme la protection des données personnelles, de propriété intellectuelle et de confidentialité.

Keolis utilise l’intelligence artificielle pour améliorer ses opérations de mobilité en France et à l’international. Ces premières mises en pratique permettront d’évaluer les bénéfices de ces nouvelles technologies et de capitaliser sur les retours d’expérience.