kwanchaift - stock.adobe.com

Devenir une Smart City passe par les données

Les projets de Smart Cities reposent sur le recueil, le croisement et l'analyse des données relatives à toutes les activités de la ville. Transports, énergie, services et sécurité publique bénéficient des informations produites par l'analyse et l'intelligence artificielle. Reste à intégrer des sources hétérogènes et à concilier public et privé.

Quel rôle vont jouer les données et les technologies dans la réussite des projets de smart cities en Europe ?

Seagate a récemment rassemblé quelques experts pour débattre de ce sujet. Et la réponse fut unanime : quelle que soit la taille de la ville, c'est sur les données et leur intégration que repose le succès du projet, qui doit forcément être global.

Les villes qui se sont déjà lancées, et celles qui démarrent, poursuivent plus ou moins les mêmes objectifs. Elles attendent de la collecte des données et de leur traitement par différents logiciels analytiques et outils d'Intelligence Artificielle (réseaux neuronaux, algorithmes d'apprentissage) qu'ils contribuent à :

  • fluidifier le trafic et donc à diminuer le niveau de pollution
  • réduire la consommation d'énergie
  • faciliter l'accès aux services proposés par la municipalité
  • mieux entretenir les équipements municipaux
  • et améliorer la sécurité des citoyens

A terme, les solutions intègreront les véhicules autonomes, la circulation des drones, la surveillance des événements ou l'accès aux soins.

Le tri des données, une étape nécessaire

Les prévisions d'augmentation des volumes de données générées et stockées obligent toutefois à adopter une stratégie claire de choix et de tri des données. Dans l'étude Data Age 2025, réalisée par IDC, Seagate estime le volume global de la « datasphere » en 2025 à 163 Zo (zettaoctets) soit 10 fois plus qu'en 2016 (16,1 Zo).

Pour les villes, il va de soi qu'il faut choisir quelles données recueillir et combien de temps les conserver.

Les données émises par les feux de signalisation, par exemple, n'ont d'intérêt que sur une courte période. Il s'agit surtout de s'assurer de leur bon fonctionnement. En revanche, les images des caméras de surveillance d'un établissement public ou du lieu d'un accident pourront servir dans le futur à identifier une personne ou à décider de la modification d'un site si trop d'accidents s'y produisent.

Le principal facteur de succès d'un projet de Smart City est aussi l'intégration des sources de données. Non seulement celles-ci sont de formats très différents, mais elles proviennent d'acteurs publics et privés qui exploitent des systèmes totalement hétérogènes.

Il faut, par exemple, pouvoir combiner les signaux émis par un réseau de capteurs avec des données textuelles contenues dans un email et des images de vidéosurveillance pour anticiper un incident ou détecter et localiser une panne.

De nombreux aspects encore peu abordés

Cette nécessaire intégration pose deux problèmes qui ne sont pas encore totalement réglés.

Le premier est que de telles solutions technologiques ont un coût, loin d'être négligeable. Les collectivités peinent souvent à les financer. Les projets de Smart City se font donc souvent dans le cadre de partenariats public – privé (PPP). Certains imaginent qu'à l'avenir, des données pourraient être revendues à des fins commerciales et contribuer ainsi au financement de la solution. Mais ce n'est là qu'une hypothèse pour l'instant.

Ce qui conduit au deuxième problème : comment exploiter des données tout en respectant la vie privée des citoyens ?

Ceux-ci sont pour l'instant plutôt réticents à partager leurs données, même dans le cadre d'un projet de Smart City qui faciliterait leur quotidien. Le recours à l’open data ne résout qu'une partie de la question, car toutes les données ne sont pas en accès ouvert.

L'intégration des sources amène à combiner des données ouvertes publique avec des données en provenance de partenaires.

La prochaine mise en application du RGPD (Règlement européen sur la protection des données) complique encore la chose. Par exemple, une application qui signale la disponibilité d'une place de parking à un automobiliste ne nécessite pas son accord sur l'accès aux données. En revanche, si le parking est payant, alors l'utilisateur doit être informé des conditions de l'application et les accepter. Et c'est là un des cas de figure les plus simples.

Principale application, la sécurité

Le sujet des données dans la Smart City est résolument d'actualité. Lors de sa récente journée consacrée à l'analytique, Oracle a accueilli Caroline Pozmentier, adjointe au maire de Marseille et déléguée à la sécurité publique, et Fabienne Marty, chargée de mission auprès de la DSI de la ville.

Elles ont présenté le projet de « Big data de la tranquillité publique », qui vise à « collecter et croiser des informations susceptibles d'aider les forces de police municipale à assurer la tranquillité publique » des Marseillais, dixit le site de la ville.

« Nous voulons faire de Marseille un laboratoire, faire travailler tous les services ensemble, la police, les pompiers, les espaces verts », explique Caroline Pozmentier.

Fabienne Marty détaille le projet : « Nous avons cartographié les données récupérables et les avons corrélées. Puis nous avons fait un PoC (Proof of concept, ndlr) sur l'accidentologie avec Engie Ineo ». Ce dernier s'est associé à Oracle pour répondre – et remporter – l'appel d'offres qui a fait suite au PoC.

La Ville développe maintenant plusieurs cas d'usage - notamment sur la gestion des événements sur les territoires urbains comme les chantiers, par exemple, la circulation ou l'accidentologie et les trajets à risques.

Marseille n'est pas la seule à privilégier l'aspect sécurité dans son utilisation des données. Plusieurs villes dans le monde ont commencé leur projet Smart City par la sécurité. La surveillance des événements sportifs ou culturels, la prédiction des incidents et la lutte contre le crime tirent pleinement parti des possibilités d'analyse de données offertes par le Big Data et de l'utilisation d'algorithmes intelligents.

Pour approfondir sur Big Data et Data lake

Close