L’intelligence artificielle sait déjà améliorer les performances de certains systèmes de mobilité. Mais une optimisation locale ne garantit ni l’intérêt collectif, ni l’équité entre usagers, ni la cohérence à l’échelle des territoires.
Au Movin’On Summit 2026, Clément Bernard et Abdelaziz Sali (CGI) déplacent le débat de la seule efficacité des algorithmes vers une question de gouvernance : qui définit les objectifs, arbitre entre des priorités contradictoires et répond des décisions prises avec l’IA ?
LES GRANDS ENSEIGNEMENTS
1. L’IA produit des gains mesurables, mais sur des périmètres encore fragmentés
Les intervenants citent des expériences de coordination multimodale et de gestion des flux, notamment le projet européen Tangent à Manchester, Lisbonne et Rennes, ainsi que des systèmes de feux intelligents. Ces exemples, présentés par CGI, illustrent des bénéfices opérationnels, sans résoudre à eux seuls l’interconnexion des systèmes entre opérateurs et territoires. « La vraie question, c’est : que voulons-nous optimiser ? » — Intervention CGI (vers 03:03–04:54 ; formulation resserrée)
2. Une IA performante peut produire des arbitrages socialement discutables
À Kirkland, près de Montréal, les gains de circulation automobile sont opposés au temps d’attente des piétons. À Hangzhou, les intervenants interrogent la concentration des données et de la décision sur une plateforme unique. Le problème n’est donc pas seulement la performance technique, mais les critères retenus : temps de parcours, accès aux transports collectifs, desserte des zones moins denses ou place des piétons. « Le risque, c’est celui de voir une intelligence artificielle extraordinairement performante qui obéirait parfaitement à une consigne trop pauvre. » Abdelaziz Sali Directeur - Alliances Stratégiques et Innovation - CGI
3. Quand la décision et l’exécution se rapprochent, la responsabilité devient centrale
Avec les systèmes d’IA capables de recommander, prioriser puis déclencher des actions, la frontière entre stratégie et exécution s’estompe. Les dirigeants doivent pouvoir expliciter les objectifs confiés à ces systèmes, comprendre les contradictions entre objectifs légitimes et assumer les arbitrages. Les intervenants rappellent aussi six exigences pour une mobilité durable : écologique, circulaire, sobre, juste, résiliente et souveraine, la dernière étant évoquée dans les arbitrages de la discussion. « La conformité, c’est un plancher. Ce n’est pas une boussole. » Clément Bernard Vice-Président Senior région Grand Sud - CGI
4. Un cadre de confiance doit rendre les choix explicites et contestables
Abdelaziz Sahi propose quatre responsabilités à vérifier avant de confier un rôle significatif à une IA : le mandat (ce qu’elle doit améliorer), la mesure (comment évaluer ses effets et ses externalités), l’arbitrage (qui tranche entre objectifs opposés) et le recours (qui peut contester ou reprendre la main). La gouvernance ne se limite donc pas à la conformité réglementaire : elle doit rendre les décisions explicables et révisables. « Le mandat, la mesure, l’arbitrage et le recours. » Abdelaziz Sali
LES TENSIONS ET LES QUESTIONS OUVERTES
Comment mesurer un bénéfice collectif lorsque les gains pour un mode de transport se traduisent par des pertes pour un autre ? Comment éviter que les usagers qui renoncent à se déplacer, et ne produisent donc pas de données, deviennent invisibles dans les modèles ? Qui arbitre entre efficacité économique, justice territoriale, sobriété, souveraineté et résilience ? Les intervenants opposent trois futurs possibles : des IA locales efficaces mais cloisonnées ; une forte concentration autour de quelques plateformes ; ou des IA interopérables, capables de coopérer dans un cadre de confiance partagé. Ce sont des scénarios de réflexion, pas des prévisions établies.
LES PERSPECTIVES D’ACTION
Définir explicitement, pour chaque cas d’usage, les objectifs à optimiser et les publics ou territoires concernés.
Évaluer les résultats avec des indicateurs partagés, intégrant les externalités, les effets distributifs et l’empreinte propre de l’IA.
Prévoir une gouvernance humaine des arbitrages, des mécanismes de traçabilité et des voies de recours.
Réunir opérateurs, régulateurs, industriels et usagers pour documenter des cas d’usage communs, au-delà des silos organisationnels.
Explorer un cadre de confiance indépendant permettant la coopération entre systèmes d’IA plutôt que leur simple juxtaposition.
