Recherche

TAPCOP : des prédictions IA pour une mobilité en temps réel​

Une solution centralisée pour la gestion multimodale de la mobilité

La mobilité est au cœur de notre société moderne, mais les villes du monde entier sont confrontées chaque jour aux défis liés à la congestion et à la saturation des espaces publics. Lorsque la capacité des infrastructures est dépassée, les conséquences sont nombreuses : ralentissements, augmentation des temps de trajet, hausse de la pollution, risques accrus pour la sécurité et inconfort pour les citoyens. Rien qu’aux États-Unis, les embouteillages devraient engendrer une perte économique estimée à 186 milliards de dollars d’ici 2030. Les solutions actuelles — signalisation, déviations ou présence d’agents sur le terrain — restent souvent réactives et insuffisantes face à l’ampleur des enjeux.

Le projet TAPCOP (2022–2026) répond à ces problématiques en proposant une gestion intelligente et prédictive des flux de mobilité. Grâce à la fusion de multiples sources de données et à des prédictions alimentées par l’intelligence artificielle, TAPCOP permet aux autorités d’anticiper les congestions avant qu’elles ne surviennent et d’offrir des recommandations proactives en temps réel aux usagers.

TAPCOP (Traffic AI Prediction of Common Operational Picture) est un projet de recherche ITEA qui combine capteurs intelligents basés sur l’IA, fusion sécurisée de données multimodales et analyses prédictives afin de surveiller, anticiper et gérer les déplacements des véhicules, piétons, cyclistes et transports publics. Le système fournit aux autorités et aux parties prenantes un tableau de bord unique permettant de visualiser la situation de mobilité en temps réel, de prédire son évolution et de recommander des actions adaptées. Mais TAPCOP va plus loin qu’un simple centre de contrôle : la solution communique également directement avec les voyageurs avant leur trajet, pendant leurs déplacements et sur site via les réseaux sociaux, les systèmes de navigation et les applications mobiles, afin de favoriser des choix de mobilité plus intelligents et plus durables. 

Les autorités urbaines rencontrent régulièrement des difficultés pour gérer les congestions, limiter la pollution et les incidents de sécurité, ou encore influencer les comportements de déplacement. Les approches traditionnelles restent principalement réactives et limitées à l’environnement physique — panneaux routiers, déviations ou déploiement de personnel — sans intégrer pleinement les capacités prédictives et numériques. TAPCOP comble cette lacune en apportant des analyses, des prévisions et des mécanismes de contrôle permettant d’anticiper les problèmes de mobilité et les situations de surpopulation avant qu’ils ne se produisent. 

Le projet repose sur une approche multicouche: collecte d’informations en temps réel pour tous les modes de transport, centralisation des données dans une vision opérationnelle respectueuse de la vie privée, utilisation de l’IA pour prévoir les tendances de mobilité, recommandation d’interventions ciblées, diffusion de conseils personnalisés aux voyageurs. Cette approche globale permet aux autorités comme aux citoyens d’éviter plus efficacement les points de congestion et de réduire les risques liés à la saturation des espaces publics.

L’impact de TAPCOP sera considérable : une vision fiable et en temps réel de la mobilité, des prévisions précises à court terme, des outils de communication proactive destinés aux autorités et aux voyageurs. Chaque module repose sur l’intelligence artificielle et évolue continuellement grâce à l’apprentissage à partir de nouvelles données et situations. Les principaux bénéficiaires incluent les gestionnaires routiers, les municipalités, les forces de police ainsi que les organisateurs d’événements gérant de grands rassemblements tels que des concerts, festivals ou matchs de football.

En proposant une solution complète de gestion de la mobilité, TAPCOP contribue également au développement rapide du marché Mobility-as-a-Service (MaaS), dont la valeur devrait passer de 3,3 milliards USD en 2021 à 40,1 milliards USD d’ici 2030. 

TAPCOP rassemble cinq partenaires en Belgique et en Espagne, combinant expertise en intelligence artificielle, mobilité et innovation :

• Belgique: 

• Espagne: 

En associant intelligence artificielle de pointe, fusion de données multimodales et interaction proactive avec les voyageurs, TAPCOP ambitionne de transformer durablement la gestion de la mobilité urbaine. Les résultats du projet fourniront aux autorités les outils et les informations nécessaires pour anticiper, prévenir et gérer en temps réel les congestions et les phénomènes de surpopulation, contribuant ainsi à rendre les villes plus sûres, plus durables et plus agréables à vivre. 

Durée du projet: Octobre 2022 – Avril 2026

Chef de projet: Geert Vanstraelen, Macq, Belgique

Financé par: 

DistriMuSe: une surveillance intelligente au service de la santé et de la sécurité

 
Le projet DistriMuSe a pour objectif de faire progresser les systèmes intelligents dédiés à la santé et à la sécurité humaine grâce à des technologies de détection innovantes.

Ce projet se concentre sur le développement de solutions de monitoring continues et non intrusives destinées aux domaines de la santé, de la sécurité routière et des environnements industriels. Coordonné par VTT, DistriMuSe réunit 50 partenaires issus de 7 pays autour d’un budget d’environ 35 millions d’euros, cofinancé par la Commission européenne et les agences nationales de financement. Lancé le 1er mai 2024 pour une durée de trois ans, le projet prolonge les recherches initiées dans le cadre du projet NextPerception.

DistriMuSe développera plusieurs technologies clés afin d’améliorer les capacités de surveillance et d’analyse dans différents secteurs. Le projet s’appuie sur des méthodes de monitoring continues et discrètes, telles que les radars, lidars, capteurs basés sur des caméras et dispositifs portables (wearables), afin de fournir des données complètes et précises. Ces technologies visent à améliorer la couverture et la précision des analyses tout en garantissant la protection des données personnelles conformément au RGPD et aux exigences de l’AI Act.

• Santé. Dans le domaine médical, DistriMuSe ambitionne de faire évoluer les approches de soins d’un modèle réactif vers une approche proactive grâce à des systèmes de monitoring à domicile. Le projet développe notamment des technologies avancées d’analyse du sommeil capables d’atteindre une précision clinique, réduisant ainsi le recours à des examens coûteux en laboratoire. DistriMuSe travaille également sur l’analyse de l’activité et de la démarche afin de détecter précocement certains problèmes de santé, y compris les signes de déclin cognitif.
• Pour la sécurité routière, DistriMuSe développe des capteurs avancés destinés à mieux protéger les usagers vulnérables de la route, tels que les piétons et les cyclistes. Ces technologies seront intégrées à des systèmes de monitoring du conducteur (DMS) ainsi qu’à des solutions de communication véhicule-environnement (V2X), afin de créer une approche globale et intelligente de la sécurité routière.
• In industrial settings, the project will enhance safety by advancing collaborative robots, or cobots. These robots will be equipped with technologies to understand human presence and intentions, enabling safer human-robot interactions and more efficient task execution. Dans les environnements industriels, le projet vise à renforcer la sécurité grâce au développement de robots collaboratifs ("cobots") plus intelligents. Ces robots seront capables de comprendre la présence et les intentions humaines, permettant des interactions homme-machine plus sûres et une exécution des tâches plus efficace.

Les technologies développées dans le cadre du projet contribueront à: 

• Améliorer le suivi de la santé grâce à des systèmes de monitoring à domicile
• Renforcer la sécurité routière et la protection des usagers vulnérables
• Favoriser des environnements industriels plus sûrs grâce à une meilleure collaboration homme-robot.

À travers DistriMuSe, les partenaires du projet souhaitent transformer la manière dont les systèmes intelligents soutiennent la santé et la sécurité humaines, en créant des environnements plus sûrs, plus intelligents et plus durables dans les secteurs de la santé, de la mobilité et de l’industrie.

BRIGHTER: Développer des capteurs microbolomètres plus rapides et plus intelligents

Cette technologie possède un potentiel considérable, encore largement sous-exploité aujourd’hui.

Les capteurs microbolomètres sont des composants d’imagerie infrarouge compacts, légers, fiables, économes en énergie et accessibles en termes de coût. Comparés aux capteurs infrarouges refroidis, ils offrent de nombreux avantages sur ces aspects, mais restent encore limités en matière de performances. Les technologies microbolomètres actuelles présentent notamment certaines limites:

• Des constantes de temps thermiques d’environ 10 millisecondes, soit plus de dix fois supérieures à celles des détecteurs refroidis
• L’absence de capteurs microbolomètres multispectraux adaptés à des applications telles que la thermographie absolue ou l’imagerie optique des gaz.

Le projet BRIGHTER vise à réduire cet écart de performance en développant deux nouvelles générations de solutions microbolomètres.

• BRIGHTER développera des solutions d’imagerie thermique capables d’atteindre des constantes de temps comprises entre 2,5 et 5 millisecondes, soit des performances 2 à 4 fois supérieures aux technologies actuelles. Le projet étudiera également des circuits de lecture capables de fonctionner jusqu’à 500 images par seconde.
  ​
• Le projet développera aussi des microbolomètres multispectraux permettant un accès, au niveau du pixel, à au moins deux longueurs d’onde différentes dans la plage de 7 à 12 μm. Les recherches porteront notamment sur: la technologie des pixels, les circuits de lecture intégrés (ROIC), l’électronique de traitement du signal embarquée basse consommation, les systèmes optiques, les algorithmes de traitement d’image.

L’ensemble de la chaîne de valeur est impliqué dans le projet: universités, centres de recherche, fabricants de microbolomètres, développeurs d’algorithmes, intégrateurs de caméras et utilisateurs finaux. Cette collaboration permettra de définir les meilleurs compromis technologiques pour répondre aux différents cas d’usage.

Les deux nouvelles familles de produits développées dans le cadre de BRIGHTER offriront des avantages concrets dans plusieurs domaines: 

• réduction de la consommation de matériaux et d’énergie dans l’industrie manufacturière
• surveillance plus efficace et plus abordable des infrastructures et des trains
• contribution aux systèmes de perception des véhicules autonomes
• amélioration de la sécurité routière pour les usagers vulnérables
• meilleur contrôle des émissions de gaz dans les villes et les zones industrielles.

Grâce à ces nouvelles applications portées par l’industrie européenne, BRIGHTER contribuera également à renforcer la position de l’Europe sur le marché mondial de l’imagerie infrarouge.

CORFOU: Développer un radar pour comprendre les mouvements de foule 

Les nouvelles technologies sont aujourd’hui de plus en plus utilisées pour surveiller les mouvements de foule, afin de prévenir les incidents lors de grands événements et de faciliter la mobilité quotidienne en milieu urbain. Le groupe de communications sans fil de l’ULB a développé un capteur de densité de foule, MUFINS, désormais valorisé sur le plan économique par l’entreprise Macq.

The aim of the project "Design of a radar for monitoring crowd dynamics" is to design a complementary sensor based on radar technology to support the analysis of crowd dynamics, in particular the flow of people. This would enable longer-term density predictions and the detection of specific group movements. Le projet "Conception d’un radar pour le suivi de la dynamique des foules" vise à développer un capteur complémentaire basé sur la technologie radar afin de mieux analyser les dynamiques de foule, en particulier les flux de personnes. Cela permettrait d’anticiper l’évolution de la densité sur le long terme et de détecter certains comportements de groupes.

Un prototype sera utilisé tout au long du projet afin de collecter des données sur deux sites de référence. L’analyse des foules reposera sur des techniques de classification appliquées à l’analyse micro-Doppler des signaux radar.

SINTRA: IA et détection multimodale pour une surveillance avancée de la sécurité

SINTRA est une plateforme d’intelligence artificielle open data-streaming conçue pour faciliter la coordination et l’interopérabilité entre organisations, tout en garantissant la fiabilité des systèmes de surveillance en matière de sûreté et de sécurité.

SINTRA est un projet ITEA en développement, appelé à transformer la protection des infrastructures critiques. Dans cette perspective, le projet vise à renforcer la résilience grâce à la création d’une plateforme ouverte de streaming de données basée sur l’IA.

Grâce à des technologies avancées de détection multimodale et à l’analyse par intelligence artificielle, SINTRA offrira une vision globale de la sécurité, permettant aux acteurs concernés de détecter et de réagir de manière proactive à des anomalies complexes. Le projet contribue ainsi à un futur plus sûr et mieux interconnecté.

L’objectif de SINTRA est de proposer une plateforme ouverte permettant l’interopérabilité entre organisations et garantissant la fiabilité des systèmes de surveillance de la sécurité. Elle facilite la coordination entre les différents acteurs, le partage d’informations ainsi que l’analyse de données issues des opérateurs publics et privés de sécurité, afin de renforcer la connaissance situationnelle face aux menaces pesant sur les infrastructures.

Sur le plan technologique, le projet représente une avancée significative par rapport à l’état de l’art grâce à la combinaison de technologies innovantes de détection multimodale et d’analyse de données basée sur l’IA. L’intégration et la fusion de multiples sources acoustiques, visuelles, radar, multispectrales, LiDAR, ToF ainsi que des capteurs environnementaux avec des données existantes (données policières, horaires logistiques, réseaux sociaux) permettent d’obtenir une vision complète et multidimensionnelle de la sécurité des infrastructures.

Le consortium est composé de partenaires issus de six pays : les Pays-Bas, la Turquie, la Belgique, la Finlande, le Portugal et l’Allemagne. Les bénéfices de la plateforme SINTRA seront démontrés sur plusieurs types d’infrastructures critiques : plateformes logistiques (port de Moerdijk), aéroports, ports maritimes, chantiers, centres commerciaux et réseaux routiers.

TORRES: Des insights basés sur la donnée pour la gestion du trafic métropolitain

Les systèmes de transport intelligents (ITS) ont un impact positif sur la société. Ils sont notamment utilisés pour réduire les congestions routières, les accidents de la circulation et la pollution de l’air autant de facteurs qui influencent directement la qualité de vie des citoyens.

Ce projet vise à développer un cadre méthodologique ainsi qu’une approche globale pour le suivi de données de trafic hétérogènes. L’accent est mis sur la création de modèles basés sur la donnée pour l’imputation, l’interpolation et la prévision du trafic, ainsi que sur le développement d’outils de visualisation intuitifs permettant d’analyser la situation du trafic et son évolution à l’échelle métropolitaine, avec Bruxelles comme cas d’usage principal.​

L’objectif est de fournir aux autorités publiques et aux gestionnaires d’infrastructures des outils leur permettant de mieux comprendre et quantifier l’impact de leurs politiques sur le bien-être des citoyens. Dans le même temps, le projet facilite la communication de ces impacts auprès du grand public, rendant les choix politiques plus transparents et plus faciles à accepter.​

Les données de trafic existent sous de multiples formes, allant des détections individuelles issues des caméras ANPR jusqu’aux données de véhicules flottants (Floating Car Data) fournies par des opérateurs spécialisés. Le défi consiste à anonymiser, centraliser et fusionner correctement ces différentes sources afin de produire une information plus précise et plus exploitable que celle fournie par chaque source prise isolément.​

Partenaires: 

• ULB: Groupe d’apprentissage automatique (MLG)
• VUB: Département d’électronique et d’informatique (ETRO)

DRiVING: Développer des caméras de trafic plus intelligentes et adaptatives en temps réel

 
Distributed Recognition Infrastructure for Intelligent Traffic Camera Networks

Le projet DRiVING (Distributed Recognition Infrastructure for Intelligent Traffic Camera Networks) vise à améliorer les systèmes de reconnaissance des caméras de trafic afin de garantir des performances optimales dans des conditions réelles variées. Aujourd’hui, les algorithmes de reconnaissance utilisés dans les caméras de circulation sont souvent statiques et peinent à maintenir un niveau de performance stable face aux changements environnementaux. Ce projet a pour objectif de développer un moteur avancé ainsi qu’une méthodologie permettant d’évaluer en continu ces systèmes et de les mettre à jour automatiquement afin d’améliorer leur efficacité.

Une innovation majeure du projet DRiVING réside dans le passage d’une architecture classique dite “push”, où les caméras envoient simplement leurs données vers un système central, vers un modèle bidirectionnel. Dans cette nouvelle approche, le système central peut également superviser les caméras et mettre à jour leurs algorithmes de reconnaissance en temps réel, leur permettant ainsi de s’adapter en permanence aux conditions changeantes.

Le projet est développé en collaboration avec la Vrije Universiteit Brussel (VUB) et son département Electronics and Informatics (ETRO), dont l’expertise en électronique et en informatique joue un rôle clé dans la conception du moteur de reconnaissance et des méthodologies associées.​

DRiVING contribuera à améliorer la gestion du trafic grâce à des caméras plus intelligentes et plus adaptatives, favorisant une mobilité urbaine plus sûre et plus efficace. En renforçant les performances des systèmes de surveillance, le projet soutient le développement des smart cities face à des enjeux majeurs tels que la congestion, la sécurité routière et la durabilité environnementale.​

En conclusion, DRiVING représente une avancée importante dans l’évolution des systèmes de monitoring du trafic, en les rendant plus réactifs, adaptatifs et performants en temps réel, contribuant ainsi à des villes plus intelligentes et plus sûres.

Partenaire: VUB : Département d’électronique et d’informatique (ETRO)

NextPerception: Faire progresser la perception intelligente pour les soins aux patients et la conduite automatisée

Un nouveau projet européen visant à répondre à deux défis majeurs en pleine croissance: les soins de santé centrés sur le patient et la conduite automatisée.

Un projet à l’échelle de l’Union européenne a été lancé en mai afin de préparer la prochaine génération de technologies de détection intelligente appliquées à la santé et à l’automobile. Dans le domaine de la santé, ce projet de 30 millions d’euros vise à améliorer la détection précoce et la prévention de la dégradation de l’état de santé grâce à des capacités de monitoring avancées. Dans le secteur automobile, il contribuera à améliorer la sécurité des piétons et des cyclistes, tout en constituant une étape clé vers les systèmes de perception nécessaires à la conduite autonome.​

Les technologies de détection font désormais partie du quotidien, et les utilisateurs accordent une confiance croissante à des systèmes intelligents capables de prendre des décisions ayant un impact direct sur leur santé et leur bien-être. C’est particulièrement vrai dans le domaine médical, où des systèmes surveillent les moindres changements de l’état de santé des patients, ainsi que dans le trafic, où les solutions de conduite automatisée prennent progressivement le contrôle des véhicules. La précision et la pertinence des décisions dépendent de la capacité de ces systèmes à comprendre à la fois les personnes et leur environnement.​

"À mesure que la prise de décision est transférée des humains vers les machines dans des contextes potentiellement critiques comme la santé ou la circulation routière, il est essentiel de garantir que les technologies de perception et de raisonnement soient sûres et fiables", explique Johan Plomp, chef de projet NextPerception et chercheur senior chez VTT.

Afin d’améliorer ces processus décisionnels automatisés et de répondre au besoin de systèmes de capteurs intelligents, sûrs et proactifs, le consortium NextPerception réunit des acteurs majeurs des secteurs européens de la santé, du bien-être et de l’automobile.​

Trois cas d’usage pour démontrer le potentiel de la technologie​

Bien que les systèmes de perception intelligents aient des applications bien au-delà de la santé et du transport, le projet NextPerception se concentre sur trois cas d’usage concrets afin de démontrer la faisabilité de l’approche.​

"La valeur du projet ne réside pas seulement dans le développement de plateformes de capteurs intelligentes et fiables intégrant de l’intelligence embarquée, mais aussi dans leur application à des cas concrets afin d’aboutir à des solutions prêtes pour le marché", explique Patrick Pype, coordinateur technique du projet et directeur des partenariats stratégiques chez NXP.

Le premier axe concerne la surveillance continue de la santé, permettant une approche centrée sur le patient et une participation active de celui-ci dans son parcours de soins. Le cas d’usage “monitoring de la vitalité intégrée” développe des technologies capables de mesurer et suivre l’état de santé, les comportements et les activités, en particulier chez les personnes nécessitant une attention médicale renforcée.​

Les deux autres cas d’usage visent à améliorer la sécurité routière et à répondre aux défis liés à la conduite automatisée en milieu urbain et dans des conditions météorologiques difficiles.​

Le premier se concentre sur la surveillance du conducteur. L’objectif est de développer un système capable d’identifier son état cognitif (distraction, fatigue, somnolence), ainsi que ses émotions (anxiété, panique, colère). Le système analysera également les intentions du conducteur (tourner à gauche ou à droite), ainsi que ses mouvements et ceux des passagers à bord. Ces informations seront utilisées pour les fonctions de conduite autonome, notamment les demandes de reprise de contrôle et l’assistance au conducteur.​

Le troisième cas d’usage vise à améliorer la sécurité et le confort de tous les usagers de la route, y compris les piétons et les cyclistes, aux intersections. Il permettra de détecter la présence des usagers, de déterminer leur position avec une grande précision et de suivre leurs mouvements et intentions de manière fiable. Pour les piétons et les cyclistes, l’objectif est d’anticiper les trajectoires afin d’éviter les situations de conflit.

Une collaboration véritablement européenne​

Le projet NextPerception a débuté en mai 2020 et s’étend sur une durée de trois ans. Le consortium réunit 43 partenaires issus de sept pays, représentant à la fois le monde industriel et académique, et est coordonné par VTT Technical Research Centre of Finland. Le projet est financé conjointement par la Commission européenne et les agences nationales dans le cadre de l’initiative ECSEL.

MIRAI: Faire progresser la planification et l’exploitation intelligentes des systèmes IoT et edge

 
Des techniques d’intelligence machine pour une gestion plus intelligente et durable des applications IoT et edge computing

MIRAI vise à permettre une planification et une exploitation plus intelligentes et durables des applications IoT et edge computing grâce à l’intelligence artificielle. Le projet complète l’approche traditionnelle de montée en charge verticale par une approche horizontale, en répartissant les charges de travail entre les différents dispositifs edge et objets connectés. Le résultat du projet sera la création des MIRAI Framework Building Blocks (MFBB), composés des éléments suivants:

- Des algorithmes et mécanismes d’IA permettant un déploiement économe en énergie et en ressources, ainsi qu’une adaptation dynamique des applications IoT et edge en temps réel.

- Des modèles d’IA distribués et composables, capables de s’adapter à une montée en charge verticale et horizontale afin de garantir une prise de décision de haute qualité.

- Des algorithmes avancés d’apprentissage continu, capables de fonctionner dans des environnements incertains et bruités, des conditions fréquentes dans les secteurs critiques comme l’industrie et les transports.

- De nouvelles méthodologies pour le développement, l’entraînement et l’évaluation de modèles sans accès direct à des données labellisées.

- Des solutions innovantes visant à garantir la confiance, la fiabilité et l’assurance qualité dans des écosystèmes hétérogènes.


Financement: EUREKA

C-MobILE: Améliorer la sécurité routière et l’efficacité grâce aux solutions de mobilité connectée

 
La vision du projet C-MobILE (Accelerating C-ITS Mobility Innovation and depLoyment in Europe) est d’atteindre un transport routier entièrement sûr et efficace, sans victimes ni blessures graves sur les routes européennes, en particulier dans les environnements urbains complexes et pour les usagers vulnérables de la route. L’objectif est également de promouvoir une mobilité sans congestion, durable et économiquement viable, tout en réduisant au maximum l’impact environnemental du transport routier.

C-MobILE pose les bases d’un déploiement à grande échelle en Europe, en faisant évoluer les sites pilotes de recherche vers des environnements opérationnels proposant des services durables, soutenus par les autorités locales. Le projet repose sur une approche commune garantissant l’interopérabilité des systèmes et la disponibilité fluide des services, tout en assurant des coûts acceptables pour les utilisateurs finaux et un modèle économique viable pour les acteurs de la chaîne de valeur.

Le projet C-MobILE vise à produire les résultats clés suivants: 

Un cadre C-ITS défini en partenariat avec les principaux acteurs, proposant des solutions facilitant le déploiement sur les sites pilotes existants, incluant des modèles économiques solides.​

Une agenda stratégique de recherche et d’innovation identifiant les domaines clés pour soutenir des déploiements C-ITS durables et ouvrir la voie à la mobilité automatisée en Europe.​

Une évaluation incluant une analyse coûts-bénéfices (CBA) des avantages réels cumulés liés au regroupement des applications C-ITS et à l’intégration de plusieurs modes de transport dans un même écosystème.

Un déploiement ouvert et sécurisé à grande échelle d’applications C-ITS nouvelles et existantes, démontré dans des environnements urbains complexes, interopérables entre pays et impliquant un large panel d’usagers.​

Une plateforme ouverte permettant l’accès aux sources C-ITS afin de faciliter le déploiement de services sur des dispositifs standards, validée par les communautés de développeurs.​

Des procédures opérationnelles validées pour le déploiement à grande échelle de services C-ITS durables en Europe.​

Ce projet a reçu un financement du programme de recherche et d’innovation Horizon 2020 de l’Union européenne dans le cadre de la convention de subvention n° 723311.

PoliVisu: Utiliser le big data pour transformer les décisions politiques démocratiques

 
PoliVisu est un projet de recherche et d’innovation visant à faire évoluer le cycle traditionnel d’élaboration des politiques publiques grâce à l’exploitation des données massives (big data).

L’objectif est de renforcer un ensemble ouvert d’outils numériques permettant d’améliorer la prise de décision dans le secteur public et de la rendre plus participative et démocratique, en: 

(a) expérimentant différents scénarios politiques grâce à la visualisation de leurs impacts,

(b) utilisant ces visualisations pour mobiliser l’intelligence collective des parties prenantes afin de co-construire des solutions.

En collaboration avec trois villes confrontées à des enjeux sociétaux liés à la smart mobility et à l’aménagement urbain, le projet vise à aider les administrations publiques à répondre aux défis urbains en enrichissant le processus décisionnel à travers des possibilités d’expérimentation à trois étapes clés du cycle politique: conception, mise en œuvre et évaluation des politiques.

Cette approche expérimentale permet aux villes d’aborder des problématiques complexes et systémiques nécessitant des approches innovantes et transformatrices.​

Ce projet a reçu un financement du programme de recherche et d’innovation Horizon 2020 de l’Union européenne dans le cadre de la convention de subvention n° 769608.