Contenu partenaire

Pour le commun des mortels, l’intelligence artificielle en matière de transports, c’est le véhicule autonome. Et pourtant, si l’IA est bel et bien en train de révolutionner ce secteur, c’est bien plus parce qu’elle permet d’optimiser l’utilisation des infrastructures existantes en appréhendant l’ensemble du transport de personnes et de marchandises de manière globale.

Nous avons besoin de transports collectifs solides, affirme Martin Trépanier, professeur titulaire au Département de mathématiques et de génie industriel à Polytechnique Montréal. Il faut développer des systèmes permettant d’améliorer le transport de masse avant de penser au transport individuel et au transport par véhicules autonomes», dit-il.


Le chercheur est par ailleurs directeur du Centre interuniversitaire de recherche sur les réseaux d’entreprise, la logistique et le transport (CIRRELT), un centre de recherche faisant partie d’IVADO. Avec plus de 80 chercheurs au Québec, le CIRRELT est le plus grand centre de recherche en transport du monde par le nombre de ses professeurs.

«En recherche, notre travail consiste à concevoir de meilleurs systèmes de transport afin de diminuer les impacts négatifs tant sur la population que sur l’environnement», explique Emma Frejinger, professeure agrégée au Département d’informatique et de recherche opérationnelle à l’Université de Montréal et titulaire de la Chaire  CN en optimisation des opérations ferroviaires.

Mme Frejinger travaille principalement sur l’optimisation de la planification et de la conception des réseaux de transport. Elle rappelle que le transport de personnes comme de marchandises, aussi essentiel soit-il dans une société, a des effets négatifs importants, tels que le bruit ou encore les gaz à effet de serre. Ainsi, au Québec, le transport est responsable d’environ 40 % des émissions, dont 80 % sont générées par le transport routier. «Cela n’est pas soutenable sur le long terme», affirme Mme Frejinger.
 

En recherche, notre travail consiste à concevoir de meilleurs systèmes de transport afin de diminuer les impacts négatifs tant sur la population que sur l’environnement.

— Emma Frejinger, professeure agrégée au Département d’informatique et de recherche opérationnelle à l’Université de Montréal et titulaire de la Chaire  CN en optimisation des opérations ferroviaires

D’autant moins que cela a un coût. La congestion dans la région du Grand Montréal est en effet estimée à plusieurs milliards de dollars par année. «La logistique de transport de personnes et de marchandises va devoir être mieux organisée, prévient Martin Trépanier. Nos infrastructures sont saturées et nos besoins grandissent. Il y a des réorganisations à prévoir, et cela ne se fera pas sans heurt.»

Objectif ultime : encourager un comportement durable de la part des usagers. Dans une ville comme Montréal, de nombreux acteurs offrent des services de transport. Il y a le métro, l’autobus, les différents services de taxi, le vélo et l’automobile en partage. Mais ils sont tous liés les uns aux autres puisqu’ils utilisent tous les mêmes routes. D’où la nécessité de regarder la situation de manière globale.

«Ce sont ces services dans leur ensemble que l’on veut mieux comprendre et mieux planifier, explique Emma Frejinger. Tous les modes de transport sont liés. Le système est complexe. C’est là que réside le défi scientifique.»

L’apport de l’IA

Or, s’il est possible aujourd’hui de faire ce genre d’études et d’avancées en transport, c’est bien grâce à l’IA. «On arrive à faire des prévisions de très bonne qualité en utilisant d’énormes bases de données, note Emma Frejinger. C’est quelque chose qui n’était pas possible avant.»

Les recherches en transport collectif du professeur Martin Trépanier utilisent par exemple des données massives en provenance de systèmes de paiement par carte à puce mis à la disposition des usagers du transport urbain. «Pour traiter une telle quantité de données, à savoir plusieurs millions de transactions, ça prend des méthodes de fouille de données assez avancées, confirme M. Trépanier. Grâce à l’apprentissage automatique, on utilise les données concernant les trajectoires anonymisées des cartes, par exemple, afin de prévoir des comportements plus incertains, comme les futures demandes des usagers.»

Mme Frejinger ajoute que l’enjeu est d’éviter les inefficacités. Certes, il faut répondre aux demandes et aux besoins des usagers aujourd’hui et demain, mais il faut également optimiser les systèmes, à savoir ne pas proposer plus que le nécessaire au risque de créer un besoin.

Et dans le transport comme dans tous les autres domaines, l’utilisation de l’intelligence artificielle n’en est qu’à ses balbutiements. Celle-ci se développera beaucoup dans les prochaines années. Véhicules autonomes, traitement des données, systèmes de transports intelligents, feux de circulation intelligents, interaction entre les données de circulation et de transport collectif, sécurité routière… les applications sont multiples. «L’intelligence artificielle va être au cœur de la réorganisation, conclut Martin Trépanier. Mais au final, ça va rester quand même un problème physique avec pour objectif de déplacer des personnes et des marchandises en plus grand nombre sur des infrastructures déjà saturées. On n’y échappera pas.»

 Produit pour Ivado.

Ce contenu a été produit par l’équipe des publications spéciales du Devoir, relevant du marketing. La rédaction du Devoir n’y a pas pris part.