L'IA au service des villes intelligentes

Description

Au cours des 70 dernières années, l'intelligence artificielle a connu une croissance rapide et est aujourd'hui utilisée dans un large éventail d'applications. L'intelligence artificielle (IA) joue un rôle crucial dans l'amélioration des initiatives de villes intelligentes, offrant de nombreux avantages tels qu'une meilleure distribution de l'eau, une gestion efficace de l'énergie, un meilleur traitement des déchets et une réduction des embouteillages, du bruit et de la pollution. Les principaux efforts de développement des villes intelligentes se sont concentrés sur la production de données et l'acquisition de nouvelles connaissances sur la nature complexe et dynamique des environnements urbains. (H.M.K.K.M.B. & Mittal, 2022). Depuis 2008, les villes intègrent l'intelligence artificielle (IA) pour améliorer les processus décisionnels et contribuer à la réalisation des objectifs de développement durable (ODD). (Ingwersen & Serrano-López, 2018)

Qu'est-ce que l'IA ?

L'intelligence artificielle (IA) désigne le développement de systèmes informatiques capables d'effectuer des tâches qui requièrent généralement l'intelligence humaine, telles que la perception visuelle, la reconnaissance vocale et le traitement du langage naturel. Les technologies de l'IA font appel à diverses techniques, notamment l'apprentissage automatique, l'apprentissage profond et le traitement du langage naturel, pour permettre aux machines d'apprendre et d'effectuer des tâches sans programmation explicite.
Par essence, l'intelligence artificielle (IA) est une technologie conçue pour générer des résultats visant à atteindre un objectif spécifique. Cet objectif est un but conçu par l'homme et transformé en format mathématique. Les résultats générés par l'IA peuvent être des prévisions, des suggestions ou des choix. (OCDE, 2023).
Les concepts d'algorithme, de système d'IA, d'écosystème d'IA et d'IA représentent différents niveaux d'échelle et de complexité. Un algorithme se situe au niveau le plus détaillé, agissant comme un ensemble d'instructions qui transforme les données d'entrée en données de sortie. Un système d'IA fait référence à une application unique qui traite des données spécifiques pour générer un résultat unique. Un écosystème d'IA décrit un réseau complexe de systèmes d'IA interconnectés qui communiquent et interagissent les uns avec les autres. Enfin, l'IA est le terme le plus général, qui englobe l'ensemble des technologies, des méthodologies et des systèmes du domaine. (Leal, et al., 2022)
Il existe deux grandes catégories de systèmes d'IA : les systèmes symboliques et les systèmes statistiques. L'IA symbolique fonctionne sur la base de règles et d'une logique explicites pour parvenir à des conclusions, tandis que l'IA statistique, en revanche, apprend à partir de modèles dans les données, en utilisant l'induction plutôt que la déduction à partir de règles établies. Chaque méthode a ses avantages, en fonction de l'application. Toutefois, l'augmentation récente des capacités de l'IA et son adoption généralisée peuvent être attribuées principalement à un sous-ensemble de l'IA statistique appelé apprentissage automatique (AAM). (Climate Change AI, 2021)

L'IA pour les villes intelligentes

Les avantages potentiels de l'IA pour la planification et la gestion des villes sont multiples. L'IA offre de nouveaux outils et méthodes pour analyser, modéliser et simuler des systèmes urbains complexes, ce qui permet de créer des villes intelligentes plus durables, plus résilientes et plus agréables à vivre pour leurs citoyens.
En surveillant et en analysant les données, les systèmes d'IA peuvent fournir des recommandations pour améliorer l'utilisation des ressources, aider à réduire les embouteillages et améliorer la fluidité du trafic, détecter les menaces potentielles pour la sécurité, réduire la consommation d'énergie, promouvoir la réduction des déchets, etc. Les systèmes alimentés par l'IA peuvent également fournir des services personnalisés aux citoyens, tels que des recommandations personnalisées de restaurants, d'événements et d'activités en fonction de leurs préférences. Toutefois, il est important de veiller à ce que l'IA soit mise en œuvre de manière responsable, en mettant l'accent sur la transparence, la responsabilité et la protection de la vie privée. Une telle technologie peut fournir des analyses précises, tout en restant non intrusive.
La mise en œuvre des technologies d'IA pourrait s'avérer cruciale pour relever les défis sociaux, économiques et environnementaux à l'échelle mondiale. Bien que chaque ville ait ses propres caractéristiques, les zones urbaines jouent un rôle central dans l'évolution de la société, notamment en ce qui concerne les progrès numériques. Les villes sont des centres d'agrégation de personnes, d'emplois, de recherches, de richesses et d'activités récréatives. Elles offrent un meilleur accès aux opportunités à une plus grande partie de la population tout en concentrant à la fois les problèmes sociétaux et les préoccupations environnementales. Compte tenu de leur rôle dans les réseaux internationaux, les avantages et les inconvénients de l'adoption des technologies de l'IA ont des implications qui dépassent largement leurs limites géographiques. (Leal, et al., 2022)
Les zones urbaines étant confrontées à des problèmes urgents liés à l'allocation des ressources, à la complexité de la gouvernance, aux disparités socio-économiques et aux risques environnementaux, l'innovation devient essentielle pour relever ces défis en constante évolution. (Yigitcanlar, et al., 2021). Pour maximiser le potentiel de l'IA en matière d'amélioration urbaine, les autorités municipales doivent mettre en place des conditions propices à une croissance durable et inclusive. La gouvernance de l'IA vise à superviser le développement de ces conditions, en garantissant une approche équilibrée de l'exploitation des opportunités et de l'atténuation des risques.

Limites de l'IA

Dans le domaine de l'intelligence artificielle, l'utilisation responsable est primordiale, mais elle s'accompagne de défis inhérents. Ces systèmes, qui reflètent les préjugés et les hypothèses présents dans leurs données d'entraînement et leur conception, reflètent souvent les préjugés de la société, influençant leurs processus de prise de décision. Ce phénomène souligne la nécessité de faire preuve de vigilance lors de la phase de développement de l'IA afin d'éviter d'encoder des hypothèses négatives. En outre, l'IA n'a pas la capacité intrinsèque d'évaluer son efficacité, car elle opère dans le cadre d'un ensemble étroit d'objectifs prédéfinis sans avoir la capacité de porter un jugement semblable à celui de l'homme. Cette limitation met en évidence l'erreur de percevoir l'IA comme capable de pensée indépendante ou d'impartialité, ce qui nécessite une surveillance humaine permanente pour garantir l'alignement sur les valeurs sociétales plus larges.
En outre, le fait que l'IA repose sur des principes mathématiques limite sa compréhension à des mesures quantifiables, ce qui l'empêche de comprendre les nuances qualitatives qui définissent les objectifs humains. En résumé, ces limites soulignent la nécessité d'examiner attentivement la conception, le déploiement et la surveillance des systèmes d'IA afin de s'assurer qu'ils servent les objectifs humains sans perpétuer les préjugés existants ou négliger la complexité des valeurs humaines. (Leal, et al., 2022)

Gouvernance de l'IA

L'intelligence artificielle (IA) ne reflète pas seulement des préjugés inhérents, mais a également un impact significatif sur les sociétés en fonction du contexte dans lequel elle est déployée. Les collectivités locales doivent comprendre comment les valeurs sont intégrées dans l'IA, en orientant son développement vers l'inclusion et la durabilité. Cela implique un examen approfondi de la gouvernance de l'IA, qui ne se limite pas à la surveillance numérique, mais inclut des lignes directrices éthiques, des réglementations juridiques, des normes sociétales et des pratiques. La gouvernance est ici un concept large, conçu pour capturer diverses interprétations et se concentrer sur la prise de décision et les interactions sociales. (Leal, et al., 2022)

Malgré les lignes directrices nationales en matière d'IA, les villes sont confrontées à des défis au sein d'un système de gouvernance à plusieurs niveaux, ce qui souligne la nécessité d'une approche nuancée qui leur permette de tirer parti de leur position unique. (Schmitt, 2022) (Taeihagh, 2021) L'IA pose également des problèmes de responsabilité, nécessitant des cadres solides pour équilibrer les risques et les opportunités tout au long du cycle de vie de l'IA. Un obstacle important est la capacité limitée des villes à naviguer dans le paysage de la gouvernance de l'IA, dans un contexte de forte demande de spécialistes des technologies de l'information et de l'IA. Ce défi peut être relevé grâce à des partenariats intersectoriels et en mettant l'accent sur le développement des talents locaux, en veillant à ce que les valeurs fondamentales des villes guident les initiatives en matière d'IA vers un avenir plus inclusif et durable.

C'est pourquoi la Commission européenne a élaboré le tout premier cadre juridique sur l'IA, l'AI Act. Cette proposition initiale, élaborée par la Commission européenne, a été conçue pour apporter clarté et conseils aux développeurs et utilisateurs d'IA tout en minimisant les charges, en particulier pour les petites et moyennes entreprises (PME). Les éléments clés de la proposition comprenaient une structure de gouvernance aux niveaux européen et national pour traiter les risques liés à l'IA et une classification des systèmes d'IA en quatre catégories en fonction des risques.

Les réglementations les plus strictes sont réservées aux pratiques d'IA considérées comme présentant des risques inacceptables, telles que la notation sociale par les gouvernements. Les applications à haut risque, notamment celles qui concernent les infrastructures critiques ou l'application de la loi, ont été soumises à des exigences rigoureuses avant la mise sur le marché, notamment des évaluations complètes des risques, le contrôle de la qualité des données, la traçabilité et une surveillance humaine obligatoire. À l'inverse, les systèmes d'IA présentant un risque limité étaient tenus de faire preuve de transparence afin de permettre des interactions publiques éclairées, par exemple en identifiant clairement le contenu généré par l'IA et en divulguant les informations relatives aux chatbots. Les applications les moins risquées, comme les jeux vidéo ou les filtres anti-spam, bénéficient d'une plus grande liberté opérationnelle, ce qui reflète leur utilisation bénigne dans l'UE.

Le 6 mars, cette proposition fondamentale est devenue une loi applicable, le Parlement européen ayant approuvé la loi sur l'intelligence artificielle. La législation, qui a été affinée par des négociations avec les États membres depuis décembre 2023, a été solidement soutenue par les députés européens, avec 523 voix pour, 46 contre et 49 abstentions.

La loi ratifiée continue de protéger les droits fondamentaux, la démocratie, l'État de droit et la durabilité environnementale, en les protégeant des risques associés aux technologies d'IA à haut risque. Elle vise à encourager l'innovation et à assurer le leadership de l'Europe dans le domaine de l'IA en fixant des obligations adaptées en fonction du niveau de risque et d'impact des différents systèmes d'IA. La loi interdit spécifiquement les applications de l'IA qui pourraient porter atteinte aux droits des citoyens, telles que la catégorisation biométrique basée sur des caractéristiques sensibles, l'extraction indiscriminée d'images faciales pour les bases de données de reconnaissance, la reconnaissance des émotions sur les lieux de travail et dans les écoles, le scoring social, la police prédictive basée sur le profilage, et toute IA qui manipule le comportement humain ou exploite les vulnérabilités.

L'utilisation de systèmes d'identification biométrique par les forces de l'ordre, bien que généralement interdite, est autorisée dans des circonstances strictement définies et étroitement applicables, telles que la localisation d'une personne disparue ou la prévention d'attaques terroristes, sous réserve de contraintes temporelles, géographiques et d'approbation rigoureuses. Les systèmes d'IA à haut risque sont désormais soumis à des obligations strictes en matière d'évaluation et d'atténuation des risques, de transparence, de surveillance humaine et d'enregistrement de l'utilisation. Les systèmes d'IA généraux sont tenus d'adhérer à des normes de transparence, y compris le respect des lois européennes sur les droits d'auteur et la publication de résumés détaillés de leur contenu de formation. Parmi les innovations notables, citons l'introduction d'exigences en matière d'étiquetage pour les contenus manipulés, connus sous le nom de "deepfakes", et la mise en place de "bacs à sable" réglementaires au niveau national pour favoriser le développement de technologies d'IA innovantes.

Alors que la loi se dirige vers une adoption et une mise en œuvre formelles, elle incarne les principes et les recommandations de la Conférence sur l'avenir de l'Europe, visant à créer une société compétitive, sûre et digne de confiance avec une utilisation transparente et responsable de l'IA, tout en améliorant l'accessibilité numérique pour tous, y compris les personnes handicapées. Cette étape législative marque le début d'une nouvelle ère dans la gouvernance de l'IA, qui s'aligne étroitement sur les valeurs et les ambitions stratégiques de l'Europe. (Commission européenne, 2024).

Le cycle de vie de l'IA

Le développement d'un système d'intelligence artificielle (IA) est segmenté en cinq étapes interconnectées qui décrivent son interaction avec l'environnement externe. Ce modèle permet de comprendre l'architecture de l'IA et sa progression, favorisant ainsi l'analyse stratégique. Les étapes forment un cycle, chacune étant liée aux autres et influençant des aspects allant de la création de l'algorithme au déploiement final.

1. Phase initiale
   Le voyage commence par la phase initiale, qui se concentre sur l'identification du problème. Cette étape initiale jette les bases du reste, car tout ce qui suit est lié au problème initial identifié. Elle comprend des évaluations critiques et l'identification des risques potentiels liés à l'utilisation prévue du système d'IA.
2. Étape de la conception
   L'étape de conception met ensuite l'accent sur la planification de la structure de l'algorithme avant le début du codage. Elle s'appuie sur le travail de base effectué lors de la phase initiale, en tenant compte de la dynamique de l'équipe et de l'impact potentiel de l'introduction de l'IA, tel que les changements dans la dynamique du pouvoir et les incidences économiques.
3. Phase de création technique
   La phase de création technique s'oriente vers l'aspect pratique du développement de l'IA, en se concentrant sur les spécificités de l'algorithme et les décisions techniques qu'il implique.
4. Phase de mise en œuvre
   Après le développement, la phase de mise en œuvre fait passer l'algorithme d'un environnement contrôlé à son application dans le monde réel. Cette phase est cruciale car elle expose l'algorithme aux complexités de son environnement opérationnel.
5. Phase de maintenance
   Enfin, la phase de maintenance se concentre sur la période qui suit le déploiement du système d'IA jusqu'à sa mise hors service. Cette phase est cruciale pour garantir l'efficacité et la pertinence continues de l'algorithme grâce à des mises à jour et à une maintenance régulières.
6. Dans les contextes urbains, les systèmes d'IA fonctionnent généralement au sein d'un écosystème complexe, ce qui nécessite une identification et une gestion proactives des risques. L'intégration des étapes de développement de l'IA dans les méthodes de gestion des projets locaux offre des possibilités stratégiques d'intervention et d'adaptation, garantissant que les systèmes d'IA s'alignent sur les dynamiques et les défis urbains. (Leal, et al., 2022)

Étapes de la mise en œuvre de solutions d'IA dans les villes intelligentes

1. Comprendre la différence entre l'IA et la ML pour les villes intelligentes : Commencez par informer les parties prenantes sur les nuances de l'IA et de la ML. Il est essentiel de comprendre les capacités de ces technologies pour déterminer comment elles peuvent être appliquées pour améliorer la vie urbaine, par exemple par l'optimisation des flux de circulation ou la maintenance prédictive des infrastructures.
2. Définissez les défis et les opportunités urbains : Identifiez clairement les problèmes ou les opportunités spécifiques de la ville auxquels l'IA peut répondre. Posez des questions essentielles sur les résultats souhaités, les obstacles existants, le rôle de l'IA pour surmonter ces défis et les données disponibles pour soutenir ces efforts.
3. Donnez la priorité aux initiatives d'IA axées sur la valeur : Sélectionnez les projets d'IA en fonction de leur potentiel à apporter des avantages tangibles à la ville et à ses habitants, en vous concentrant sur les objectifs à court terme. Il peut s'agir par exemple d'améliorer l'efficacité des transports publics ou la durabilité énergétique des bâtiments publics.
4. Évaluer les capacités et l'approche du développement de l'IA : Déterminez s'il convient de développer des solutions d'IA en interne, d'acheter des technologies existantes, de collaborer avec des partenaires externes ou d'externaliser le développement, en fonction des capacités internes et des objectifs stratégiques de la ville.
5. Consultez des spécialistes de l'IA pour les villes intelligentes : Faites appel à des experts du domaine qui ont de l'expérience dans l'application de l'IA dans les environnements urbains. Il peut s'agir de chercheurs universitaires, d'innovateurs du secteur privé et de technologues d'autres villes intelligentes.
6. Préparer et sécuriser les données urbaines : Organisez et nettoyez les données de la ville pour vous assurer qu'elles sont prêtes pour les applications de l'IA. Investissez dans des mesures de sécurité solides pour protéger ces données, en respectant la vie privée et les considérations éthiques.
7. Commencez modestement et passez à l'échelle supérieure de manière réfléchie : Lancez des projets pilotes ciblant des défis urbains spécifiques afin de démontrer le potentiel de l'IA. Utilisez les enseignements tirés de ces efforts initiaux pour guider l'expansion stratégique des applications de l'IA dans différents domaines urbains. (Majewski, 2023)

Domaines d'application

La mobilité
L'intelligence artificielle (IA) apporte des améliorations significatives aux systèmes de transport public, en renforçant leur efficacité et leur convivialité. Les technologies d'IA se sont avérées efficaces pour prévoir les horaires des bus et la variabilité de leurs heures d'arrivée. (Mazloumi, Geoff, Currie, & Moridpour, 2011) En outre, l'analyse des données d'enquête par l'IA permet de mieux comprendre la perception qu'a le public des options de mobilité partagée, y compris les systèmes de vélo en libre-service. (Taleqani, Hough, & K. E) En outre, l'IA permet le développement de plateformes qui permettent l'examen interactif et la prédiction des modèles de trafic, facilitant l'évaluation des stratégies de planification urbaine. (Leal, et al., 2022)

Une autre application innovante de l'IA concerne les solutions de stationnement intelligent, où des capteurs installés dans les aires de stationnement transmettent des informations sur la disponibilité aux navetteurs par le biais d'applications mobiles. Cette approche a le potentiel de réduire considérablement la congestion dans les centres urbains densément peuplés. ((n.d)) Les technologies de l'IA soutiennent divers aspects de la livraison, de la logistique et du transport, facilitant des solutions de transport urbain efficaces et innovantes. En outre, l'IA révolutionne la mobilité urbaine en permettant le contrôle de véhicules et d'aéronefs autonomes, y compris les drones, les hélicoptères et les avions. (33A, 2024)

Gestion de l'environnement et des risques
Dans les contextes urbains, l'IA permet de surveiller en temps réel les conditions environnementales, telles que la qualité de l'air, grâce à des capteurs de pollution. En outre, les capacités prédictives de l'IA soutiennent la gestion des risques urbains, en permettant de prévoir les catastrophes naturelles et d'identifier les zones vulnérables aux inondations et aux répliques des tremblements de terre, améliorant ainsi la sécurité et la résilience des villes. (33A, 2024) L'IA générative peut également contribuer à la durabilité environnementale en analysant les données sur les niveaux de pollution, le changement climatique et l'impact des activités urbaines sur l'environnement. (Arkara, 2023)
L'intelligence artificielle (IA) possède la capacité d'évaluer l'impact environnemental des produits tout au long de leur cycle de vie et de leur chaîne d'approvisionnement.

Cela permet aux entreprises et aux consommateurs de prendre des décisions éclairées et efficaces. Cependant, il est important de reconnaître que si les données et l'IA jouent un rôle crucial dans l'amélioration de la surveillance environnementale, elles ont aussi leurs propres implications environnementales. Plus précisément, le secteur des technologies de l'information et de la communication (TIC) est responsable d'environ 3 à 4 % des émissions mondiales. En outre, les centres de données consomment d'importantes quantités d'eau à des fins de refroidissement, ce qui met en évidence un aspect critique de l'empreinte environnementale du traitement des données qui doit être pris en compte. (Programme des Nations unies pour l'environnement, 2023)

L'application des technologies d'intelligence artificielle (IA) et d'apprentissage machine (ML) devient de plus en plus cruciale dans la gestion des risques environnementaux, en particulier dans le contexte de l'adaptation au changement climatique. Ces technologies améliorent l'efficacité et la précision des modèles climatiques, permettent une analyse détaillée des incertitudes et utilisent de vastes ensembles de données géospatiales pour améliorer les prévisions. L'IA et la ML facilitent le développement de plateformes de modélisation flexibles et modulaires qui rationalisent le processus de création et de déploiement de modèles pour diverses applications liées au climat et aux conditions météorologiques. Cette approche aborde les complexités de la modélisation dans des conditions incertaines et soutient l'intégration de divers impacts, améliorant ainsi la collaboration entre les scientifiques et les parties prenantes pour finalement accélérer les solutions visant à atténuer les risques environnementaux. (Jones, et al., 2023)

Infrastructures urbaines
L'IA permet aux villes de gérer leurs infrastructures. Elle peut être mise en œuvre dans l'élaboration de stratégies de maintenance prédictive pour les infrastructures urbaines essentielles telles que les routes, les ponts, les canalisations, les lignes d'égout, les réseaux électriques et les bâtiments publics. Les systèmes pilotés par l'IA peuvent recueillir et analyser des données pour prévoir avec précision les besoins de maintenance, ce qui permet de prévenir les accidents et de minimiser les perturbations opérationnelles.

Par exemple, les villes peuvent utiliser des applications d'IA pour développer des jumeaux numériques pour les réseaux routiers urbains, facilitant l'évaluation avancée des dommages grâce à la cartographie mobile, au balayage laser et aux mesures par radar à pénétration de sol. Cette approche permet de détecter et de prévoir avec précision les besoins d'entretien des routes, y compris l'identification des nids-de-poule.

Gestion des ressources (énergie, déchets et eau)
L'IA peut jouer un rôle important dans l'amélioration de la gestion d'une série de ressources dans les villes, notamment l'énergie, les déchets et l'eau. Ses technologies permettent une meilleure prise de décision, l'optimisation et l'automatisation de divers processus. Les villes peuvent tirer parti de l'IA pour analyser des données provenant de diverses sources, notamment des capteurs, afin de prévoir la demande et l'offre d'énergie, ce qui permet de gérer plus efficacement les réseaux énergétiques, de réduire les déchets et de réaliser des économies tout en diminuant les émissions de carbone. En outre, l'IA surveille les habitudes de consommation d'énergie dans les bâtiments intelligents et anticipe la charge électrique, la production et la capacité de transmission dans le secteur de l'énergie. (33A, 2024). Cela permet de garantir un réseau électrique stable, efficace et à faible émission de carbone, et d'améliorer la durabilité énergétique des villes.

En outre, l'IA peut apprendre et affiner ses capacités de prise de décision au fil du temps, ce qui permet de trouver des solutions autonomes pour des tâches complexes. Cette technologie est appliquée à divers domaines, tels que l'optimisation des systèmes de chauffage et de refroidissement des bâtiments, afin d'accroître l'efficacité et de réduire la consommation d'énergie, démontrant ainsi son potentiel à améliorer de manière significative la gestion des ressources urbaines. (33A, 2024). Une approche similaire peut également aider les villes à optimiser l'utilisation de l'eau grâce à des capteurs, des prévisions météorologiques ou des systèmes d'approvisionnement en eau. Elle permet de mieux gérer les ressources en eau, de détecter les fuites et de réduire le gaspillage de l'eau, ce qui est responsable d'une meilleure durabilité de l'eau. En outre, l'IA peut analyser les données provenant des itinéraires de collecte des déchets ou des installations de recyclage, aidant ainsi les autorités municipales à mieux gérer la collecte des déchets, à réduire la quantité de déchets mis en décharge et à augmenter les taux de recyclage.

Parmi les applications plus récentes de l'IA, on peut citer l'analyse de modèles de données pour prédire la quantité d'énergie produite par le vent et l'eau, afin de planifier les infrastructures et de gérer les catastrophes. (Mathe, Miolane, Sebastien, & Lequeux, 2019) (Mathe, Miolane, Sebastien, & Lequeux, 2019)L'IA a également été utilisée pour aider la recherche sur le développement de nouveaux matériaux plus efficaces pour stocker l'énergie et utiliser l'énergie provenant de sources à faible teneur en carbone. (Butler, Davies, Isayev, & Walsh, 2018) L'intelligence artificielle (IA) a considérablement amélioré l'efficacité des systèmes de distribution d'énergie en permettant des prédictions précises de l'état du système avec un minimum de données de capteurs. (Donti, et al., 2018) En fusionnant l'IA avec des modèles physiques, il est désormais possible de simuler les flux d'énergie dans des zones spécifiques comme les campus universitaires ou les zones résidentielles. (Nutkiewicz, Yang, & Jain, 2018) En outre, les algorithmes pilotés par l'IA jouent un rôle central dans l'optimisation de la réponse à la demande, en programmant intelligemment les activités à forte consommation d'énergie telles que le broyage du ciment et le revêtement en poudre pendant les périodes où l'électricité est moins chère, optimisant ainsi l'utilisation de l'énergie et réduisant les coûts. (Zhang, et al., 2018)

Engagement des citoyens
L'IA peut aider les villes à s'engager auprès de leurs citoyens en analysant les médias sociaux, les enquêtes et d'autres données pour comprendre leurs besoins et leurs préférences. Les techniques d'IA telles que le traitement du langage naturel (NLP) et l'apprentissage automatique permettent d'organiser et de déchiffrer des données non structurées, ce qui permet aux villes de concevoir des services qui répondent plus efficacement aux besoins des citoyens. Les villes peuvent également employer des chatbots et des réseaux d'agents virtuels (RAV) alimentés par l'IA qui offrent une assistance automatisée. Ces outils conversationnels d'IA interagissent avec les individus, répondant à un large éventail de demandes et de problèmes de manière efficace, sans nécessiter d'intervention humaine (33A, 2024). En utilisant des chatbots, les villes peuvent considérablement améliorer leurs stratégies d'engagement des citoyens, en fournissant un soutien rapide et accessible à leurs résidents.

L'intégration de l'intelligence artificielle (IA) dans l'engagement des citoyens facilite une gouvernance plus inclusive en tirant parti de l'IA et des grands modèles linguistiques (LLM) pour améliorer l'accessibilité et analyser efficacement les commentaires des citoyens, afin d'illustrer le potentiel de l'IA à démocratiser l'accès aux services gouvernementaux et la capacité de l'IA à déceler les priorités de la communauté grâce à l'analyse des données des médias sociaux. En institutionnalisant les mécanismes de retour d'information et en utilisant l'IA pour une analyse complète des données, les gouvernements peuvent s'assurer que les interventions de développement sont étroitement alignées sur les besoins de la communauté. Cette approche rationalisée souligne le rôle central de l'IA dans la transformation des interactions entre les citoyens et le gouvernement, en veillant à ce que les politiques et les services soient à la fois réactifs et reflètent les diverses voix qu'ils visent à servir. (Rahim, Mahony et Bandyopadhyay, 2024)

Outre l'optimisation des systèmes urbains, l'IA peut également améliorer les expériences des citoyens et fournir des services personnalisés. En analysant les données relatives aux préférences et au comportement des citoyens, les systèmes alimentés par l'IA peuvent proposer des recommandations personnalisées en matière de restaurants, d'événements et d'activités. Cela renforce l'engagement et la satisfaction des citoyens et contribue à une culture urbaine dynamique. (Nolle, 2023)

Sécurité et sûreté
L'IA peut aider les villes à améliorer leurs solutions de sécurité et de sûreté. Par exemple, l'analyse vidéo alimentée par l'IA peut être utilisée pour détecter automatiquement les menaces potentielles ou surveiller les mouvements et les comportements sociaux, en faisant la distinction entre divers groupes tels que les couples ou les adultes avec enfants. En outre, les villes peuvent utiliser cette technologie pour évaluer le respect des règles et des politiques gouvernementales dans les espaces publics, en fournissant un retour d'information immédiat aux autorités gouvernementales et aux entreprises. Cette application était particulièrement évidente dans les outils développés pour la réponse publique à la pandémie de COVID-19. Par exemple, les technologies d'IA étaient capables d'identifier le respect de l'utilisation des masques hygiéniques et des politiques de distanciation sociale dans les espaces publics.

Alors que nous commençons à intégrer l'intelligence artificielle (IA) dans nos systèmes de surveillance, le rôle de l'analyse par apprentissage profond (AP) devient rapidement évident en tant qu'outil précieux pour de nombreuses organisations. Un excellent exemple de son utilité est la conduite de recherches judiciaires, qui impliquent de passer au peigne fin de vastes archives vidéo afin de repérer des éléments ou des événements spécifiques. Avec l'intégration croissante de la DL et de l'analyse dans la technologie de surveillance, il est essentiel d'aborder cette expansion de manière réfléchie. Comprendre toute la portée de ses applications, reconnaître les limites de la technologie et s'engager dans des tests et des évaluations approfondis sont des étapes clés pour s'assurer de la bonne réalisation de ses avantages.

Le succès de l'analyse vidéo repose sur la qualité des images de surveillance. Le principe de "l'utilisabilité de l'image" souligne le fait que l'efficacité de l'analyse vidéo dépend fortement de la qualité de la caméra et de la clarté des images qu'elle capture. Les caméras de surveillance doivent fonctionner 24 heures sur 24, dans des conditions d'environnement et d'éclairage variées, tout en conservant la capacité de traiter avec précision les images en temps réel. (AXIS Comunications, 2023)

Planification urbaine éclairée
L'IA peut améliorer la planification urbaine en guidant les villes grâce à des informations fondées sur des données. Elle peut être appliquée à la planification de l'utilisation des sols, en identifiant les meilleurs emplacements à des fins résidentielles, commerciales et récréatives. L'IA y parvient en analysant les modèles de croissance urbaine, les migrations et les changements démographiques, qui sont essentiels pour prédire avec précision les besoins immédiats et à long terme en matière de logement, de transport et de services.

En outre, l'IA peut être appliquée à la modélisation et à la simulation des espaces urbains, par exemple en étant intégrée dans les systèmes Digital Twins, ce qui permet des représentations plus dynamiques et plus précises. Cela permet aux urbanistes de visualiser les développements futurs et d'évaluer leurs effets potentiels sur l'environnement bâti, notamment sur des aspects tels que l'exposition à la lumière du soleil dans les espaces publics et la densité des bâtiments. La planification urbaine traditionnelle s'appuie souvent sur des modèles statiques et des données limitées, ce qui peut être responsable d'inefficacités et de prises de décisions sous-optimales. Avec la création de jumeaux numériques, les données internes et les variables externes peuvent être utilisées pour simuler des décisions futures possibles concernant l'optimisation des ressources, la création d'infrastructures ou la mise en œuvre d'un nouveau système.

L'intelligence artificielle (IA) révolutionne la planification urbaine en exploitant de vastes données pour éclairer les décisions, ce qui est responsable d'un développement urbain plus durable et plus efficace. Elle identifie les tendances et prévoit les changements, ce qui permet aux urbanistes de faire des choix éclairés en matière de zonage et d'infrastructure. L'IA automatise les tâches routinières, ce qui permet aux urbanistes de se concentrer sur les défis urbains complexes. Cette technologie ne se contente pas d'améliorer la prise de décision, elle fait également évoluer le rôle des urbanistes vers un engagement plus profond dans les questions urbaines, en améliorant la recherche et les pratiques de planification. En fin de compte, l'IA promet de créer des villes mieux conçues qui répondent aux besoins évolutifs de leurs populations, favorisant ainsi un développement urbain plus stratégique, équitable et réactif. (Peng, Lu, Liu et Zhai, 2023)

Administration des villes
L'IA peut aider l'administration des villes en rationalisant la gestion des informations provenant de diverses sources telles que les documents scientifiques et juridiques, les plateformes numériques et les bases de données. Elle convertit efficacement les données non structurées, comme les courriels, en formats structurés, comme les feuilles Excel, ce qui facilite le traitement des données. En outre, l'IA améliore la visualisation des données par le biais de tableaux de bord et de rapports, en incorporant des graphiques, des cartes interactives et des applications, afin de favoriser une prise de décision plus éclairée et d'améliorer l'efficacité opérationnelle. (33A, 2024)

L'intégration de l'IA dans l'administration des villes promet de rationaliser les flux de travail et d'améliorer l'efficacité, en automatisant les tâches de routine pour améliorer la qualité des services et l'accès aux prestations. Toutefois, l'adoption de l'IA nécessite des cadres éthiques et juridiques rigoureux pour atténuer les préjugés et garantir la transparence et l'équité. La nature dynamique de la gouvernance numérique exige une adaptation permanente des lois et des normes, ce qui favorise la collaboration entre les experts juridiques, les technologues et les décideurs politiques. Cette approche équilibrée garantit que l'IA ne se contente pas d'optimiser les processus administratifs, mais qu'elle respecte également les principes de démocratie et de traitement équitable, soutenant ainsi l'évolution durable des villes intelligentes. (Parycek, Schmid, & Novak, 2023)

L'éducation
Ces dernières années, le secteur de l'éducation a considérablement évolué, grâce à l'adoption de l'intelligence artificielle (IA) et des technologies de l'information (TI). Cette évolution vers l'éducation intelligente implique de tirer parti de l'IdO et de l'IA pour favoriser des environnements d'apprentissage continus et engageants et connecter les établissements d'enseignement à l'échelle nationale par le biais d'une approche intelligente et pluridisciplinaire.

Les principales innovations comprennent les dispositifs intelligents et la robotique dans l'éducation, illustrés par un robot contrôlé par un smartphone au sein d'une simulation de ville intelligente, améliorant l'apprentissage pratique dans les salles de classe intelligentes. En outre, l'accent est mis de plus en plus sur l'apprentissage personnalisé, avec de nouveaux outils mis au point pour évaluer les styles d'apprentissage individuels et s'y adapter grâce à l'intelligence artificielle. Cette approche vise à optimiser les résultats éducatifs en associant les étudiants aux stratégies d'apprentissage les plus efficaces.

En outre, l'expansion des plateformes d'apprentissage en ligne souligne l'importance d'adapter l'éducation aux besoins individuels, en offrant aux étudiants un plus large éventail de possibilités d'apprentissage en ligne et en marquant une évolution vers des expériences éducatives plus accessibles et personnalisées. (H.M.K.K.M.B. & Mittal, 2022)

Modèle de valeur

Contexte de la ville

Le succès des solutions d'IA repose sur la disponibilité de données complètes et de qualité. Les villes qui ont mis en place des systèmes de collecte, de stockage et d'analyse des données urbaines peuvent plus facilement mettre en œuvre les technologies d'IA et en tirer profit. Pour intégrer efficacement l'IA générative dans les initiatives de villes intelligentes, il est essentiel de combiner le savoir-faire technique, un leadership tourné vers l'avenir et une participation globale des parties prenantes.

Expertise technique et leadership tourné vers l'avenir : Pour que l'IA générative ait un impact positif sur les villes intelligentes, les dirigeants et les parties prenantes doivent envisager son intégration dans les infrastructures et les services actuels. Ils doivent se tenir au courant des progrès de l'IA et déterminer les domaines dans lesquels l'IA générative pourrait être la plus bénéfique. Il est essentiel de promouvoir une culture de l'innovation et de la collaboration, en encourageant divers groupes à se réunir pour concevoir et déployer des solutions améliorées par l'IA.

Engager les parties prenantes : La réussite des projets d'IA générative dans les villes intelligentes dépend de la participation active de toutes les parties concernées. Cela signifie qu'il faut réunir des organismes publics, des entreprises privées, des cercles universitaires et la population en général pour cocréer des initiatives en matière d'IA. En intégrant un éventail de points de vue et d'expertises, les villes peuvent concevoir des applications d'IA qui répondent aux besoins et aux obstacles spécifiques de leurs populations.

Une mise en œuvre efficace doit adhérer aux principes des villes intelligentes, en se concentrant sur des solutions centrées sur les personnes, des partenariats intersectoriels et une gouvernance fondée sur les données. L'IA générative devrait viser à améliorer le niveau de vie et la durabilité, en veillant à ce que les innovations soient transparentes, éthiques et axées sur le bien-être des citoyens. (Arkara, 2023)

Initiatives du gouvernement

La stratégie de l'Union européenne en matière d'intelligence artificielle (IA) met l'accent sur l'excellence et la confiance, avec des politiques visant à garantir un développement sûr, éthique et innovant de l'IA. Les principaux éléments de cette stratégie sont les suivants

• Paquet IA (avril 2021) : Introduction d'un ensemble complet d'initiatives, y compris une communication sur l'avancement d'une approche européenne de l'IA, un examen du plan coordonné sur l'IA avec les États membres et une proposition de cadre réglementaire traitant de l'impact de l'IA.
• Communication AI@EC (janvier 2024) : Décrit les stratégies visant à renforcer les capacités de la Commission en matière d'IA, en mettant l'accent sur une utilisation de l'IA sûre, transparente et centrée sur l'humain.
• Investissement et collaboration : Un engagement à financer de manière significative le développement de l'IA par le biais des programmes Horizon Europe et Digital Europe, visant un investissement annuel de 20 milliards d'euros de la part des secteurs public et privé. Le mécanisme de relance et de résilience soutient également cet objectif en allouant 134 milliards d'euros à des initiatives numériques.
• Cadre juridique pour une IA digne de confiance : propose un cadre juridique nuancé pour gérer les risques liés à l'IA, en introduisant des catégories (risques minimes, élevés, inacceptables et risques spécifiques liés à la transparence) et en établissant des réglementations spécifiques pour les modèles d'IA à usage général.

Ces politiques reflètent la volonté de l'UE de devenir un leader mondial de l'IA digne de confiance, en conciliant l'innovation avec les droits fondamentaux et la sécurité. (COMMISSION E. , s.d.)

Cartographie des parties prenantes

Potentiel du marché

Potentiel du marché

Sur le front de l'innovation, les développeurs d'IA se concentrent activement sur la création de capacités, de produits et de services alimentés par l'IA et adaptés aux villes et communautés intelligentes. Les innovateurs qui sont clients de TEF sont prêts à devenir des fournisseurs de services pour les environnements urbains et communautaires. Les sections suivantes se penchent sur les estimations de la taille du marché de l'IA en Europe et dans le monde, offrent un aperçu du paysage de l'innovation en matière d'IA dans l'UE, soulignent les obstacles auxquels les développeurs d'IA sont confrontés dans le cadre des villes et communautés intelligentes, discutent des tendances et des demandes du marché, analysent la concurrence pour CitCom.ai, et concluent par des observations globales.

Estimation de la taille du marché de l'IA

Ce segment offre une vue d'ensemble de la taille du marché de l'IA en Europe et dans le monde. Malgré les divergences entre les analystes concernant les chiffres exacts et les définitions du marché, un consensus sur la taille du marché et les tendances futures émerge, fournissant des indicateurs précieux. Les données relatives au secteur de l'IA donnent un aperçu du nombre d'entités d'IA en Europe, de la taille des revenus mondiaux et européens, des investissements régionaux dans l'IA et des projections pour le marché de l'IA dans le secteur public. Initialement, l'AI Watch Index 2021 faisait état d'environ 5 776 acteurs de l'IA dans l'UE28 en 2020, comprenant des instituts de recherche, des entreprises et des organismes gouvernementaux. Au sein de cet écosystème, le rapport du CCR classe les entreprises d'IA en trois catégories : celles qui se concentrent principalement sur l'IA sans déposer de brevets, celles qui déposent des brevets liés à l'IA et celles qui se concentrent sur l'IA et déposent des brevets, notant que 43 entreprises (0,7 % de toutes les entreprises d'IA de l'UE) appartiennent à cette dernière catégorie. Élargissant le champ d'application, une étude sur l'IA et la blockchain pour l'avenir de l'Europe, s'appuyant sur les données de Crunchbase, a identifié 950 PME spécialisées dans l'IA dans l'UE27.

Un rapport de 2023 de Precedence Research a mis en évidence la valeur du marché mondial de l'IA à 454,12 milliards USD en 2022, avec des projections pour atteindre 2 575,16 milliards USD d'ici 2032, ce qui indique un TCAC de 19 % de 2023 à 2032. La part de l'Europe sur ce marché en 2022 était de 25 %, et l'on s'attend à ce que les recettes du marché européen de l'IA atteignent environ 712,61 milliards d'USD d'ici 2032. Les tendances en matière d'investissement, selon Pitchbook, montrent que les startups de l'IA ont engrangé plus de 115 milliards de dollars en 2021, soit une augmentation de 87,2 % par rapport à l'année précédente. Les données en direct de l'Observatoire des politiques d'IA de l'OCDE mettent en lumière le développement de l'IA, les taux d'utilisation et les investissements sectoriels, les investissements en capital-risque dans les industries de l'IA au sein de l'UE27 entre 2012 et 2023 s'élevant à environ 51 milliards d'USD. L'analyse suggère que les secteurs liés à CitCom.ai - tels que la mobilité et les voyages, l'énergie et le soutien au développement numérique - reçoivent 10 à 15 % du financement total de l'IA en Europe.

Les données d'EUROSTAT, de Spintan et d'Intan-Invest révèlent que l'investissement européen dans le développement et l'adoption de l'IA a dépassé 15,9 milliards d'euros en 2020, le secteur privé contribuant à hauteur de 10,7 milliards d'euros (67 %) et le secteur public à hauteur de 5,2 milliards d'euros (33 %). Les projections futures sont encore plus ambitieuses, le rapport AI Watch Report 2021 du CCR fixant un objectif de 22 milliards d'euros d'ici 2030, un chiffre qui pourrait atteindre plus de 30 milliards d'euros d'ici 2025 si les tendances de croissance actuelles se maintiennent, selon une publication du CCR. En examinant le marché de l'IA spécifiquement pour le secteur public au sein de l'UE, les données disponibles sont limitées, en particulier en ce qui concerne les villes et les communautés intelligentes. Néanmoins, une analyse de GovReport suggère que l'IA deviendra indispensable pour gérer les besoins dynamiques des services gouvernementaux, malgré la difficulté de dimensionner avec précision ce segment de marché en raison d'un manque de données sectorielles détaillées.

Cette vue d'ensemble complète brosse le tableau d'un paysage de l'IA en pleine expansion, souligné par des investissements et des innovations robustes, avec des implications et des opportunités spécifiques pour les villes et les communautés intelligentes.

Concurrents proposant des services TEF.

Le TEF (centre de test et d'expérimentation de l'IA) se distingue par son approche globale, couvrant un large éventail de disciplines, offrant une vaste portée géographique à travers l'Europe, et fournissant une suite diversifiée de services aux développeurs d'IA qui se concentrent sur les villes et communautés intelligentes. Malgré son positionnement unique, CitCom.ai est confrontée à la concurrence potentielle de plusieurs organisations qui fournissent des services connexes ou comparables. Pour maintenir son avantage concurrentiel, CitCom.ai surveillera de près ces entités pour s'assurer que ses offres continuent à se différencier sur le marché. Les concurrents potentiels sont les suivants

- Les organisations de recherche et de technologie (RTO) : Dans 32 pays, environ 350 RTO offrent un soutien aux PME et participent activement au programme Horizon Europe. Notamment, un projet sur deux dans le cadre de ce programme implique au moins un RTO.
- Autres TEF : Il existe d'autres centres d'essai et d'expérimentation, tels que ceux qui se concentrent sur la santé, l'agriculture et les secteurs spécifiques à l'IA comme AI-Matters. À l'avenir, les TEF pourraient s'étendre au secteur de l'énergie et aux services publics.
- AI4Cities : Cette initiative vise à accélérer la transition des villes vers la neutralité carbone en utilisant l'IA dans six domaines clés : la mobilité, l'énergie, la construction, l'adaptation au changement climatique, l'économie circulaire et l'engagement des citoyens.
- AI4EU : Ce projet développe une plateforme et un écosystème européens d'IA à la demande pour faciliter le développement et l'expérimentation de l'IA dans différents domaines, notamment les soins de santé, les médias, l'agriculture, la robotique et la fabrication.
- AI4Copernicus : En utilisant le programme d'observation de la Terre Copernicus et la plateforme européenne d'IA à la demande, ce projet propose des solutions basées sur l'IA pour résoudre des problèmes environnementaux et sociétaux, dans des domaines tels que l'énergie, la sécurité, les soins de santé et l'agriculture.

Financement
Cette section présente une variété de programmes de financement au sein de l'Union européenne visant à soutenir la croissance des initiatives numériques et des villes intelligentes, ainsi que le développement de l'intelligence artificielle (IA). Ces programmes sont variés, allant de la mise en œuvre d'infrastructures numériques à des projets de recherche et d'innovation, l'objectif principal étant de favoriser la transformation numérique, la durabilité et la compétitivité dans les villes, les régions et les économies européennes. Le financement se concentre sur plusieurs domaines clés, notamment le développement de villes et de communautés intelligentes, l'avancement de l'IA, l'amélioration de l'infrastructure et des plateformes numériques, et le soutien aux petites et moyennes entreprises (PME). Nous vous présentons ici une vue d'ensemble des principaux mécanismes de financement :

• Programme Digital Europe (DIGITAL) : doté d'un budget de 7,6 milliards d'euros, DIGITAL vise à accélérer la transformation numérique de l'Europe en finançant des projets pertinents, en particulier ceux liés aux villes intelligentes et à l'IA. Il s'attaque à des défis tels que les lacunes en matière d'infrastructures et la gestion de la transformation numérique, en allouant 9,2 milliards d'euros pour faire progresser des technologies essentielles telles que l'IA, la cybersécurité et le supercalculateur. Il met également l'accent sur l'acquisition de compétences numériques et l'utilisation de technologies numériques interopérables, avec 2,1 milliards d'euros consacrés à la promotion d'espaces de données européens communs et au soutien de l'IA éthique. Le programme établit également un réseau de centres européens d'innovation numérique (EDIH) pour renforcer les capacités technologiques et l'innovation dans l'ensemble de l'UE.
• Horizon Europe : Avec un investissement massif de 94,1 milliards d'euros, Horizon Europe soutient la recherche et l'innovation pour renforcer les bases technologiques et scientifiques de l'UE, notamment les villes intelligentes et le développement de l'IA. Une partie du budget, soit 13,6 milliards d'euros, est spécifiquement affectée aux secteurs du "numérique, de l'industrie et de l'espace". Horizon Europe s'aligne également sur des initiatives stratégiques telles que le marché vert européen et la stratégie numérique afin de promouvoir le progrès scientifique, de relever les défis mondiaux et d'encourager la croissance économique et la création d'emplois.
• InvestEU : Doté d'une garantie budgétaire de 26,2 milliards d'euros, InvestEU vise à mobiliser des investissements privés et publics supplémentaires d'un montant total de 372 milliards d'euros pour soutenir l'innovation, la numérisation et la croissance socio-économique, en particulier en réponse à la pandémie de grippe aviaire COVID-19. Il se concentre sur les objectifs stratégiques de l'UE, y compris le renforcement des villes numériques et de l'IA.
• Programme du marché unique : Doté d'un budget de 4,2 milliards d'euros, ce programme vise à rationaliser le marché intérieur, à soutenir les PME utilisant les technologies numériques, à renforcer la protection des consommateurs et à améliorer les statistiques de l'UE, renforçant ainsi la compétitivité et la dimension numérique du marché unique.
• Facilité "Connecting Europe" (CEF) : Le budget de 33,7 milliards d'euros du CEF soutient l'expansion des réseaux transeuropéens dans les domaines du transport, de l'énergie et des infrastructures numériques, facilitant l'adoption de solutions de villes intelligentes et de l'IA grâce à une combinaison de subventions, de financements mixtes et de stratégies de passation de marchés.
• Fonds européen de développement régional (FEDER) : Le FEDER alloue 226 milliards d'euros pour rendre l'Europe plus compétitive et plus intelligente, en mettant l'accent sur les infrastructures, les PME et la promotion de la coopération intra-UE par le biais de programmes tels qu'Interreg et le Fonds de cohésion, qui donne la priorité aux régions les moins développées.
• Mécanisme de relance et de résilience : Ce mécanisme, qui fait partie de la réponse à la pandémie COVID-19, consacre 672,5 milliards d'euros (à la fois non remboursables et remboursables) pour soutenir les transitions verte et numérique des économies de l'UE, une part importante étant réservée aux initiatives numériques.
• Fonds de transition juste : Doté de 17,5 milliards d'euros, ce fonds vise à atténuer les conséquences socio-économiques de la transition vers les objectifs de l'UE en matière d'énergie et de climat, en apportant un soutien aux travailleurs et aux communautés touchés par l'abandon des combustibles fossiles et des industries à forte intensité de carbone.
• Fonds pour l'innovation : Environ 40 milliards d'euros entre 2020 et 2030 sont alloués pour soutenir le déploiement de technologies et de processus innovants à faible émission de carbone, financés par la vente aux enchères des permis du système européen d'échange de quotas d'émission, en mettant l'accent sur les secteurs à forte intensité énergétique, le captage du carbone, les énergies renouvelables et les technologies de stockage.
• Programme LIFE : Doté d'un budget de 5,4 milliards d'euros, le programme LIFE soutient des projets qui s'attaquent aux problèmes environnementaux et climatiques, en encourageant l'adoption de pratiques et de technologies durables, circulaires et résistantes au climat.
  Ces programmes visent collectivement à encourager l'innovation, à soutenir les transitions durables et numériques et à renforcer la compétitivité de l'Union européenne sur la scène mondiale.

Opportunités/potentiel du marché

Cette analyse se penche sur l'organisation structurée et l'orientation stratégique de trois initiatives régionales distinctes, chacune défendant des domaines d'innovation spécifiques et représentant des opportunités de marché pour le développement de projets basés sur l'IA pour des solutions de villes intelligentes. Ces initiatives sont orchestrées autour de pôles centraux, appelés supernodes, qui dirigent les efforts d'innovation dans leurs régions respectives. Chaque supernode est une coalition d'un nœud principal, qui guide la stratégie régionale globale, et de nœuds subsidiaires, qui se spécialisent dans des domaines thématiques particuliers dans le cadre plus large de l'innovation. Les sections suivantes proposent une analyse de marché approfondie de ces domaines thématiques et sous-thématiques tels que définis par les supernodes.

Le supernode nordique : Mettre l'accent sur la "PUISSANCE" dans l'énergie

Le supernode nordique, dont le thème est "POWER", explore le domaine multiforme de l'énergie, qui englobe une variété de sources telles que le gaz, l'éolien, le solaire, l'hydroélectricité, le nucléaire et la biomasse, entre autres. L'accent est mis sur la structure complexe du marché comprenant les gestionnaires de réseaux de transport (GRT), les gestionnaires de réseaux de distribution (GRD) et la chaîne d'approvisionnement. Alors que les GRT et les GRD, en tant que monopoles, se concentrent traditionnellement sur la stabilité du réseau et la fourniture d'énergie, l'innovation en matière de production, de stockage et de conversion d'énergie durable prend de plus en plus d'importance. Cela inclut des progrès dans la surveillance de l'environnement pour une approche plus informée et plus respectueuse de l'environnement, étayée par des technologies numériques pour la collecte, l'analyse et la diffusion des données. En outre, l'importance de la cybersécurité pour protéger les infrastructures énergétiques des cybermenaces est soulignée, de même que l'agenda européen visant à réduire la dépendance aux combustibles fossiles grâce à l'électrification et à l'intégration des sources d'énergie renouvelables.

Sous-thèmes :

• Énergie
• Solutions environnementales
• Cybersécurité

Perspectives régionales

• Cybersécurité pour les dispositifs énergétiques connectés à l'internet
• Évaluation dynamique des transformateurs
• Optimisation de la température des centrales de chauffage urbain
• Contrôle intelligent des pompes à chaleur
• Profilage de la charge dans le réseau du GRD pour les futurs tarifs
• Maintenance prédictive et préventive pour les pompes à chaleur à grande échelle

Le super-nœud central : MOVE" pour le transport et la mobilité

MOVE", le supernode central, vise à améliorer les transports et la mobilité en milieu urbain. Il vise à encourager le développement et l'application de systèmes d'intelligence artificielle pour des solutions de mobilité urbaine plus sûres et plus durables. Cette initiative reconnaît la nature dynamique des villes en tant qu'écosystèmes qui facilitent et façonnent le mouvement des citoyens, en mettant l'accent sur le potentiel des technologies numériques telles que l'IA, l'IdO et l'analyse des big data pour révolutionner la mobilité urbaine. En promouvant des écosystèmes collaboratifs entre diverses parties prenantes, y compris les gouvernements locaux, l'industrie et la société civile, MOVE cherche à accélérer la transformation numérique des transports, améliorant ainsi la qualité de vie, la sécurité et la durabilité environnementale dans les zones urbaines.

Sous-thèmes :

• Algorithmes de mobilité urbaine et intersections intelligentes
• Électromobilité
• Conduite autonome

Perspectives régionales

• Système de contrôle du stationnement automatisé
• Projet SAM
• Jumeaux numériques locaux pour l'énergie
• Photovoltaïque intégré au véhicule
• Évaluation des chargeurs de véhicules électriques à batterie
• Optimisation des réseaux de recharge des VE
• Émissions liées aux VE

Le Supernode du Sud : CONNECT" pour des solutions urbaines intégrées

Enfin, le thème "CONNECT" sous-tend la mission du supernode sud, qui consiste à mettre en synergie les citoyens, les infrastructures et les services pilotés par l'IA pour un mode de vie urbain plus intelligent et plus durable. Ce thème englobe six sous-thèmes ciblant la lutte contre la pollution, le développement urbain, la gestion de l'eau, la gestion des installations, la livraison par drone et la gestion du tourisme. Grâce à un cadre collaboratif, CONNECT aspire à faire progresser la transformation numérique des villes en tirant parti de l'IA et d'autres technologies numériques pour améliorer la vie urbaine et la durabilité. Il implique un large éventail de parties prenantes des secteurs public et privé, de la société civile et du monde universitaire, en se concentrant sur l'exploitation des données et l'expérimentation de l'IA pour innover et relever les défis urbains.
Sous-thèmes :

• Pollution, émissions de gaz à effet de serre et gestion du bruit
• Gestion du développement urbain
• Gestion de l'eau et des eaux usées
• Gestion intégrée des installations
• Gestion des livraisons par drone
• la gestion du tourisme.

Perspectives régionales

• L'IA au service de l'infrastructure verte dans la société
• Brain4it
• Connecta València : Un territoire touristique intelligent et durable
• AI4water
• Le réseau d'innovation dans le domaine de l'eau (WIN)
• Développement d'un modèle de prédiction pour le développement du COVID-19
• Système de surveillance de la qualité de l'air utilisant des capteurs IoT et un système LoRa
• Système de vidéosurveillance avec des outils d'IA propriétaires permettant l'edge computing.
  (consortium, 2024)
  

Structure des coûts

Mise à jour du contenu en attente, restez à l'écoute !

Modèles d'exploitation

Mise à jour du contenu en attente, restez à l'écoute !

Exigences légales

Au niveau local, l'évolution rapide de la technologie pose des défis en matière de réglementation de l'IA. Au milieu des incertitudes concernant les capacités futures de l'IA et l'influence des grandes entreprises technologiques, les villes sont de plus en plus responsables de l'adoption et de la réglementation de ces technologies. Elles sont contraintes d'adopter une réponse pragmatique et agile à l'évolution rapide du paysage technologique, soulignant l'importance d'établir des lignes directrices dynamiques et décentralisées pour une utilisation responsable de l'IA. Cela est essentiel pour préserver le bien-être et la vie privée des résidents. (Garner, 2024)

L'Union européenne s'est engagée à faire progresser le développement et l'application de l'intelligence artificielle (IA) en accordant la priorité aux intérêts humains et à la durabilité. Cette approche met l'accent sur l'importance de l'intégrité des données, de l'ouverture, de la transparence, de la responsabilité et de la surveillance humaine. L'objectif est que l'IA européenne renforce l'innovation dans tous les secteurs économiques et stimule la compétitivité du marché unique de l'UE, tout en respectant les droits fondamentaux et en adhérant aux principes essentiels de l'UE. Pour éviter la fragmentation au sein de l'UE, un projet de cadre réglementaire européen fondé sur les risques se concentre sur les applications de l'IA à haut risque, en actualisant les réglementations existantes sur la sécurité des produits pour aborder des questions telles que la cybersécurité et l'autonomie humaine. Cela garantit que les individus ont le droit d'être indemnisés en cas de préjudice et apporte une clarté juridique aux organisations.

En substance, l'objectif de l'UE est de créer un écosystème prospère qui allie l'excellence à la confiance, en se positionnant comme un leader dans le développement de l'IA éthique et centré sur les personnes.
Nous examinerons également les propositions relatives à la loi sur l'intelligence artificielle et à la directive sur la responsabilité en matière d'intelligence artificielle. (consortium, 2024)

Proposition de loi sur l'intelligence artificielle : Cette proposition classe les systèmes d'IA en fonction de leur niveau de risque - d'inacceptable à minimal - afin de garantir le respect des normes éthiques, de la légalité et des droits fondamentaux au sein de l'UE. Certaines applications d'IA à haut risque, telles que le scoring social, sont purement et simplement interdites, tandis que d'autres doivent répondre à des exigences strictes en matière d'évaluation, d'enregistrement et de surveillance. La proposition prend particulièrement en compte les besoins des PME, y compris l'accès aux bacs à sable réglementaires de l'IA, afin de garantir l'équité concurrentielle et la confiance, en équilibrant les perspectives économiques avec les préoccupations éthiques et de sécurité. (COMMISSION E. , ÉTABLISSANT DES RÈGLES HARMONISÉES EN MATIÈRE D'INTELLIGENCE ARTIFICIELLE (LOI SUR L'INTELLIGENCE ARTIFICIELLE) ET MODIFIANT CERTAINS ACTES LÉGISLATIFS DE L'UNION, 2021)

Proposition de directive sur la responsabilité en matière d'intelligence artificielle : Cette directive vise à harmoniser les règles de responsabilité dans l'ensemble de l'UE pour les réclamations de droit civil résultant des résultats de l'IA, dans le but de fournir une protection équitable aux personnes lésées par l'IA et de maintenir la confiance dans l'utilisation de la technologie. Elle prévoit des mesures permettant aux plaignants d'obtenir une documentation sur les systèmes d'IA à haut risque par l'intermédiaire des tribunaux et établit les conditions dans lesquelles le préjudice peut être attribué à la négligence du système d'IA. Cette directive fixe des règles de base pour l'UE, tout en laissant aux États membres la possibilité d'appliquer des lois plus strictes s'ils le souhaitent. (COMMISSION E. , DIRECTIVE DU PARLEMENT EUROPÉEN ET DU CONSEIL relative à l'adaptation des règles de la responsabilité civile non contractuelle à l'intelligence artificielle, 2022)

Considérations éthiques

L'intégration éthique de l'intelligence artificielle (IA) dans les systèmes urbains est une pierre angulaire pour faire avancer les initiatives de villes intelligentes qui respectent et améliorent le tissu social. Au cœur de ce cadre éthique se trouve l'engagement en faveur de la vie privée, de la sécurité, de l'équité et de la transparence, garantissant que les solutions d'IA favorisent la confiance du public et que leurs processus de prise de décision sont accessibles et compréhensibles pour tous les citoyens.

L'éthique sociale exige que les applications de l'IA honorent la dignité humaine, en veillant à ce que les individus soient traités avec respect et que la technologie serve à enrichir les relations personnelles plutôt qu'à les saper. L'équité et la justice sont primordiales et exigent que les systèmes fonctionnent sans préjugés raciaux, sexistes ou autres et qu'ils promeuvent activement l'égalité. Il s'agit notamment de mettre l'accent sur l'autonomisation de ceux qui sont souvent laissés pour compte, en démontrant un impact positif tangible sur les communautés mal desservies et en contribuant au bien commun. En outre, il est essentiel de maintenir la domination humaine sur l'IA, en veillant à ce que les humains gardent le contrôle, avec des stratégies en place pour recycler les travailleurs déplacés par l'automatisation.

D'un point de vue environnemental, les applications de l'IA doivent s'efforcer d'être vertes, en exerçant des effets neutres ou positifs sur la nature. Cela correspond aux objectifs plus larges de durabilité et de gestion de l'environnement, reflétant un engagement envers la planète qui correspond à l'engagement envers les personnes.

En termes de sûreté et de sécurité, il est essentiel de garantir la sécurité physique et mentale des individus. Les droits à la vie privée doivent être préservés, tout comme la protection des données et la sécurité des systèmes afin d'éviter toute utilisation abusive ou excessive nuisible. Les solutions d'IA éthiques doivent également éliminer les incitations à l'utilisation abusive, en veillant à ce que la technologie ne puisse pas être exploitée à des fins négatives.

L'éthique de la gouvernance met l'accent sur la responsabilité, le contrôle régulier et la transparence des applications d'IA afin de garantir une utilisation responsable et une supervision claire. Elle exige que les systèmes d'IA s'identifient lorsqu'ils interagissent avec les humains et qu'ils incluent un examen humain dans les processus de prise de décision. Ces principes constituent une base pour le déploiement de l'IA en milieu urbain dans le respect de la vie privée, de la sécurité et de l'équité, afin d'améliorer la vie urbaine et de préserver le bien-être des habitants.

Données et normes

Mise à jour du contenu en attente, restez à l'écoute !

Références

• (n.d), B. (n.d.). Étude de cas sur les villes intelligentes : Économiser de l'argent et réduire les émissions à Milton Keynes grâce au stationnement intelligent.
• 33A. (2024). Récupéré de This is AI Design Sprint™ : Automatisation des processus : https://www.33a.ai/ai-design-sprint
• Abhimanyu, C., Abhinav, P., & Chandresh, S. (2013). Natural Language Processing (Traitement du langage naturel). International Journal Of Technology Enhancements And Emerging Engineering Research, Vol 1, Issue 4.
• Arkara, N. (2023, 6 août). Medium. Récupéré de " SmartCityGPT " : Comment l'IA générative crée des villes intelligentes et durables : https://nonsmartcity.medium.com/smartcitygpt-how-generative-ai-creates-smart-and-sustainable-cities-4d00ce73da10
• AXIS Comunications, Smart Cities World. (2023). Suivre la voie des villes intelligentes et durables. Smart City Magazine 2023/2024 | Global Ebrochure.
• Butler, K., Davies, D., Isayev, O., & Walsh, A. (2018). L'apprentissage automatique pour la science moléculaire et des matériaux. Nature.
• Changement climatique AI, t. C. (2021). Changement climatique et IA : recommandations pour le gouvernement. GPAI.
• Consortium, CitCom.ai. (2024). Rapport de marché : Mapping of the current EU context for the AI testing and experimentation facility (TEF) in support of smart and sustainable cities and communities.
• Cugurullo, F. (2020). L'intelligence artificielle urbaine : De l'automatisation à l'autonomie dans la ville intelligente. Département de géographie, Trinity College Dublin, Dublin, Irlande.
• Deep, K., Aayushi, C., Ruchita, M., Krishna, P. et Chintan, B. (2021). La convergence de l'apprentissage profond et de l'informatique. Atlantis Highlights in Computer Sciences, volume 4.
• Donti, P., Liu,, Y., Andreas J, S., Andrey, B., Rui, Y., & Yingchen, Z. (2018). Matrix Completion for Low-Observability Voltage Estimation. arXiv:1801.09799.
• Commission européenne. (s.d.). Récupéré de European approach to artificial intelligence : https://digital-strategy.ec.europa.eu/en/policies/european-approach-artificial-intelligence
• Commission européenne. (2021). Tiré de Laying Down Harmonised Rules On Artificial Intelligence And Amending Certain Union Legislative Acts : https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex%3A52021PC0206
• Commission européenne. (2022). Extrait de Directive du Parlement européen et du Conseil relative à l'adaptation des règles de responsabilité civile non contractuelle à l'intelligence artificielle : https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A52022PC0496
• Commission européenne. (2024). Tiré de Façonner l'avenir numérique de l'Europe : https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
• Commission européenne. (2024). Façonner l'avenir numérique de l'Europe. Extrait de https://digital-strategy.ec.europa.eu/en/policies/ai-office
• Feuerriegel, S., Hartmann, J., Janiesch, C. et Zschech, P. (2024). Generative AI. Business & Information Systems Engineering.
• Garner, C. (2024). SmartCitiesWorld. Tiré de AI to digital twins : trends you need to know about for 2024 (de l'IA aux jumeaux numériques : tendances que vous devez connaître pour 2024 ) : https://www.smartcitiesworld.net/ai-and-machine-learning/ai-and-machine-learning/ai-to-digital-twins-trends-you-need-to-know-about-for-2024
• Golubchikov, O. et Thornbush, M. (2020). L'intelligence artificielle et la robotique dans les stratégies de villes intelligentes et les développements intelligents planifiés. MDPI & SmartCities.
• H.M.K.K.M.B. , H., & Mittal, M. (2022). Adoption de l'intelligence artificielle dans les villes intelligentes : A comprehensive review. International Journal of Information Management Data Insights.
• Harshit , V., Rizwan , A., Uzair , K., & Rajat , V. (2020). Approches de l'intelligence artificielle et de l'apprentissage automatique dans les villes intelligentes : Critical Review. IOP Conference Series : Materials Science and Engineering, Volume 1022, 1st International Conference on Computational Research and Data Analytics (ICCRDA 2020).
• Hurwitz, J., Kaufman, M. et Bowles, A. (2012). Chapitre 12 Smarter Cities : Cognitive Computing in Government. Dans Cognitive Computing and Big Data Analytics.
• Ingwersen, P., & Serrano-López, A. (2018). Recherche sur les villes intelligentes 1990-2016. Scientometrics.
• Jones, A., Kuehnert, J., Fraccaro, P., Meuriot, O., Ishikawa, T., Edwards, B., . . . Assefa, S. (2023). AI for climate impacts : applications in flood risk. npj Climate and Atmospheric Science.
• Kinza, Y., Gillis, A., & Botelho, B. (n.d.). cognitive computing. Extrait de Tech Target : https://www.techtarget.com/searchenterpriseai/definition/cognitive-computing
• Lea, R. (2023). LinkedIn. Extrait de Generative AI : How are cities using it : https://www.linkedin.com/pulse/generative-ai-how-cities-using-rodger-lea-bqa9e/
• Leal, A., de Bezenac, C., Occhini, G., Lefebvre, H., Gallego-Posada, J., Chehbouni, K., . . . Téhinian, S. (2022). AI & Cities : Risques, applications et gouvernance. UN-Habitat.
• Majewski, S. (2023). D.Labs. Extrait de 7 Key Steps To Implementing AI In Your Business : https://dlabs.ai/blog/how-to-implement-ai-in-your-company/#:~:text=Seven%20key%20steps%20to%20implementing%20AI%20in%20your,You%E2%80%99re%20ready%20to%20start%2C%20but%20start%20small.%20
• Mathe, o., Miolane, N., Sebastien, N., & Lequeux, J. (2019). PVNet : A LRCN Architecture for Spatio-Temporal Photovoltaic PowerForecasting from Numerical Weather Prediction. arXiv:1902.01453.
• Mazloumi, E., Geoff, R., Currie, G. et Moridpour, S. (2011). Prediction intervals to account for uncertainties in neural network predictions (Intervalles de prédiction pour tenir compte des incertitudes dans les prédictions des réseaux neuronaux) : Methodology and application in bus travel time prediction. Volume 24, Issue 3.
• Miller, G. (2022). Rôles des parties prenantes dans les projets d'intelligence artificielle. Project Leadership and Society.
• Nemika, T. et Bharat, B. (2023). Démystifier le rôle du traitement du langage naturel (NLP) dans les applications de la ville intelligente : Background, Motivation, Recent Advances, and Future Research Directions. Wireless Personal Communications.
• Nolle, M. (2023). Comment l'IA peut-elle s'appliquer aux villes intelligentes ? LinkedIn BABLE Newsletter & Insights.
• Nutkiewicz, A., Yang, Z., & Jain, R. (2018). Simulation énergétique urbaine pilotée par les données (DUE-S) : Un cadre pour intégrer la simulation d'ingénierie et les méthodes d'apprentissage automatique dans un flux de travail de modélisation énergétique urbaine multi-échelle. Énergie appliquée, volume 225.
• OCDE. (2023). Recommandation du Conseil sur l'intelligence artificielle. OCDE.
• Padilha França, R., Borges Monteiro, A., Arthur, R., & Iano, Y. (2020). Aperçu de l'apprentissage automatique appliqué aux villes intelligentes. Smart Cities : A Data Analytics Perspective. Lecture Notes in Intelligent Transportation and Infrastructure. Springer.
• Papandreou, T. (2024). Forebes. Extrait de Generative Urban AI Is Here. Les villes sont-elles prêtes? : https://www.forbes.com/sites/timothypapandreou/2024/02/18/generative-urban-ai-is-here-are-cities-ready/?sh=2fc6aa449613
• Parycek, P., Schmid, V., & Novak, A.-S. (2023). Intelligence artificielle (IA) et automatisation des procédures administratives : Potentiels, limites et conditions-cadres. Journal of the Knowledge Economy.
• Peeler, R. (2023). The Hidden Costs Of Implementing AI In Enterprise (Les coûts cachés de la mise en œuvre de l'IA dans les entreprises). Tiré de Forbes : https://www.forbes.com/sites/forbestechcouncil/2023/08/31/the-hidden-costs-of-implementing-ai-in-enterprise/?sh=f7559e64d5c1
• Peng, Z.-R., Lu, K.-F., Liu, Y. et Zhai, W. (2023). The Pathway of Urban Planning AI : From Planning Support to Plan-Making. Journal of Planning Education and Research.
• Rahim, A., Mahony, C. et Bandyopadhyay, S. (2024). World Bank Blogs. Récupéré de Generative Artificial Intelligence as an Enabler for Citizen Engagement : https://blogs.worldbank.org/governance/generative-artificial-intelligence-enabler-citizen-engagement
• Schmitt, L. (2022). Cartographie de la gouvernance mondiale de l'IA : un régime naissant dans un paysage fragmenté. AI and Ethics.
• Taeihagh, A. (2021). Gouvernance de l'intelligence artificielle. Politique et société.
• Taleqani, R., Hough, A., & K. E, N. (n.d.). Public Opinion on Dockless Bike Sharing : A Machine Learning Approach. Transportation Research Record, 2673(4), 195-204.
• Ullah, Z., Al-Turjman, F., Mostarda, L. et Gagliardi, R. (2020). Applications de l'intelligence artificielle et de l'apprentissage automatique dans les villes intelligentes,. Computer Communications, Volume 154.
• Programme des Nations unies pour l'environnement. (2023). Récupéré de Comment l'intelligence artificielle aide à relever les défis environnementaux : https://www.unep.org/news-and-stories/story/how-artificial-intelligence-helping-tackle-environmental-challenges
• Upadhyay, M. et Upadhyay, P. (2020). The Upadhyays. Extrait de 8 Parameters to Qualify AI Solutions : https://www.theupadhyays.com/post/8-parameters-to-qualify-ai-solutions
• Yigitcanlar, T., Corchado, J., Mehmood, R., Yi Man Li, R., Mossberger, K., & Desouza, K. (2021). L'innovation urbaine responsable avec l'intelligence artificielle (IA) du gouvernement local : Un cadre conceptuel et un programme de recherche. Journal of Open Innovation : Technology, Market, and Complexity.
• Zhang, W., Robinson, C., Guhathakurta, S., Garikapati, V., Bistra Dilkina, M., Brown, M., & Pendyala, R. (2018). Estimation de la consommation d'énergie résidentielle dans les zones métropolitaines : A microsimulation approach. Energy, Volume 155,.