Les 21 et 22 novembre dernier, Île-de-France Mobilités organisait le Hackathon IA et Mobilités, avec pour objectif d’explorer les usages de l’IA au service des mobilités.

Pendant deux jours, les 10 équipes constituées ont « trituré » des données de mobilités, les ont manipulées, les ont couplées avec des données de météo, avec des agendas d’événements, les ont utilisés dans des algorithmes de machine learning, ont exploité les possibilités offertes par les modèles de langages (LLM)… pour aboutir à des prototypes pour la plupart fonctionnels présentés au jury.

Ces données d’Île-de-France Mobilités, complétées de jeux de données spécifiques fournis par la RATP, la SNCF, et par la communauté urbaine Grand Paris Seine et Oise, étaient pour certaines inédites. Elles ont permis aux équipes d’imaginer de nouveaux services aux voyageurs, de nouveaux outils au service des agents, et de relever l’un ou plusieurs des défis que nous leur avions lancés :

●       Améliorer l'accessibilité des services de mobilité ;

●       Construire une boîte à outils IA pour accélérer le développement de l’IA au service des usagers ;

●       Améliorer les prévisions au service des mobilités ;

●       Personnaliser l’expérience utilisateur des services numériques au voyageur.

À ces défis s’ajoutait un dernier défi transversal pour explorer la question de la frugalité des systèmes d’IA, avec pour objectif de l’appréhender sous l’angle de l’amélioration des projets, notamment par le design de solutions potentiellement déployables en local.

L’accessibilité à l’honneur

Parmi les éléments les plus remarquables de ce hackathon, on notera le nombre important d’équipes à relever le défi de l’accessibilité et de l’inclusion, ainsi que celui de la personnalisation. On relèvera également la diversité et la qualité des profils des participant et participantes, ainsi que le niveau du travail technique effectué par les équipes, que ce soit sur les données, les algorithmes, ou sur l’usage des LLM.

Une mise en place de moyens techniques en amont…

Un effort particulier a été produit pour mettre à la disposition des équipes des données et ressources favorisant le développement de prototypes.

Un datalab a été déployé par Île-de-France mobilités à l’occasion du hackathon, celui-ci est une instance d’Onyxia, un produit de l’INSEE distribué sous licence ouverte qui s’appuie sur des technologies « cloud » tout en limitant les adhérences avec les fournisseurs de solutions d’hébergement.

Au travers d’Onyxia, les équipes avaient à leur disposition des environnements de développement python, SQL, une base vectorielle Elasticsearch et la possibilité d’instancier et de prototyper des chatbots (avec Ollama et OpenWebUI). Les jeux de données en eux-mêmes ont aussi pu être mis en ligne sur le Datalab (par un service de stockage S3 - minio). Enfin, IDFM a mis à la disposition des candidats des accès à des services d’IA générative via des clés d’accès par équipe.

Pour favoriser l’émergence d’idées et de propositions, un travail en amont a été réalisé pour identifier des données de typologies variées : séries temporelles longues et détaillées (historique des temps de passages des trains communiqué par SNCF Transilien, données de validation, données agrégées de recherche d’itinéraires, etc.), données textuelles d’information voyageur, API temps réel de la plateforme PRIM, informations de localisation telles que la position des ascenseurs, escaliers et bornes d’appels (données RATP), etc.

Par ce ciblage de jeux de données pertinents par défis, nous avons cherché à faciliter le démarrage des équipes et leur projection dans le choix de leur solution.

… et des résultats opérationnels…

L’un des objectifs du hackathon était d’identifier de façon pragmatique les clés permettant de rendre des services opérationnels aux usagers grâce à l’IA.

Les possibilités de classification, de transformations de texte, et de prévision, qui avaient été identifiées en amont du hackathon par IDFM ont bien été mises en valeur, notamment par les projets visant à la simplification et à la contextualisation de l’information voyageur.

Les équipes se sont aussi intéressées au caractère multimodal des IA génératives (capacités à traiter des sources variées : images, textes, son, vidéos…) pour imaginer des usages dynamiques et fluides au profit d’une information efficace des voyageurs, notamment lorsqu’ils sont en situation de handicap cognitifs.

Ainsi, en supplément des techniques d’appel de services LLM et des API PRIM, plusieurs équipes ont travaillé à la mise en œuvre de solutions d’information voyageur ergonomiques, faisant souvent appel à l’audio (whisper, text2speech local, et API OpenAI) avec un souci de réactivité (utilisation des technologies websocket). Des solutions utilisant l’analyse d’image ont aussi été démontrées, notamment pour l’interprétation simplifiée et contextualisée d’écrans d’affichages d’informations trafics.

… qui permettent d’imaginer les enjeux de demain pour IDFM.

Ce travail met en avant la richesse des perspectives offertes par la multimodalité des modèles de langage qui offre des moyens opérationnels directs pour permettre une adaptation de l’information voyageur à la multiplicité des types d’usagers et d’usages des transports publics.

Pour activer ces opportunités, un des enjeux pour Île-de-France mobilités sera d’assumer son rôle de plateforme régionale pour la centralisation de données de qualité.

Ces IA multimodales gagneraient en effet à être alimentées par des jeux de données spécifiquement annotés encore inexistants à l’échelle régionale et qui seront à construire tels que des images, des sons en gare, dans les trains ou les plans des stations.

On notera par ailleurs, que d’autres besoins en données ont été émis par les candidats et motiveraient un travail de centralisation :

  • des données détaillées relatives à la maintenance des élévatiques, à leur environnement (hygrométrie, température ambiante etc.), et à leur utilisation, pour monter des modèles de maintenance prédictive ;
  • des données relatives aux incidents d’exploitation et à leurs causes, pour élaborer des modèles de prévisions ;
  • ou des données relatives à la présence d’agents en gares et stations, et à la localisation des bornes d’appel pour proposer des cas d’usage autour du sentiment de sécurité.

Dans un contexte d’accélération rapide des technologies de traitement de l’information (autour de l’IA et des données), le format d’un Hackathon en tant qu’effort collectif de fédération d’idées et de ressources, constitue un apport intéressant à la maturation d’une vision collective. Elle permet la mise en avant des problématiques de politiques publiques et permet leurs prises en compte à un moment clefs dans l’adoption des technologies et de leurs mises en œuvre à une échelle industrielles.

Ce format est aussi une opportunité d’animer une communauté d’experts qui dans leurs travaux quotidiens sont des ambassadeurs de la vision collectives et des améliorations nécessaires constatées collectivement.

Des briques logicielles partagées

Dans une logique de capitalisation des futurs projets IA d’IDFM et de l’écosystème des mobilités, l’ensemble des développements réalisés ont leur code ouvert et des extraits de code fonctionnels sont mis en avant pour favoriser l’inspiration et la réutilisation.

Si on ne peut pas mentionner toutes les réutilisations potentielles, on peut toutefois mettre en avant les briques proposées par l’équipe Accit/FALC qui permettent de « traduire » un contenu en Facile à Lire et Comprendre. Un commun à développer pour le plus grand nombre, au-delà des services de mobilité !

Vous aussi, partagez-nous vos réutilisations de données en cliquant sur ce lien.

Nous restons bien sûr disponibles pour accueillir vos remarques et répondre à vos questions à l'adresse [email protected] et sur le Slack. 

Des participants volontaires et une équipe d’organisation mobilisée !

Nous adressons encore un énorme merci aux 55 participants et participants répartis en 10 équipes composées à la fois de partenaires d’Île-de-France Mobilités (opérateurs de transport, sociétés de services…) et de participants individuels (étudiants en IA, experts des mobilités). Ils ont été volontaires, très dynamiques et fertiles dans les productions et les échanges. Toutes les équipes ont apporté leur énergie, leur approche, leur envie et leur implication dans les défis à relever. Nous tenons aussi à remercier tous les experts qui ont épaulé les équipes pendant ces deux jours.

Merci également au jury du Hackathon qui a accepté la difficile responsabilité d'évaluer les projets : David Assouline (SNCF Transilien), Mounia Latrech (RATP), Jean-Daniel Alquier (GPSEO), Jules Pondard (DINUM) et Hélène Brisset, directrice du numérique d’IDFM.

Enfin, nous remercions aussi Delphine Bürkli, maire du 9e arrondissement de Paris et administratrice d’Île-de-France Mobilités, pour son passage sur cet événement et les échanges nombreux qu’elle a pu entretenir avec les équipes.

Tour d’horizon des 10 projets proposés

Projet Mobil’IA 🥇 (Premier prix), porté par Alexandre Le Ray, Jérémy André, Alexandre Meyer et Pierre Farret.

Mobil’IA est une application inclusive qui utilise l’IA pour rendre les déplacements en transports publics accessibles aux personnes handicapées.

Projet mAIdfm 🥈 (Deuxième prix), porté par Simon Aharonian, Nawel Boumerdassi, Corentin Barand, Achille Popelier et Zakaria Hammal.

mAIdfm est un projet axé sur la personnalisation de l'utilisation des applications de transport grâce à l’intelligence artificielle. Il vise à transformer l’expérience des transports en commun à travers :

  • Des recommandations personnalisées basées sur le clustering des utilisateurs.
  • Une gamification avec des badges, classements et défis ludiques.
  • Des notifications intelligentes sur le trafic inspiré, la météo ou des événements locaux, adaptées aux préférences des usagers.

« Notre projet portait sur l'utilisation de l'intelligence artificielle pour proposer à chaque voyageur d'Île-de-France Mobilités un contenu unique, personnalisé et ludique, en fonction de son profil, de ses itinéraires favoris, et de ses habitudes de transport. », explique l’équipe.

« C’était une expérience intense, mais très enrichissante » confie Achille, membre de l’équipe, « La pression du temps était présente, mais cela nous a motivé à donner le meilleur de nous-mêmes. ».

Projet Accit/FALC 🥉 (3ème prix), porté par Gaëtan Bloch, Marc Bresson, Etienne Vautherin, Cécile Balsier, Katia Awona et Théo Lartigau.

Accit/FALC est une application personnalisée, accessible en ligne et hors ligne, qui fournit l’information nécessaire au bon moment, sur le bon canal et selon le profil voyageur identifié et selon son handicap. Ce projet tente notamment la mise en œuvre du format FALC, Facile A Lire et à Comprendre. Cette application est doublée d’une API permettant de centraliser un service de simplification et de scoring de textes, ce qui en fait potentiellement un projet déployable et réutilisable au-delà du scope des mobilités franciliennes.

Projet Tranquili’score 🍏(Prix de la frugalité)

Ce projet a pour but de déterminer un indice de tranquillité des gares et des trajets pour les voyageur·se·s du réseau. Ce projet a été imaginé par Rémi Coulaud, Judicaël Leger, Vincent Bories, Antoine Greaume et Loane Cotellon.

Elevate_us est une application axée sur l’accessibilité pour calculer des itinéraires accessibles qui prennent en compte l'état de fonctionnement des ascenseurs et des escalators avec une base de données enrichie par les usagers.

Projet Prévisions de Retard, par Mehdi Dahoumane, Ibrahim Sobh, Alan Adamiak, Ramdane Mouloua


Il s’agit d’un modèle de prédiction des retards potentiels selon les conditions prévues (météo, événements, message d'info trafic) permettant, en cible, de minimiser  le temps d’attente en gare des usagers. Les participants ont pu se frotter à la difficulté d’analyser les données de passage et de retard (comment définir un retard ? comment prendre en compte les retards rattrapés ?), et les données météos (quelle variable utiliser ? complétude de la donnée pour certaines stations franciliennes).

Un projet ambitieux qui a pu souligner la difficulté et l’enjeu à disposer de données suffisantes en quantité et en qualité pour activer le potentiel des technologies d’IA prédictives.

Projet MobiWise réalisé par Yohann Ciurlik, Arthur Samy, Christophe De Bast, Emilie Geoffray et Daniel Breton.

MobiWise est une boîte à outils pour améliorer l’expérience voyageur dans les transports en commun d'Île-de-France lors des parcours multimodaux.

Projet Mob’IA réalisé par Mathilda Rosset, Théophile Molcard, Calvin Paumier, Jean-Charles Fournier, Michel Kaddouh, Jocerand Ducroux

Un agent conversationnel dédié à la recherche d’itinéraires facile à utiliser par la voix.

Projet Alter ego réalisé par Caroline Muraire, Saoussen Ben Babis, Andres Ladino, Antonio Villarral, Florian Gicquiaud, Blandine De Leiris et Gaël Garcia

Alter ego est une application aux préférences des usagers, notamment les personnes à mobilité réduite.

Projet Ivoice réalisé par Anand Badrinath, Eva Hoyau, François Lemeille, Caspar Longin-Dimanche, Léo Da Silva, Aurélie Chantelot et Enora Préault.

Personnalisation des informations voyageurs sonore en cas d'incident dans les stations/gares.

L'actualité de PRIM dans votre boîte mail chaque mois

Chaque mois, PRIM vous envoie l'essentiel de son actualité.

S'inscrire à la newsletter