- Speaker #0
J'ai le plaisir d'accueillir M. Bertrand Coquard, qui est vice-président à la Smart City Saint-Quentin en Yvelines et conseiller départemental également. Et on va parler, donc on a ce que je vous disais, on a parlé tout à l'heure accessibilité, maintenant on va parler mobilité et la façon dont on peut justement utiliser l'IA peut-être pour aborder ces questions au sein de la Smart City. d'une collectivité comme Saint-Quentin. Je vous laisse la parole, c'est à vous.
- Speaker #1
Merci beaucoup et bonjour à vous. Je sais que c'est la fin de la journée. Je vais essayer de faire une présentation assez énergisante, si je peux. Je saisis toujours cette occasion pour expliquer que l'IA, c'est quelque chose qui est assez nouveau et on peut vraiment se former à tout âge. Je sais que j'ai longtemps travaillé pour Apple et avec mes... Mon mandat d'élu à la Smart City, j'ai vraiment vu l'intelligence artificielle émerger comme une vraie révolution qui allait bouleverser les années à venir et j'ai voulu très récemment me former. Donc j'ai fait un master de sciences en data science et en intelligence artificielle à l'âge de 52 ans. Donc c'est des choses que l'on peut faire, je vous invite vraiment à le faire, à vous former sur l'IA. C'est vraiment pas quelque chose de compliqué, moi je n'étais pas en format ingénieur, je ne suis pas ingénieur, j'ai fait une école de commerce. Et en fait, ça reste très intéressant de savoir comment fonctionne l'intelligence artificielle. On en entend tellement parler. L'objectif aujourd'hui, c'est de vous expliquer comment on peut mettre l'intelligence artificielle au service des territoires. Et donc, l'idée, c'est de vous expliquer l'implémentation un peu à 50 ans en Yvelines de cette IA. Vraiment là, pour le coup, on est sur le use case de la mobilité. Et vous verrez qu'on peut faire énormément de choses avec l'intelligence artificielle que l'on ne peut pas faire juste avec de la technologie. normal. Peut-être prendre le temps de vous expliquer où est Saint-Quentin-en-Yvelines. On est vraiment dans le sud-ouest de l'île de France, dans le territoire des Yvelines, dont je suis conseiller départemental. On a la chance d'avoir, d'héberger énormément de sièges sociaux en fait, de sociétés, donc Airbus, Thales, Crédit Agricole, etc. etc. Mercedes. Et donc on est un territoire vraiment d'innovation, on veut vraiment le flécher innovation. 230 000 habitants, on a 17 000 entreprises, 145 000 emplois, donc c'est vraiment quelque chose qui est important pour nous, la mobilité, puisque un des freins à la mobilité, pour les gens, par exemple Airbus, qui a vraiment besoin d'avoir des pointures en termes d'ingénieurs, comme Decaux d'ailleurs, c'est que les gens puissent se déplacer, souvent de Paris ou de la proche banlieue, pour venir à Saint-Quentin-les-Vines, ce n'est pas toujours simple, et donc on essaye de travailler là-dessus et de traquer ça. On a 7 gares, dont une gare qui va héberger la ligne 18. et du Grand Paris Express. Et on a cinq filières d'excellence. On héberge aussi automobile, puisqu'on a le technocentre de Renault, qui est sur notre territoire. L'aéronautique, je l'ai déjà dit, on a Airbus qui est présent. On a pas mal d'écoles aussi. Bref, on a cinq filières d'excellence. Et ça, c'était pour vous présenter un petit peu 50 ans en Eveline. Ce que l'on a essayé de faire avec la mobilité, on avait comme enjeu et objectif de développer les connaissances et les besoins des comportements des usagers en matière de mobilité. C'est vrai que ce n'est pas toujours évident de savoir sur son territoire, c'est quelque chose qui est très mouvant. Comment identifier les besoins et les connaissances. On a aussi comment mieux comprendre les déplacements des usagers, ça c'est quelque chose qui est important. Et pas que les usagers du territoire, on souhaitait savoir exactement. le point d'origine, le point de destination, combien de temps il restait sur le territoire et qu'est-ce qu'il y faisait. Donc c'était quelque chose qui était important pour nous. Et enfin de tester de nouvelles sources de données puisque vous savez qu'on a de plus en plus de capteurs maintenant et dans les voitures, vous ne le savez sûrement pas, mais quand vous cliquez, vous achetez une voiture, au démarrage on va vous dire est-ce que vous êtes d'accord pour les conditions d'usage, les terms and conditions, vous allez cliquer sur oui. Et la plupart du temps vous cliquez sur votre accord pour envoyer des données, des capteurs de votre véhicule de façon anonymisée. Donc, on ne sait pas qui il y est, mais on sait qu'il y a une Renault Mégane qui circule. Et les capteurs, c'est très intéressant pour nous parce qu'ils sont dans différents endroits de l'habitacle, notamment sur le freinage et sur les amortisseurs, si je me limite uniquement à ça. Et ça, vous voyez tout de suite qu'on est en capacité, quand on a les remontées des informations, de savoir s'il y a des coups de frein qui se sont passés, la géolocalisation des coups de frein. ou éventuellement le jeu des amortisseurs, donc ça permet d'identifier des nids de poules et ça permet d'identifier type Waze, quand vous avez beaucoup de coups de frein au même endroit, de se dire peut-être qu'il y a une zone accidentogène qu'on n'aurait jamais pu identifier nous sur le territoire sauf à attendre un accident et de se dire c'est juste un accident, est-ce qu'on fait quelque chose pour un accident ? Mais si on voit régulièrement des traces de freinage, c'est quelque chose qui est important. J'ai un petit peu plus loin, mais l'idée c'était vraiment ça, de développer des condensances, de tester et d'exploiter des nouvelles sources de données. de croiser des informations et on verra tout à l'heure que l'IA c'est ça, c'est cette capacité à pouvoir croiser des informations que l'humain ne peut pas croiser lui-même parce que son cerveau est relativement limité pour calculer énormément d'informations en temps réel. Donc l'IA va nous servir à ça. Et puis optimiser le recours au numérique et au gisement de données dans le cadre d'une stratégie de data hub territorial. Donc l'idée c'est non seulement on récolte des données, non seulement on récolte des données qui ne sont pas que des données du territoire, mais on a une capacité à les stocker. et les héberger dans un socle de données qui va nous permettre de les visualiser. C'est ce que vous avez pu voir sur la première page. Et surtout, on en est propriétaire. C'est un autre problème que l'on a dans les collectivités, c'est que souvent on fait appel à des prestataires pour des capteurs. Ce sont des standards différents. Quand on veut changer de capteur, souvent c'est difficile parce que c'est un autre type de logiciel. Ils ne nous donnent pas toujours la disponibilité des données. Ils nous envoient des paquets de données, mais les données brutes, on ne les a pas. C'est hébergé sur leur serveur. Tout ça, c'est un vrai souci quand on veut travailler sur l'IA. C'était un peu ce qu'on voulait faire sur les enjeux et les objectifs. En termes de principes technologiques, on est parti du fait que les individus ne se déplacent pas de façon aléatoire. C'est un peu, alors l'IA, on va parler beaucoup statistique et probabilité. C'est ça qui fait le cœur du service. Donc, en partant du principe que les individus ne se déplacent pas de façon aléatoire, on a une certaine corrélation. Donc, on peut se dire qu'on peut faire appel à des outils statisticiens. et de probabilité. La structure de la mobilité peut s'apprendre par l'IA, effectivement, et cet apprentissage permet d'inférer la mobilité dans l'espace-temps. Alors, inférer, c'est un langage hyper technique, très IA, qui veut dire juste calculer, dans l'idée, si je le résume comme ça. Donc, vous allez vraiment pouvoir le faire. Donc, vous avez trois choses qui sont importantes. Vous avez le territoire, avoir des données du territoire, donc principalement GPS, comment les constituer, les rues, etc. Il vous faut les données des individus, ça c'est déjà plus difficile, puisqu'on a quand même une loi qui s'appelle RGPD, qui empêche d'aller savoir exactement ce que vous faites vous, de façon personnelle. Mais il y a quand même des organismes qui collectent beaucoup de choses sur nous. C'est le recensement de l'INSEE, par exemple, on sait où vous habitez, la composition du foyer, etc. La catégorie socio-professionnelle, tout ce qui peut éventuellement intéresser le territoire pour savoir qui s'y déplace. Et ce n'est pas quelque chose que l'on sait sauf à faire des enquêtes. Et encore une fois, c'est un panel relativement bas. Et enfin, les déplacements, c'est très compliqué. On ne va pas mettre des caméras de visioprotection partout. On ne va pas aller tracer où est-ce qu'il est rentré, où il est parti. Alors, vous avez des chaînes, ça coûte relativement chêne, des chaînes de comptage au sol, mais ça va être souvent limité à une grande voie ou deux grandes voies. Ce n'est pas toujours fiable. On ne sait pas si c'est un camion qui passe, si c'est un vélo qui passe, si c'est une moto qui passe. On n'a pas forcément la vitesse. Ce n'est pas très précis et surtout, ça coûte relativement cher. Et puis, on ne va pas mettre des capteurs partout. Il y a des villes qui décident, comme Nice, de mettre des capteurs absolument partout. Pourquoi pas ? Ce n'était pas là notre stratégie. Donc, on a pris un petit peu ces trois choses-là et puis on a essayé de voir est-ce que l'IA pouvait éventuellement nous aider ? à modéliser quelque chose qui ferait que je vous listerais les cas d'usage. On peut aller. Je vais vous parler des cas d'usage et après, je vous parlerai du type de données que l'on a recueillies. Sur le territoire, il y a quatre cas d'usage que l'on a essayé de faire. Un premier qui est l'amélioration de la connaissance des déplacements et donc notamment le suivi précis des flux multimodaux. Très intéressant pour les territoires de se dire on va faire une zone de covoiturage ou un stationnement où on vient, on est avec sa voiture, on repart avec le Vélib, on prend le train. Donc savoir aujourd'hui ce qui se passe sur son territoire. Est-ce qu'il y a des échanges multimodaux ? Est-ce qu'on dépose sa voiture dans un parking ou on repart avec une trottinette ? Est-ce qu'on dépose sa voiture pour repartir sur un train ? Tout ça, c'est des choses qui sont intéressantes pour nous. Et inversement, est-ce que l'on vient en train et on prend la trottinette ou le vélo ? ou on y va à pied ou on fait autre chose. Donc ça, c'est effectivement ce qu'on souhaitait connaître. La fiabilisation du modèle de trafic, c'est-à-dire on a intégré des modèles de simulation de trafic avec des flux routiers et notamment tout ce qui est véhicules lourds et poids lourds. On souhaitait savoir un petit peu comment se coordonnait ce trafic-là en identifiant des classes d'engin. Le développement d'une méthode de comptage routier sans capteur. Comment on va pouvoir mesurer le nombre de véhicules entrant et sortant par voie, par rue, sans capteur ? Comment on pourrait faire ça ? Et enfin, analyser l'attractivité des cinq zones économiques et commerciales du territoire en se disant, je vais aller cibler à la maille près, je vais essayer de voir qui se déplace sur ces zones-là. Est-ce qu'ils viennent de loin ? Est-ce qu'ils ne viennent pas de loin ? Est-ce que ce sont des gens du territoire ? Combien de temps ils y restent ? Donc c'est vraiment ces quatre... cas d'usage là que l'on a essayé de développer à travers ce que l'on fait. Alors, les sources de données, comme vous pouvez voir, elles sont vraiment différentes. Donc, le recensement, on a été les chercher. Alors, quand je dis on, c'est un consortium. On verra à la fin qui a été chercher des bases de données INSEE, les bases de données sur les ménages, les déplacements professionnels et les déplacements scolaires. Donc, ça, c'est le recensement que l'on a. Donc, on a ce type de données là. Ensuite, on a des capteurs. Ce ne sont pas nos capteurs installés sur le territoire. Ce sont des capteurs qui sont déjà en place dans les voitures. Donc, les GPS des voitures. et le téléphone. Le téléphone portable, on sait qu'aujourd'hui, envoie nos informations de localisation de façon, encore une fois, anonymisée, mais on sait traquer. Donc si on a un GPS, une donnée de GPS de voiture avec une donnée de GPS de téléphone à l'intérieur de la voiture qui se déplace à la même vitesse que la voiture, on va se dire qu'effectivement... cette voiture-là est démarrée à un endroit et la personne qui a déclenché quand il sort de chez lui, on va savoir son point d'origine et on va savoir son point de destination, on va savoir tout son parcours en ciblant les deux choses. On ne sait toujours pas qui il est et on s'en fiche, mais on va savoir. Ce qui va être intéressant, c'est que on va aussi se dire qu'il est point de départ la ville de Boulogne-Biancourt, cette Ausha de Boulogne-Biancourt. On va regarder les statistiques de l'INSEE. Dans cette Ausha, C'est quoi le profil à peu près de la population en pourcentage ? Il y a une forte probabilité que ce soit plutôt un homme qui va travailler CSP++. On va pouvoir avoir ce type d'informations-là en termes de proba. Donc on sait qu'il y a un homme qui va travailler tous les matins à peu près à cette heure-là, CSP++, qui avec sa voiture parcourt le territoire et s'arrête à un endroit. Qu'est-ce qu'il y fait ? Est-ce que c'est une zone commerciale ? Est-ce que c'est une zone... Voilà, donc on va avoir ce type de données-là. On ne sait toujours pas qui c'est et on s'en fiche. On est toujours dans la loi, on respecte toujours RGPD, mais c'est des données importantes. On va avoir besoin de la cartographie, des bases de données économiques et sociales, des points d'intérêt, des images satellites. On va utiliser toutes ces données que l'on peut avoir pour pouvoir faire ça. Et on va aussi utiliser des enquêtes d'origine, destination, enquête, ménage, déplacement, et comptage routier et vélo. Ce sont d'autres types d'informations qu'on va avoir. C'est toutes les données que l'on a utilisées à la base pour faire notre modèle. qui est assez intéressant. Les résultats qu'on attendait c'était amélioration, je vous l'ai déjà dit, amélioration de la connaissance des déplacements, fiabiliser le modèle de trafic, développer une méthode de comptage et on voulait pouvoir suivre ça en temps réel. C'est à dire qu'on voulait avoir un outil, parce que ça c'est autre chose. Ça, c'est plutôt un outil métier. C'est-à-dire que le service des mobilités va être très intéressé d'aller dans la technique, combien de vélos, etc. Ce n'est pas toujours quelque chose que vous pouvez montrer à vos élus derrière. Parce que ça dit quoi, tous ces chiffres-là ? On a des données brutes comme ça, mais comment on les explique, comment on les montre aux élus ? Et donc, c'est important pour nous d'avoir des solutions un petit peu comme ces solutions d'hypervision. Donc là, ce que vous avez, c'est la finalité de tout. Vous avez des données qui sont agrégées, vous avez l'IA qui va travailler et qui va concaténer ces données-là pour nous faire des projections. Et au final, vous allez avoir les lus ou les services qui vont pouvoir avoir accès à ce type de données-là. Avec là, par exemple, indicateur 1, le mode de transport des voyageurs, 72% sur le territoire, 72,7%. Sans. 2% de vélos, vous voyez, ce n'est pas terrible. On a investi quasiment 30 millions d'euros pour faire des pistes cyclables aux 50 ans d'Yvelines. C'est aussi une mesure de la politique du territoire. Vous êtes en capacité sur la zone qu'on avait ciblée là. Il n'y a que 2% d'usagers sur le vélo. Ça peut paraître peu. Je crois qu'en France, à peu près 6% ou 7%. Je ne sais plus. Il y avait des statistiques comme ça. Ce n'était pas énorme, mais c'était en progression. Seulement, vous savez à peu près, mais vous allez pouvoir traquer la progression. 2%, peut-être que ce n'est pas terrible. mais peut-être que dans six mois ça sera 4 et là on pourra se dire ok ça sert à quelque chose qu'on fasse des efforts transports en commun parce qu'on était aussi en capacité à identifier les bus et donc et éventuellement les trams si vous en avez donc vous savez identifier du transport en commun de la circulation douce donc ça va être à pied du deux roues 1,3 % donc deux roues c'est pas du vélo mais c'est plutôt des motos vous voyez qu'on est plutôt avoir un territoire toi Et ça s'explique, nous, où les gens viennent principalement en voiture, parce que malheureusement, le train et on n'a qu'une seule gare, vraiment avec une seule connexion avec Paris, ce n'est pas évident. Donc, on doit vraiment travailler sur nos mobilités. Pourquoi c'est intéressant ? Alors en plus vous avez le pic, donc c'est quelque chose qui est assez intéressant de la voir. Et bien sûr on a l'évolution. Quand vous avez l'évolution en intelligence artificielle ou en probabilité en statistique, quand vous avez un historique assez important, vous pouvez commencer à prédire. Vous pouvez commencer à vous dire, voilà, si on peut aller là, on peut faire ci, on peut anticiper peut-être un flux. Il y a eu plein de dérivés à ça, mais c'est quelque chose qui est intéressant. Donc on a... Ce premier indicateur, le deuxième indicateur que vous voyez ici, c'est ce que je vous expliquais. C'est le CSP des voyageurs. Donc ça, vous avez la maille. En fait, chaque ville à peu près autour. Et donc, on va. On a des origines qui sont diverses. On a même des gens qui viennent de Vernon, en fait, qui viennent directement sur 50 ans d'ivril. Et on est en capacité à savoir encore une fois la répartition. Donc là, c'est doublé. C'est la même chose. On va savoir le nombre de déplacements. Et du coup, on sait calculer approximativement le gaz à effet de serre que ça a généré en fonction, parce qu'on est en capacité d'identifier une voiture, un camion, etc. Alors, bien sûr, ça reste des outils statistiques. Avec ça, avec l'œil ici, on voit assez vite dans quelles communes ça se dirige. Et principalement, on est ici sur des communes où il y a nos centres. Guyancourt, la Technocentre, etc. Donc, on est en capacité à voir l'origine, la destination. Et pourquoi ça change beaucoup de choses ? Ça change beaucoup de choses parce qu'on n'est plus du tout sur la politique du doigt mouillé. Je ne sais pas à peu près. On sait qu'il y a beaucoup de personnes et souvent, des fois, on se fait des idées assez fausses sur des zones parce que peut-être qu'il y a un peu d'embouteillage. C'est juste le feu qui est mal réglé. Ce n'est pas juste qu'il y a beaucoup de personnes qui arrivent. C'est que c'est peut-être le feu qui est mal réglé. Donc, ça nous donne un indicateur. Alors, on a d'autres indicateurs, mais c'est des choses qui sont qui sont faits en finalité. Vous pouvez voir qu'il y a pas mal de filtres qui vous permettent de sélectionner les départements, les régions, l'origine et la destination. Vous allez voir le flux par destination, par déplacement. Ici, pareil, vous allez pouvoir sélectionner sur la carte d'origine. Vous pouvez même aller jusqu'au quartier. Pourquoi on peut aller jusqu'au quartier ? Vous avez différentes technologies, notamment beaucoup de villes vont utiliser les données téléphones, les données téléphones qui s'achètent. Le seul problème de la donnée téléphone, c'est qu'on peut certes passer à mobile, mais on ne voit le mouvement qu'entre deux antennes. Il y a plein de villes où une antenne gère énormément d'espace. Donc, c'est comme si la personne ne bougeait pas, ce qui est quand même problématique, parce que du coup, on ne va pas pouvoir au quartier près savoir si la personne a bougé, si les deux quartiers. Donc, on a besoin d'avoir d'autres informations, d'où les informations de la voiture et d'où après des outils statistiques qui permettent de mesurer les déplacements. Alors, si vous me posez la question, est ce que c'est précis ? Ce n'est pas 100% précis parce qu'on est sur la probabilité. Ceci dit, il y a une précision qui a été... Au départ, on était à peu près à 60% de précision, ce qui est déjà pas mal pour des moteurs d'IA. En IA généralement tout dépend du métier, on peut partir en production à partir de 70-80%, tout dépend de ce que l'on veut faire. 60 c'était pas mal et après vous travaillez à tâtons, vous essayez d'améliorer le modèle, vous allez chercher d'autres données, vous allez croiser, vous faites travailler votre algorithme et au final on est parti nous à maintenant, on est à peu près à 90% de précision, ce qui est pas mal, ça nous laisse 10% d'erreur. Ce qui est vraiment pas mal parce que l'investissement est uniquement un investissement de plateforme et d'achat de data et après d'ingénierie. Mais on n'a pas dû acheter des capteurs. Je vous rappelle qu'on n'a pas acheté de capteurs. Quand vous achetez des capteurs, il faut penser à l'infrastructure, aussi réseau, comment vous allez transmettre l'information, comment vous allez garder l'information. Il y a de la maintenance. Donc tout ça, c'est un petit peu compliqué et vous ne pouvez pas couvrir tout le territoire. C'est impossible, ça coûte trop d'argent. Donc on est assez satisfait du résultat. On est même très content du résultat. Et on a fait ça aussi à plusieurs, puisque les partenaires, alors bien sûr, c'est Saint-Quentin-en-Yvelines, c'est le territoire que je représente. Mais vous avez aussi Entropi, qui est une société de Versailles qui nous gère tout l'aspect intelligence artificielle, qui a d'ailleurs reçu un prix de la région Île-de-France. Valérie Pécresse a été visitée, je crois que l'année dernière, la société. Elle était présente aussi sur le pavillon Île-de-France au CIS à Las Vegas. Donc Entropi, une société start-up. qui travaille tout l'IA, tout notre moteur d'intelligence artificielle. Hexadone, qui est la société qui héberge ce qu'on appelle le socle de données. Donc, elle va fournir ce socle de données là et avec ce socle de données là, elle va pouvoir aller agréger toutes les informations reçues par les différents capteurs et autres. Et elle va pouvoir faire cette plateforme d'hypervision. C'est Exadone qui fait ce type de choses là. Et vous aurez aussi Software Republic, qui est un écosystème de 50 ans en Yvelines, mais qui s'étend un petit peu après avec des entreprises du territoire. Vous avez des sociétés qui se regroupent entre elles. Donc Orange, Renault, Eviden. micro ST électronique Dassault Thales pour pouvoir travailler sur des cas d'usage précis à destination soit des collectivités, des industries, mais également des écoles et des startups. Donc, c'est un process un peu particulier. Au lieu de partir sur des appels à projets tout seul, ils vont se dire comment on peut faire travailler, comment on peut réfléchir, comment on peut faire de l'innovation ensemble pour répondre à des cas d'usage des territoires ou des industries. Donc, Software et Pluik, c'est une entité un petit peu un petit peu à part. qui appartient un peu à Renault, donc à l'origine c'est Renault. Et voilà, donc ce que je pouvais dire sur, je crois que j'ai fait 20 à 25 minutes à peu près, on est plutôt pas mal. Voilà, et donc oui, on est vraiment extrêmement content de ce qu'on en a fait au final, ça marche. Donc c'était ce qu'on appelle un POC, un back-assal, un proof of concept qui a duré d'abord trois mois, puis étendu. Et maintenant ce que l'on va faire, on est tellement content de ça. Maintenant qu'on a acheté un socle de données pour faire cette mobilité, on peut y rajouter tous les cas d'usage de l'agglomération. C'est-à-dire que sur ce socle-là, on va venir récupérer les données sur les déchets, les déchets verts. Vous savez que de plus en plus, maintenant, on peut avoir des capteurs dans les poubelles qui nous remontent l'information du taux de remplissage, qui est très intéressant parce que d'abord, les habitudes des gens changent. Et donc, on a cet changement, on l'a assez rapidement. Et surtout, ça nous permet d'optimiser nos tournées. On sait tous qu'on a de moins en moins d'argent dans les territoires et que le fonctionnement, et donc l'humain, c'est bien de l'optimiser. Et c'est un moyen de le faire. Donc, on va pouvoir, à Saint-Quentin, rajouter le socle déchets verts. On va pouvoir rajouter le socle qualité de l'air parce qu'on mesure aussi la qualité de l'air. Et on aura tout ça sur une plateforme d'hypervision qui est la même pour tout le monde. Voilà.
- Speaker #0
Merci. Alors, du coup, j'ai plusieurs questions. Donc, si je comprends bien, vous aviez commencé par un POC qui, du coup, s'est concrétisé avec un certain nombre de partenaires. Moi, ma première question qui peut paraître un peu étrange ou pas, vous me direz, c'est finalement comment est-ce que les élus ont accueilli ? Parce qu'on a eu pas mal d'échanges depuis ce matin autour de l'IA, autour des fantasmes créés par l'IA, par rapport aussi aux craintes de l'IA et de ce qu'a ça. pouvaient engendrer en termes de préparation de données, de coûts, d'infrastructures, etc. Là, même si tout ça fonctionne et que vous avez pu faire quand même la preuve de ce que ça pouvait être, comment est-ce qu'ils se sont appropriés ? Est-ce qu'ils se sont appropriés ? Et comment est-ce qu'ils ont réagi ?
- Speaker #1
Alors, c'est une très bonne question. Je parlerai et des élus et des agents administratifs. On a bien sûr commencé. En fait... On avait une stratégie de la donnée. Je pense que c'est très important avant de démarrer sur des POCs, sur l'IA.
- Speaker #0
Tout ça, c'est inscrit dans une stratégie de la donnée.
- Speaker #1
On ne démarre pas sur l'IA comme ça, sur un POC, en se disant c'est l'IA, c'est super, il faut qu'on en ait. Il faut vraiment une stratégie de la donnée. Moi, c'est ce que je dis à chaque fois. L'IA sans la data, c'est rien. Donc, il faut d'abord penser à la data. Parce que si on n'a pas de data, il ne faut même pas réfléchir à ce qu'on peut faire de l'IA. Ce n'est pas possible. Bon, en l'occurrence, c'était un petit peu différent. Quand vous réfléchissez à la data, ça va être d'abord le premier, c'est qu'est-ce qu'on a, donc un audit au niveau de la data, qu'est-ce que l'on a dans les services déjà. Parce qu'on remarque qu'on a tous de la donnée en siloté, on ne sait pas ce que les autres services ont. Souvent on a la même, des fois elle est dupliquée, et pourtant la data de l'autre peut être vachement utile à son service métier. Donc ça a été toute cette phase d'essayer de se dire, l'audit de la data, qu'est-ce que l'on a comme type de data, mettre tous les services ensemble et se dire voilà ce qu'on a comme type de données. Et on a démarré la phase d'acculturation autour de qu'est-ce que la donnée, à quoi ça peut servir, parce que ça peut faire peur, effectivement, la donnée. Quand on nous demande des reportings, on se dit, pourquoi, pourquoi ? On va essayer d'optimiser le reporting pour qu'il paraisse bien. Bref, il y a plein de biais qui sont liés autour de ça. Donc, on a fait ce cheminement-là. Et donc, pour revenir à votre question sur les élus, on a souvent des élus âgés. Je veux dire comme ça, parce que c'est comme ça, c'est fait comme ça. Pas tous, mais c'est comme ça. Moi, j'ai hérité à chaque fois que ce soit au département, que ce soit à 50 ans Nivelline, j'ai hérité de la compétence numérique parce que j'étais jeune et que je travaillais chez Apple. Voilà, toi, tu travailles chez Apple, tu vas faire le numérique. Ça n'a pas grand chose à voir parce que je ne suis pas un ingénieur réseau. Et en face de ça, vous avez souvent des outils métiers comme la DSI, qui est souvent hyper puissante dans l'outil décisionnel. Il y a peut-être des gens de la DSI là qui ont été formés il y a quelques années, qui ont été formés sur ce qu'il y avait à l'époque. Donc souvent, ils sont assez précautionneux. Ils n'aiment pas trop le cloud. Je fais des gros préjugés. Je suis désolé, mais assez conservateur. Et donc tout ça, ça communique pas très bien sur l'IA parce que c'est vrai que l'IA c'est pas trop on-premises comme on dit sur les serveurs parce que ça nécessite beaucoup de puissance de calcul et ça on peut pas le délivrer sur le site. Donc c'est plutôt sur le cloud. Donc déjà c'est pas terrible. Et puis personne n'y comprend rien en fait parce que c'est un peu compliqué. On veut vous le rendre compliqué. En même temps on parle d'IA partout donc maintenant tout est IA. totalement une bêtise phénoménale. Il y a énormément de choses qui sont statistiques et probabilistiques, mais absolument pas d'intelligence artificielle. Et puis, ça va très vite aussi. C'est-à-dire que l'intelligence artificielle, moi, j'ai été diplômé en janvier 2024. Entre-temps, ça fait un an, on est déjà passé sur d'autres algorithmes. Ça va beaucoup plus vite, ça progresse extrêmement vite. Donc, les élus ne sont pas trop bien formés. Quand on n'est pas formé, on ne connaît pas, on a peur, on ne sait pas. Je dois dire aussi qu'on a des cas de conseils, il faut bien les choisir, qui nous accompagnent pas toujours de façon très clean. C'est-à-dire qu'il y a des gens qui sont là pour prendre beaucoup d'argent. Donc bon voilà, il faut dire les choses telles quelles. Qui ne sont pas forcément mieux formés que nous sur l'IA. Alors ça va de mieux en mieux. Moi j'engage vraiment les gens à faire des études, regarder avec vos collègues. Il y a des gens qui se spécialisent vraiment dans l'IA, qui ont des data scientists, qui sont là pour ça. Et donc ça c'est important parce qu'il n'y a que les experts qui savent. Donc, ce n'est pas simple pour répondre à votre question de façon un peu longue.
- Speaker #0
Je me doutais un petit peu de la réponse, mais je trouve que c'est aussi une étape importante dans l'appropriation un petit peu de ces nouvelles technologies, de ce qu'on peut faire avec. Si on veut réussir à convaincre de la pertinence de ce qu'on va mettre en place, qui peut être long, qui peut avoir un coût. Effectivement, il y a quand même ce travail d'appropriation qui n'est pas anodin.
- Speaker #1
J'ai oublié quelque chose qui était important, c'est que l'élu a aussi, parce que j'ai tapé sur tout le monde, mais pas sur l'élu. l'élu il a cette propension à savoir à vous dire qu'il connait son territoire par coeur et en fait il le connait parce qu'il y a toutes les 25 mêmes personnes qui lui donnent du feedback mais ces personnes là c'est toujours les 25 mêmes et donc il ne peut pas connaître son territoire quand on est en communauté d'agglomération donc moi j'ai 12 maires qui veulent avoir une déchetterie chez eux, ils vont tous vous expliquer que c'est chez eux qu'il faut qu'elle soit sans avoir aucune data. Alors que quand vous mettez des data, ça existe aujourd'hui, beaucoup de territoires ont des données de nombre de personnes, d'origine des personnes, d'où ils viennent pour aller à la déchetterie et combien ils sont. Et là, quand c'est la donnée qui donne ça, en disant non désolé monsieur le maire, les data nous disent que c'est plutôt là que ça doit être. Après vous pouvez toujours faire votre politicien en disant je la veux toujours chez moi, mais pour le coup l'investissement public n'est pas vraiment à la hauteur. Et les élus ont peur. Quand on parlait, nous, on a dû batailler au départ pour avoir des capteurs de qualité d'air. Parce qu'avoir des capteurs qui montrent une pollution, quelque part, ça fait peur. Or, c'est un super outil. Moi, j'utilise cet outil-là. Quand il y a, par exemple, de la qualité d'air qui n'est pas terrible dans les îles, à côté des écoles, souvent, on nous dit « Ah, qu'est-ce qu'on peut faire ? Qu'est-ce qu'on peut faire ? » Souvent, les écologistes sont là en premier. Je leur dis « Allez-y, testez. Vous pensez que vous savez résoudre. Allez-y. » Moi, j'ai la qualité d'air. Je veux voir si ce que vous faites permet de réduire la qualité d'air. Si elle le permet, je vais voir les autres élus en disant en fait, vous voyez, ils ne sont pas si idéologues que ça. Ça fonctionne. En tout cas, j'ai de la data sur laquelle on peut avoir des résultats. C'est pour ça que c'est tellement important. La data et l'IA. Alors l'IA, il faut faire attention de comment, s'il n'est pas trop biaisé, etc. Mais ça nous donne des données en temps réel, des données de prévision et des données fiables sur lesquelles on peut avoir un outil de décision.
- Speaker #0
Et passer à l'action.
- Speaker #1
et passer à l'action après.
- Speaker #0
Du coup, ça m'amène à... Vous aviez évoqué lors d'une précédente slide des objectifs qui étaient de fluidifier la mobilité, de mieux connaître les déplacements. Concrètement, est-ce qu'aujourd'hui, vous êtes en capacité d'identifier des actions concrètes que vous avez pu enclencher grâce à ces données récoltées et grâce à ces différents scénarios d'IA que vous avez maintenant grâce à cette interface ? Est-ce que vous avez réussi à identifier des actions concrètes que vous avez pu enclencher ?
- Speaker #1
Alors oui, mais avec la limite qu'on s'est aperçu assez rapidement qu'on n'avait peut-être pas assez de données, notamment de la part des voitures. Donc on peut identifier assez rapidement le fait que clairement, il faut qu'on soit meilleur sur... sur le vélo, par exemple. Il ne suffit pas d'avoir des pistes cyclables. Il faut aussi pouvoir avoir des liens intermodaux qui permettent de le faire. Comment on va optimiser ? Où est-ce qu'on va mettre les trottinettes ? À quel endroit ? Tout ça, c'est clairement des actions que l'on a pu mettre au service des gens qui ne se voient pas trop. Pour le multimodal. Je pense que c'est l'un des retours les plus rapides et les plus évidents que l'on peut mettre. Et puis, on peut continuer à suivre ce côté multimodal. Après, ça nous a permis de valider nos hypothèses sur le territoire, que c'était un territoire qui n'est pas dit enclavé, mais dans lequel il y avait énormément de personnes qui venaient du 92 et que ce n'était pas simple. Effectivement, souvent, ils venaient en voiture, qu'on a pu le voir, malgré le fait qu'on ait énormément de navettes. Donc, c'est là où nous, il y a une limite, c'est à dire que oui, on voudrait avoir plus de trains, mais ce n'est pas facile de pouvoir avoir plus de trains. Mais on a un argument. Et ça fait la différence quand on veut avoir IDFM, on a un argument quand on veut plus de bus et pas là où ils veulent nous les faire passer, mais là où on voudrait qu'ils passent parce qu'on a de la data derrière. D'ailleurs, eux, ils ont beaucoup de data maintenant qu'ils récoltent avec le pass Navigo. Ils ont beaucoup de data qu'ils mettent en avant. Donc maintenant, c'est des batailles de data alors qu'avant, c'était on ne savait pas trop. C'était un peu le doigt mouillé. Nous, on vous dit ce qu'on sait. Moi, je ne suis pas d'accord. On fait quoi ? On ne fait rien. Après, c'est les choses qui mettent du temps, qui prennent du temps, c'est d'avoir les outils. Après, il faut avoir les moyens de nos actions. Mais bon, ça prend. Ça nécessite quand même un grand temps d'analyse et on est en train de récolter encore plus de données là pour essayer d'avoir un petit peu un bilan à soumettre aux élus de façon à voir ce que l'on peut faire après.
- Speaker #0
Et ma dernière question après, je laisserai peut-être la salle poser des questions. Est-ce que du coup, par rapport à. Toutes ces données dont vous disposez maintenant avec cette orientation vers l'IA, est-ce que vous, au niveau de vos équipes, ça a demandé soit des recrutements spécifiques ou des formations peut-être des gens qui sont montés en compétences dans vos équipes ? Comment vous avez ?
- Speaker #1
Alors oui, ça nécessite quelques formations. Donc effectivement, la culturation, je pense que c'est quelque chose qui est important sur les services. Juste pour encore une fois, c'est quoi la donnée ? Repréciser parce qu'on est quand même entité publique, donc il y a un droit public un peu plus fort que RGPD, en tout cas avec ses spécificités. Ce qui veut dire qu'il faut qu'on puisse réexpliquer ce que c'est que les différents types de données, donc les données personnelles, données publiques, etc. Donc ça, c'est en information. Après, surtout, il faut avoir un chef de mission qui soit très pointu, pas forcément sur l'IA. Oui, il doit connaître, mais qu'il soit fédérateur parce que la difficulté qu'on a sur l'IA, par définition, c'est que c'est... très transverse. Et donc, c'est très difficile à faire avancer parce que c'est très transverse. Et donc, oui, mais c'est pour ça. Et donc, moi, en fait, j'ai une délégation qui est hyper transversale. Quand on va me dire, mais concrètement, tu fais quoi au jour le jour ? À la Sparcity, je dis, bah oui, je gère l'éclairage public et la gestion des déchets, l'assainissement de l'eau. En fait, je gère rien en tant que tel. Je suis, je coordonne et j'essaie de voir comment on peut gérer ça. Donc, oui, il faut quand même avoir la bonne personne. Et moi, sur tous les territoires, parce que c'est aussi mon métier, je travaille maintenant dedans, et dans tous les territoires que je rencontre, souvent ce qui fait la différence, c'est d'être le chef de mission. Et bien sûr, il faut que la DSI aussi se forme. Je pense que c'est vraiment très, très important que les équipes de DSI se forment à ça, de façon à pouvoir avoir un jugement qui soit éclairé. Après, on peut aimer plus les serveurs que la cloud ou pas la cloud et les serveurs. Et après, la réalité, c'est ça. C'est que si on parle du cloud... Aujourd'hui, nous, élus, il faut qu'on arrive à pousser des clouds souverains. Ils ne le sont pas. La plupart du temps, ils sont hébergés par des sites américains. Et on sait qu'il y a une loi aux États-Unis qui s'appelle le Patriot Act qui exige que des données soient transmises aux US, même s'ils sont sur le sol européen, etc. Donc, il nous faut... Et ça peut être au niveau des régions. c'est d'avoir un outil, un data hub et quelque chose qui soit souverain, dans lequel on s'assure qu'on est hébergé sur quelque chose qui ne va pas ailleurs.
- Speaker #0
Un data center souverain de la région à Lognes. Oui, bien sûr. Vous le dites parce qu'on vient d'intégrer.
- Speaker #1
Je sais bien. Et chaque département le fait. Je suis très content là-dessus. Je pense que c'est une clé. Bonjour. Bonjour. Ali Chérifassade,
- Speaker #0
de l'Institut Paris Région.
- Speaker #1
Trois petites questions. Je voulais savoir si cette solution a été réplicable à d'autres territoires. Si oui, est-ce que vous pouvez nous donner une évaluation du coût d'investissement pour mettre en place cette solution et également évaluer le coût d'actualité ?
- Speaker #0
Enfin,
- Speaker #1
quel coût il faut investir pour actualiser cette solution ? Si c'est annuel ou pas ?
- Speaker #0
Et puis,
- Speaker #1
est-ce que vous achetez des données ? Alors, sur cette solution-là, elle est réplicable effectivement sur les autres territoires, puisque ça reste de la data. Et la data telle que vous l'avez vue, si je remonte un petit peu avant, ce sont des datas nationales. Donc, c'est des choses que l'on peut dupliquer, répliquer. Il n'y a pas de souci. Après, il y a différentes manières de le faire. Il y a souvent les territoires. Donc, ça a été dupliqué sur le territoire du Grand Reims, par exemple, qui était très intéressé par l'aspect multimodal. C'est en cours de réplication, en tout cas en essai de réplication sur la Côte d'Or, sur des départements aussi qui sont intéressés pour pouvoir mesurer la politique publique. Eux, ils sont intéressés par les aires de covoiturage aussi, donc avoir l'origine destination qui vient. Comment on mesure ça ? Donc oui, c'est réplicable et c'est déjà répliqué dans d'autres Bordeaux. Donc il y a plus en plus de territoires qui utilisent cet outil là ou un autre là dessus, puisque on est. Nous, on a fait un précurseur. Le coût, c'est variable en fonction des coûts d'usage. Et effectivement, ce qui va être cher, ce n'est pas tellement l'ingénierie, c'est la data que vous allez connecter. Parce que souvent sur le territoire, vous n'avez pas énormément de data. En tout cas, elle n'est pas complète. Et donc, si vous couvrez un territoire très grand, vous allez payer la data à la maille très grande. Donc, vous pouvez souvent ce que font les territoires, c'est qu'ils vont faire un POC en réduisant à une certaine. ne, parce qu'ils savent que c'est là où c'est le plus problématique, ils vont le tester là où c'est le plus problématique. Donc, les coûts peuvent aller entre 50 000 à 200 000 euros, voire un petit peu plus. Mais ça inclut tout, c'est-à-dire que vous avez l'ingénierie, les datas qui rentrent, le socle qui est déjà prêt. Donc le socle, ça va être un investissement. Vous allez le payer en investissement. On peut caphexiser, opexiser. Enfin, moi, je ne vends pas la solution encore. Même si je fais partie d'une société qui est à l'intérieur de ce consortium. Mais bon. Donc, Donc, voilà, vous pouvez le capercier ou opécier comme vous voulez. Et ce sont des coûts de licence souvent à l'année, donc annuel. Ou alors, on peut vous faire pour trois ans, si vous voulez, pour trois ans, ou faire un investissement sur trois ans. Tout ça, c'est gérable, en fait. J'ai répondu à toutes les questions, pas oui, c'est ça ? Oui, OK, merci. Bonjour, merci pour la présentation. Paul Perron de Lapur, analyste et CIG. Je n'ai pas trop compris ce qu'était l'IA dans les données. Est-ce que la data science peut faire exactement la même chose ou pas ? C'est ça que je n'ai pas compris, où était l'IA là-dedans ? L'IA va être utilisée de façon à pouvoir prendre toutes les données et en faire un modèle qui va pouvoir déterminer l'origine et la destination. C'est-à-dire qu'il y a énormément de sources d'informations en data d'entrée. L'IA va servir dans la modélisation pour essayer de se dire plein d'hypothèses avec des GPS, etc. Et ça va pouvoir effectivement permettre d'avoir une projection, une estimation. où va aller la voiture, du comptage du nombre de véhicules, etc. Donc l'IA, en utilisant tout ce qui est la partie transformers, etc., va vous permettre, effectivement, l'IA est là-dedans, la data science est là-dedans. Elle est dans cette capacité à pouvoir avoir modélisé, en fait, une carte et en fonction des variables d'entrée, pouvoir déterminer un déplacement et vérifier un déplacement. Je ne sais pas si j'ai été clair là-dessus. Sans l'IA, vous n'auriez que des données Excel disparates avec la base INSEE, les ménages, les déplacements professionnels d'un côté, la cartographie de l'autre, les données GPS de l'autre. Et vous diront, OK, essayez de trouver un pattern qui vous permet d'associer tout ça. Oui, ça, je comprends. Mais chez Candata Science, il existe des choses qui permettent justement de faire des corrélations là-dessus sans utiliser l'IA. Et l'IA justement permet après... après faire de la régression linéaire pour faire de la probabilité, des choses comme ça. Donc c'est pour ça que je ne comprends pas pourquoi on utilise de l'IA. Alors peut-être qu'il y a des modèles que je ne connais pas, c'est possible. Peut-être que vous en avez développé, je ne sais pas, mais voilà. En fait, c'est pour ça que souvent on ne comprend pas trop ce qu'est l'IA. L'intelligence artificielle, c'est le regroupement de ce qu'on appelle le deep learning. Le deep learning, c'est tout ce qui est les réseaux neuraux, transformers, etc. Donc les réseaux neuraux. englober du machine learning qui est ce que vous disiez, tout ce qui est les équations mathématiques et probabilistiques, régression linéaire, arbres décisionnels, etc. Et l'IA englobe tout ça. L'IA, c'est vraiment toute cette partie-là. Donc à partir du moment où vous utilisez un outil de machine learning de régression linéaire, vous utilisez de l'IA. C'est de l'intelligence artificielle. Pourquoi c'est de l'intelligence artificielle ? C'est que c'est la machine qui travaille pour trouver ses corrélations et ses solutions et ses destinations. Ce n'est pas l'humain. Et c'est artificiel parce que c'est vous qui lui donnez les données d'entrée, c'est vous qui lui donnez les limites du modèle. Vous voyez ce que je veux dire ? Je ne vous ai pas convaincu. Mais pourtant, sans IA, sans transformance, techniquement, on fait appel à des techniques pour entrer dans les détails du chaînage de Markov au niveau probabilistique. On fait appel à des arbres décisionnels. Donc ça peut être du random forest, ça peut être du XGBoost. Et voilà, des matrices de corrélation. Donc, c'est vraiment un travail de data science. On épure la donnée, on travaille la donnée, on la prépare la donnée. On fait travailler après avec des algorithmes du codage sous Python. Tous ces outils là, on les fait passer par des transformers, donc des réseaux neuraux pour à la fin avoir une solution qui correspond à notre hypothèse. Et donc, la mobilité, qu'est ce que c'est comme type de mobilité ? Est ce que c'est du vélo ? Est ce que parce que c'est une déduction de toutes les données d'entrée qu'on lui a donné ? Parce qu'encore une fois, on n'a pas de capteur. Donc, il nous faut bien l'intelligence artificielle pour le faire. Si vous aviez des capteurs, vous pourriez me dire, c'est pas trop de l'IA parce qu'en fait, vous avez tous les capteurs de données. C'est juste de la statistique. Vous allez sortir des probabilités. Là, on n'a pas de capteur d'entrée. Il faut inventer quelque chose et on peut l'inventer maintenant grâce à l'intelligence artificielle et les réseaux de neurones que nous mobilisons. Merci beaucoup.
- Speaker #2
Bonjour, François-Xavier Cotterail, je suis chargé d'études du département de l'Essonne. Vous avez abordé des sujets que je trouvais intéressants assez rapidement sur l'organisation, peut-être là plus dans le champ de l'administration, mais comme on s'interroge aussi sur ce sujet en ce moment, comment poser simplement la question ? Si je résume, s'il fallait faire un schéma, il y a les services, il y a différentes sources de données qu'on peut supposer fiables. Ensuite, on a des acteurs externes qui peuvent être des startups ou des sociétés privées qui interviennent en prestataire. Et vous parliez d'un chef de mission, par exemple, pour ce type de projet. La question que ça soulève un peu comme ça, c'est finalement comment la gouvernance de tout ça peut bien fonctionner. À la fois en se disant qu'on a des données qui vont être fiabilisées par les différents acteurs. Donc il faut avoir confiance à la fois dans le travail des services, dans les sources de production de données et ce qui va en sortir. Et puis, il y a évidemment, je pense, une espèce de limite liée aux droits, droits administratifs, droits privés. dans les relations acteurs privés. Je me disais, comment vous présenteriez, comment vous voyez aujourd'hui cette organisation, combien de temps elle vous a mobilisé avant qu'elle puisse devenir opérationnelle ? On voit qu'il y a un chantier organisationnel qui n'a pas dû être simple en amont, je dirais.
- Speaker #1
C'est plus simple sur les communautés d'agglomération que pour les départements. Clairement, parce que moi, j'ai les deux casquettes et je le vois aussi parce que la partie politique n'est pas la même. Et bon, souvent, oui. Donc, ça met du temps. Ça met du temps pour la culturation. Donc, nous, notre par exemple, notre stratégie data, on l'a vu sur deux ans. Donc, pour vous donner un ordre d'idée. parce qu'il faut du temps pour pouvoir la déployer. Et ça, ça arrive à la fin de la stratégie data, où on s'est dit, on va faire un data hub territorial. C'est-à-dire qu'on veut avoir un data hub qui soit sur 50 ans en Yvelines, avec toutes les données de 50 ans en Yvelines. Donc après, ce n'est pas si compliqué que ça. À partir du moment où vous avez bien identifié les cas d'usage sur lesquels vous voulez aller. Est-ce qu'il est vraiment nécessaire, là où je rejoins la question sur le monsieur, là où l'IA va vraiment pouvoir vous aider et faire mieux que l'humain ? Sinon, ça ne sert à rien. Il y a des métiers qui, aujourd'hui, sont tellement pointus que l'IA ne peut pas les remplacer parce que ça nécessite que l'humain soit là. Et donc, le choix, il n'est pas là. Donc là, on est allé vraiment sur ce qui est peut-être le plus difficile à mesurer, qui est la mobilité. C'est des choses compliquées. Après, on peut aller vraiment dans l'efficacité. Bien sûr la gestion des déchets verts, quand vous avez un capteur dans une poubelle, ou l'assainissement, au lieu de faire des bassins de rétention à tirer l'arigot parce que ça coûte un million à chaque fois, il est bien de se dire on peut réguler automatiquement le flux. Et voilà donc ça prend du temps, c'est pas si compliqué que ça, après il y a plein de freins à l'intérieur mais si vous partez sur un cas d'usage très précis, on peut dérouler après avec les différents services, avec les directeurs. La DSI est une partie prenante évidemment parce que parce que la donnée c'est eux qui la maîtrise il ya une obligation derrière réglementaire donc la dsi fait partie de ça sont pas que là pour la partie infrastructure ils sont aussi là pour la pour la partie données et après vous appuyez sur les cabinets ils ont l'habitude sur les bons cabinets avec des amos ils vous accompagnent pour le faire ça devient récurrent moi je suis sûr j'ai vraiment basculé sur le marché des De l'IA et de la data pour les territoires, on a des AMO, on répond à des appels d'offres réguliers. Maintenant, ça devient quelque chose qui est vraiment important. Bonjour, Ramon Landero du conseil départemental de la Saint-Isandanie. Ma question porte sur le sujet que vous avez mentionné, et plusieurs reprises, sur la possibilité que ce type de traitement de données vous permet d'avoir des déductions à partir de la donnée et de confirmer ou pas certaines hypothèses. Est-ce qu'auprès de vos résultats, ça permet de... déclencher ça sur des documents stratégiques ? Est ce que ça a été déjà missionnable dans le cas des incontestables à Nivelline au même ou de là ? Oui, alors absolument. Je ne dirai pas pour qui je travaille parce que je ne suis pas là avec cette casquette là, mais on a été missionné pour les départements de France et on travaille sur deux choses. On travaille sur les mineurs isolés. Et on travaille sur le RSA. Vous savez que pour les départements, c'est très compliqué aujourd'hui parce que l'État nous a délégué ces compétences-là et nous remboursait l'europrès il y a 15 ans. Ils sont restés à l'europrès d'il y a 15 ans. Et entre-temps, le RSA a augmenté puisque c'est l'État qui décide d'augmenter le RSA. Et c'est les départements qui payent. Pareil, même combat, même jeu pour les mineurs non accompagnés. Et ce qui fait qu'on a énormément de déficits et ce sont des impôts des collectivités, des gens qui habitent dans les départements qui doivent combler, ce qui n'est pas toujours très exact. Donc il y a beaucoup de combats qui se mènent avec les départements qui vont voir les ministères de tutelle en disant nous ça nous coûte tant, vous nous donnez tant, c'est pas normal. Sauf que ça nous coûte tant, c'est pas si facile que ça d'avoir l'information. Donc on travaille sur les mêmes outils que ça par exemple, qui vont nous permettre d'avoir en temps réel les données de la CAF, les données de machin, coordonnées, tout ça. Faire un jeu de calcul, donc c'est pas trop de l'IA, c'est pas trop compliqué, on n'a pas trop besoin d'IA. Mais ça va nous donner en temps réel ce que ça nous coûte réellement, ce qui a été compensé. Et surtout, on peut avoir l'image pour la France entière. On va pouvoir aller voir les petits copains, les choses d'inéquité, des choses comme ça. Donc, pour revenir à ce que vous disiez, ça permet de monitorer une politique publique, notamment sociale, qui souvent est assez coûteuse, mais parce que par définition, c'est le cas. Et de pouvoir réfléchir en se disant on a des retours de data qui sont qui nous reviennent. Ça a marché, ça n'a pas marché. Et moi, c'est vraiment en tant qu'élu, ce que je pousse, c'est ce type de choses-là. Quand vous avez de la donnée, que vous savez la chercher, la collecter en externe, vous pouvez le faire. Et encore une fois, on n'a pas besoin de données personnelles. Les données anonymisées sont bonnes. Savoir combien de personnes, quel est le pourcentage des personnes qui sont employables ou pas. On parlait du RSA aussi. On veut réinsérer les gens. pas toujours la capacité à travailler quand on est au RSA. Des fois, des gens sont dans des situations tellement terribles qu'ils ne peuvent pas travailler. Bref, ça nous permet d'avoir des données, de travailler sur ces données-là, de les suivre et de faire des projections. Donc dans le cas du MNA et dans le cas du RSA, avec des données historiques, on peut se dire que ça va peut-être augmenter et donc on prévoit ça. Comme pour les DMTO, donc les droits de mutation aussi, on travaille aussi sur ces sujets-là.
- Speaker #0
Bonjour, je m'appelle Berni,
- Speaker #1
je suis en reconversion pour devenir data analyst pour les territoires. Ma question concerne la capacité de transposer ce modèle sur d'autres secteurs.
- Speaker #0
Est-ce que vous pensez que c'est possible ? Je pense notamment aux informations touristiques que détiennent des géants comme Airbnb par exemple. Est-ce que vous pensez qu'il y a des façons de collaborer qui permettraient d'exploiter ce genre d'informations qui sont souvent utiles pour les UPCI et pour les territoires en général ?
- Speaker #1
Alors, dans le cas d'Airbnb, c'est compliqué parce que ce n'est pas des informations qu'ils partagent. Par contre, on peut le faire de façon communautaire avec du Waze, etc. C'est des données qu'ils peuvent transmettre. Donc, dans le cadre de la mobilité, encore une fois, on y est. On peut avoir à acquérir des sources de données. Airbnb, ils ne sont pas trop chauds pour partager les données parce qu'ils comprennent bien que certains territoires ne veulent pas trop trop d'eux. Ceci dit, avec ces matrices-là d'origine destination, on est en capacité, oui, à pouvoir dans les villes touristiques. pouvoir faire en sorte de d'abord mesurer le flux, le nombre de personnes et d'où ils viennent. C'est toujours intéressant. J'ai discuté avec le maire de Trouville, qui est juste en face de Deauville, qui m'expliquait que, bien sûr, ils savent anticiper les arrivées estivales. Ils savent, mais qu'il y a certains week-ends dans lesquels ils sont envahis, entre guillemets, gentiment et n'ont pas mesuré. C'est un vrai problème pour la collectivité parce que la police municipale n'est pas suffisamment présente. Il n'y a pas assez d'effectifs. Ils n'arrivent pas à l'anticiper. Donc oui, c'est des choses que l'on peut faire. Avec ces matrices-là, on peut essayer de prédire les déplacements sur de la base historique. Et surtout, on peut leur dire d'où viennent les gens. Est-ce que c'est vraiment des Parisiens ? Est-ce que finalement, ce n'est pas des Normands qui viennent aussi ? Et combien de temps ils restent ? Où ils vont ?
- Speaker #0
Etc. Écoutez, merci beaucoup, Bertrand Coquard, d'être venu témoigner et faire ce retour d'expérience. Je vous remercie. Merci à tous et très bonne fin de journée. Merci.
- Speaker #1
Sous-titrage Soci
