IA et mobilités durables : qui fixe le cap ?

L’IA optimise déjà de nombreux flux de mobilité. Mais qui fixe ses objectifs, arbitre les priorités et contrôle ses effets ? 

Mandat, mesure, arbitrage, recours : quatre responsabilités pour gouverner l’IA et en faire une alliée digne de confiance de la mobilité durable. 

Il y a 2 400 ans, Platon s’interrogeait déjà sur ce que nous appelons aujourd’hui la délégation cognitive. Il mettait en scène l’inventeur de l’écriture, fasciné par son invention, face à un souverain qui craignait qu’en confiant leur mémoire à des signes extérieurs, les hommes n’acquièrent que l’apparence du savoir. 

Avec l’intelligence artificielle, ce débat redevient contemporain. Nous déléguons à l’IA des recommandations, des arbitrages et des actions. Concevoir une technologie ne suffit pas à juger des effets qu’elle produira. Dans les mobilités, cet enjeu devient très concret : lorsque l’IA fluidifie un trafic, optimise une flotte ou hiérarchise des flux, qui fixe le cap ? 

L’IA produit déjà des résultats 

L’IA peut anticiper une panne, adapter un itinéraire, optimiser une flotte ou proposer une alternative face à une perturbation. 

Ce n’est plus théorique. Le projet européen TANGENT a testé, à Rennes, Lisbonne et Manchester, un outil de coordination multimodale intégrant de l’IA. Selon les résultats publiés par le consortium, les temps de trajet ont baissé de plus de 10 % et dans certains cas d’étude de plus de 25 %. Les émissions de CO₂ quant à elles, ont reculé de 5 à 20 % selon les expérimentations. 

Ces résultats montrent que la technologie peut produire des gains mesurables. Nous allons donc utiliser davantage d’IA dans les mobilités et nous aurions tort de nous priver de son potentiel. Mais la performance ne suffit pas à définir ce qu’un système doit optimiser. 

Quand l’échelle change, le mandat devient décisif 

Ces résultats ont été obtenus dans des périmètres limités. Que se passe-t-il quand on change d’échelle ? 

À Hangzhou, métropole chinoise qui compte aujourd’hui plus de 12,5 millions d’habitants, City Brain illustre ce qui se produit lorsque cette logique change d’échelle. Lancé par la municipalité, notamment avec Alibaba Cloud, le système analyse les flux en temps réel et ajuste certains feux. Selon les résultats publiés par Alibaba, les périmètres concernés ont enregistré une hausse de 15 % de la vitesse moyenne et une baisse de 9 % de la congestion. 

Mais ajuster un feu, c’est donner la priorité à un flux sur un autre. L’optimisation n’est alors plus seulement technique : elle traduit un choix collectif. Transposé en Europe, un tel système nécessiterait d’être repensé au regard d’exigences de maîtrise des données, d’auditabilité, de contestation et de répartition des responsabilités. 

Plus l’IA change d’échelle, plus le mandat qui lui est confié doit être explicite. 

Quand le KPI passe à l’actions

L’exemple de Hangzhou pose une question qui dépasse la gestion du trafic : que se passe-t-il lorsqu'une IA traduit directement un objectif de performance en décisions opérationnelles ? 

Hier, un indicateur apparaissait dans un tableau de bord. Un dirigeant l’analysait, puis un humain décidait. Avec l’IA, ce même indicateur peut alimenter une boucle algorithmique qui recommande, priorise ou agit : le KPI devient exécutable. 

Lorsqu’un objectif mal défini est exécuté des milliers ou des millions de fois, il ne constitue plus seulement une erreur de management. Il devient une défaillance de gouvernance. Une partie de la stratégie de l’entreprise, de l’opérateur ou du territoire est alors inscrite dans le système. 

Une mobilité durable suppose plusieurs finalités 

Une IA au service de la mobilité durable doit concilier l’efficacité avec six exigences : écologique, circulaire, sobre en matières, souveraine, résiliente et juste. Ces exigences peuvent entrer en tension. La solution la plus sobre n’est pas toujours la plus résiliente. La plus performante n’est pas nécessairement la plus souveraine. Une optimisation globale peut dégrader l’accès au service pour certains territoires ou certaines populations. 

La sobriété concerne aussi l’IA elle-même. Elle n’est pas immatérielle : data centers, processeurs, énergie, eau, métaux et équipements ont leur propre empreinte. Une IA au service de la mobilité durable ne peut pas s’exonérer de sa propre sobriété. La bonne mesure n’est donc pas seulement ce qu’elle économise, mais le bilan net entre la valeur qu’elle crée et les ressources qu’elle mobilise. 

Dans un monde qui se polarise, la souveraineté prend une dimension particulière : celle d’avoir la liberté de choisir et de changer nos objectifs et dépendances. 

Enfin, l’équité soulève un risque plus discret : celui de l’invisibilité algorithmique. Les personnes qui renoncent à un déplacement ou utilisent peu les services connectés génèrent moins de données et de fait sont moins visibles par l’IA. L’algorithme risque alors de creuser l’écart entre ceux qui sont visibles et ceux qui le sont moins. 

Décider de ce qui doit primer ne relève donc pas d’un simple paramétrage, c’est une stratégie et une responsabilité à la fois économique, citoyenne et politique. 

La conformité est un plancher, pas une boussole 

L’AI Act encadre certains systèmes à haut risque, notamment ceux utilisés comme composants de sécurité dans la gestion du trafic routier ou d’autres infrastructures critiques. C’est indispensable, mais la réglementation nous aide à déterminer jusqu’où nous pouvons aller et, sous quelles garanties, elle ne choisit pas à notre place où nous voulons aller. 

Avant de confier à une IA un rôle significatif dans un système de mobilité, quatre responsabilités doivent être clarifiées : 

• Le mandat : qu’est-elle réellement chargée d’optimiser ? 
• La mesure : avec quelles données, sur quel horizon de temps et en intégrant quelles externalités ? 
• L’arbitrage : qui tranche lorsque les priorités s’opposent ? 
• Le recours : qui peut contester une décision, modifier les règles ou reprendre la main ? 

Une IA responsable, c’est un système capable d’expliquer, de rendre compte et, parfois, de s’effacer. 

Rendre la gouvernance opérationnelle 

Documenter le gain net suppose de mesurer à la fois la valeur créée et les ressources mobilisées. Expliciter les arbitrages suppose de rendre visibles les choix entre les exigences d’efficacité et de durabilité. Auditer suppose de conserver la trace des objectifs, des données, des règles, des résultats et des interventions humaines. 

Le rôle d’un acteur comme CGI est de rendre un mandat explicite, techniquement exécutable, traçable et contrôlable, sans le rendre invisible. 

À l’échelle d’un territoire, de la France ou de l’Europe, un cadre de confiance partagé reste à construire. Un mécanisme tiers, indépendant et de confiance, pourrait contribuer à vérifier le respect des mandats, sans se substituer à ceux qui ont la légitimité de les définir. 

Trois futurs sont possibles. Celui qui se réalisera dépendra en grande partie du cadre de confiance que nous serons capables de construire. 

• La fragmentation : une multitude d’IA territoriales ou sectorielles optimisent chacune leur propre périmètre, sans capacité réelle à raisonner ensemble. 
• La concentration : quelques plateformes centralisent les données, les capacités de calcul et une partie des règles du jeu. 
• La fédération : des IA distinctes coopèrent tout en conservant l’autonomie de leurs acteurs, dans un cadre commun de règles et de confiance. 

C’est ce troisième modèle que nous privilégions. Non pas une IA centrale qui piloterait toutes les mobilités, mais des intelligences distribuées capables de coopérer parce que les acteurs auront défini des règles communes. 

Pourquoi la communauté AI4Mobility ? 

C’est précisément pour travailler ces tensions et contribuer à faire émerger ces règles communes que CGI a lancé, au sein de Movin’On, la communauté pour l’impact AI4Mobility. 

Aucun opérateur, territoire, acteur technologique ou régulateur ne peut définir seul ce qu’une IA doit optimiser à l’échelle d’un système de mobilité. 

La communauté réunit des acteurs de la mobilité pour confronter ces principes à des cas d’usage réels, expliciter les mandats, documenter les gains nets, rendre visibles les arbitrages et préciser les conditions d’audit, de contestation et de reprise en main.  

Il s’agit de construire collectivement les conditions d’une IA capable de contribuer à la mobilité durable sans rendre invisibles les choix qu’elle exécute. 

Platon nous le rappelait déjà : inventer une technologie ne dispense jamais de juger ce que nous voulons qu’elle produise. 

La souveraineté, c’est la liberté de choisir. La gouvernance transforme ces choix en règles explicites, exécutables et contestables. L’IA leur donne une puissance d’exécution nouvelle. Le cap, lui, reste un choix humain.