De la smart city technologique à l’intelligence urbaine utile
Pendant longtemps, la ville intelligente a été associée à une promesse simple : mieux mesurer pour mieux gérer. Des capteurs dans l’espace public, des plateformes de supervision, des données de mobilité, des bâtiments connectés, des réseaux d’eau instrumentés, des éclairages adaptatifs, des services numériques pour les citoyens.
Cette première phase a été utile. Elle a permis aux collectivités d’expérimenter, de moderniser certains services, de mieux comprendre la valeur de la donnée urbaine et d’ouvrir le dialogue avec des écosystèmes d’innovation. Mais elle a aussi montré ses limites. Beaucoup de projets sont restés fragmentés. Certains ont produit davantage de tableaux de bord que de transformation opérationnelle. D’autres ont été freinés par la gouvernance, l’interopérabilité, la cybersécurité, la souveraineté ou l’acceptabilité citoyenne.
Avec l’arrivée de l’intelligence artificielle dans les systèmes urbains, cette période touche à sa fin. Le sujet n’est plus seulement de rendre la ville plus connectée. Il est de savoir comment une collectivité gouverne des outils capables d’analyser, de prioriser, de recommander, parfois même de déclencher des actions. La smart city doit donc entrer dans une nouvelle phase : celle de l’intelligence urbaine gouvernée.
Cette première phase a été utile. Elle a permis aux collectivités d’expérimenter, de moderniser certains services, de mieux comprendre la valeur de la donnée urbaine et d’ouvrir le dialogue avec des écosystèmes d’innovation. Mais elle a aussi montré ses limites. Beaucoup de projets sont restés fragmentés. Certains ont produit davantage de tableaux de bord que de transformation opérationnelle. D’autres ont été freinés par la gouvernance, l’interopérabilité, la cybersécurité, la souveraineté ou l’acceptabilité citoyenne.
Avec l’arrivée de l’intelligence artificielle dans les systèmes urbains, cette période touche à sa fin. Le sujet n’est plus seulement de rendre la ville plus connectée. Il est de savoir comment une collectivité gouverne des outils capables d’analyser, de prioriser, de recommander, parfois même de déclencher des actions. La smart city doit donc entrer dans une nouvelle phase : celle de l’intelligence urbaine gouvernée.
Pour les élus et les DGS, la question devient stratégique
Le débat sur la ville intelligente a longtemps été tiré par la technologie. On a parlé de 5G, d’IoT, de jumeaux numériques, de plateformes de données, de véhicules connectés ou de réseaux intelligents. Ces briques restent importantes. Mais elles ne suffisent plus à définir une stratégie territoriale crédible.
La vraie question, pour un maire ou un directeur général des services, est différente : quel problème public veut-on résoudre ? Qui contrôle les données ? Comment les décisions sont-elles prises ? Quels services sont réellement améliorés ? Qui est responsable si un système automatisé influence une priorisation de maintenance, une régulation de trafic, une intervention sur un réseau ou une allocation de ressources ?
Une ville peut être très équipée technologiquement et rester faible dans sa capacité de décision. À l’inverse, une ville moyenne, avec des moyens plus contraints, peut progresser rapidement si elle relie ses données, ses métiers, ses infrastructures et ses priorités politiques autour de quelques cas d’usage à fort impact. La maturité d’un territoire ne se mesurera plus au nombre de solutions déployées, mais à sa capacité à transformer la donnée en décisions utiles, contrôlées et compréhensibles.
La vraie question, pour un maire ou un directeur général des services, est différente : quel problème public veut-on résoudre ? Qui contrôle les données ? Comment les décisions sont-elles prises ? Quels services sont réellement améliorés ? Qui est responsable si un système automatisé influence une priorisation de maintenance, une régulation de trafic, une intervention sur un réseau ou une allocation de ressources ?
Une ville peut être très équipée technologiquement et rester faible dans sa capacité de décision. À l’inverse, une ville moyenne, avec des moyens plus contraints, peut progresser rapidement si elle relie ses données, ses métiers, ses infrastructures et ses priorités politiques autour de quelques cas d’usage à fort impact. La maturité d’un territoire ne se mesurera plus au nombre de solutions déployées, mais à sa capacité à transformer la donnée en décisions utiles, contrôlées et compréhensibles.
L’IA change la nature des services urbains
L’intelligence artificielle n’est pas une technologie supplémentaire dans la boîte à outils des collectivités. Elle modifie la logique même des systèmes urbains. Dans l’eau, elle peut aider à détecter les fuites, hiérarchiser les interventions, optimiser les tournées et mieux planifier les investissements. Dans la mobilité, elle peut contribuer à fluidifier certains axes, anticiper les congestions, améliorer la sécurité ou renforcer l’attractivité des transports collectifs. Dans l’énergie, elle peut aider à piloter la demande, réduire les consommations et articuler bâtiments publics, éclairage, production locale et stockage. Dans l’environnement, elle peut suivre la qualité de l’air, les îlots de chaleur, la biodiversité urbaine ou l’exposition aux risques climatiques.
La différence avec les technologies précédentes est essentielle : l’IA ne se contente pas de collecter ou d’afficher de l’information. Elle classe, prédit, recommande, alerte et peut influencer l’action publique. Elle introduit donc une forme de pouvoir opérationnel dans les services publics locaux.
Cela oblige les collectivités à poser des questions plus exigeantes. Quels usages peuvent être automatisés ? Lesquels doivent rester strictement sous supervision humaine ? Quels critères sont utilisés par les algorithmes ? Comment détecter les biais ? Comment expliquer une décision à un citoyen ? Comment garantir qu’un objectif d’efficacité ne dégrade pas l’équité territoriale, l’accès aux services ou la protection des libertés publiques ? L’enjeu n’est pas de freiner l’innovation. Il est d’éviter une adoption aveugle de l’IA dans des environnements où les conséquences sont concrètes.
La différence avec les technologies précédentes est essentielle : l’IA ne se contente pas de collecter ou d’afficher de l’information. Elle classe, prédit, recommande, alerte et peut influencer l’action publique. Elle introduit donc une forme de pouvoir opérationnel dans les services publics locaux.
Cela oblige les collectivités à poser des questions plus exigeantes. Quels usages peuvent être automatisés ? Lesquels doivent rester strictement sous supervision humaine ? Quels critères sont utilisés par les algorithmes ? Comment détecter les biais ? Comment expliquer une décision à un citoyen ? Comment garantir qu’un objectif d’efficacité ne dégrade pas l’équité territoriale, l’accès aux services ou la protection des libertés publiques ? L’enjeu n’est pas de freiner l’innovation. Il est d’éviter une adoption aveugle de l’IA dans des environnements où les conséquences sont concrètes.
La confiance devient une infrastructure publique
La ville intelligente a d’abord été pensée comme une infrastructure numérique. Elle doit désormais être pensée comme une infrastructure de confiance. C’est un changement majeur pour les exécutifs locaux.
Cette confiance repose d’abord sur la qualité des données. Une IA urbaine ne peut pas produire de résultats fiables avec des données incomplètes, obsolètes, mal documentées ou enfermées dans des silos. Elle repose ensuite sur la gouvernance : qui possède les données, qui y accède, selon quelles règles, avec quelles garanties, pour quelle durée et avec quel niveau de contrôle ? Elle repose enfin sur l’auditabilité. À mesure que les systèmes deviennent plus autonomes, une collectivité doit pouvoir vérifier leur fonctionnement, documenter leurs limites, corriger leurs dérives et prouver leur conformité.
C’est particulièrement vrai pour les infrastructures critiques. Une recommandation algorithmique sur la maintenance d’un réseau d’eau, la gestion d’un carrefour, la consommation énergétique d’un bâtiment public ou la sécurité d’un équipement municipal ne peut pas être traitée comme une simple fonctionnalité logicielle. Elle engage la continuité de service, la sécurité, la responsabilité juridique et la confiance des habitants.
Pour les maires et les DGS, le sujet devient donc un sujet de gouvernance publique. Les collectivités n’achètent plus seulement des outils. Elles délèguent progressivement une partie de leur capacité d’analyse, d’anticipation et parfois d’action à des systèmes numériques. Cette délégation doit être organisée, contractualisée, auditée et réversible.
Cette confiance repose d’abord sur la qualité des données. Une IA urbaine ne peut pas produire de résultats fiables avec des données incomplètes, obsolètes, mal documentées ou enfermées dans des silos. Elle repose ensuite sur la gouvernance : qui possède les données, qui y accède, selon quelles règles, avec quelles garanties, pour quelle durée et avec quel niveau de contrôle ? Elle repose enfin sur l’auditabilité. À mesure que les systèmes deviennent plus autonomes, une collectivité doit pouvoir vérifier leur fonctionnement, documenter leurs limites, corriger leurs dérives et prouver leur conformité.
C’est particulièrement vrai pour les infrastructures critiques. Une recommandation algorithmique sur la maintenance d’un réseau d’eau, la gestion d’un carrefour, la consommation énergétique d’un bâtiment public ou la sécurité d’un équipement municipal ne peut pas être traitée comme une simple fonctionnalité logicielle. Elle engage la continuité de service, la sécurité, la responsabilité juridique et la confiance des habitants.
Pour les maires et les DGS, le sujet devient donc un sujet de gouvernance publique. Les collectivités n’achètent plus seulement des outils. Elles délèguent progressivement une partie de leur capacité d’analyse, d’anticipation et parfois d’action à des systèmes numériques. Cette délégation doit être organisée, contractualisée, auditée et réversible.
Les villes moyennes ont une fenêtre d’opportunité
Il serait dangereux de réserver cette nouvelle intelligence urbaine aux grandes métropoles. Les villes moyennes, les agglomérations et les territoires périurbains font face à des enjeux tout aussi structurants : vieillissement des infrastructures, pression sur l’eau, mobilité contrainte, rénovation énergétique, attractivité économique, gestion des risques climatiques, cybersécurité, accès aux services publics. Dans certains cas, leurs marges de manoeuvre sont plus faibles, ce qui rend l’optimisation encore plus nécessaire.
L’IA peut devenir un levier puissant pour ces territoires, à condition de ne pas reproduire les erreurs de la première vague smart city. Il ne s’agit pas d’importer des plateformes lourdes pensées pour de grandes métropoles. Il s’agit de développer des solutions sobres, interopérables, adaptées aux capacités réelles des équipes et orientées vers des résultats mesurables.
Pour une ville moyenne, l’intelligence urbaine peut commencer par quelques priorités très concrètes : réduire les pertes d’eau, mieux planifier la maintenance, optimiser l’éclairage public, améliorer la performance énergétique des bâtiments municipaux, fluidifier les mobilités du quotidien, simplifier certaines démarches ou mieux anticiper les impacts climatiques locaux.
La bonne question n’est donc plus : comment devenir une smart city ? La bonne question est : quels problèmes publics l’intelligence peut-elle aider à résoudre, avec quels garde-fous, quel retour d’expérience et quel bénéfice pour les habitants ?
L’IA peut devenir un levier puissant pour ces territoires, à condition de ne pas reproduire les erreurs de la première vague smart city. Il ne s’agit pas d’importer des plateformes lourdes pensées pour de grandes métropoles. Il s’agit de développer des solutions sobres, interopérables, adaptées aux capacités réelles des équipes et orientées vers des résultats mesurables.
Pour une ville moyenne, l’intelligence urbaine peut commencer par quelques priorités très concrètes : réduire les pertes d’eau, mieux planifier la maintenance, optimiser l’éclairage public, améliorer la performance énergétique des bâtiments municipaux, fluidifier les mobilités du quotidien, simplifier certaines démarches ou mieux anticiper les impacts climatiques locaux.
La bonne question n’est donc plus : comment devenir une smart city ? La bonne question est : quels problèmes publics l’intelligence peut-elle aider à résoudre, avec quels garde-fous, quel retour d’expérience et quel bénéfice pour les habitants ?
L’Europe peut construire un modèle différent
L’Europe a une carte à jouer dans cette nouvelle phase. Elle ne gagnera pas en copiant des modèles de ville intelligente fondés uniquement sur l’hyper-automatisation, la centralisation des données ou la surveillance. Elle peut, en revanche, construire un modèle plus exigeant : une intelligence urbaine fondée sur la confiance, la souveraineté, l’inclusion et la performance réelle des services publics.
Ce modèle correspond mieux aux attentes des territoires européens. Les habitants n’attendent pas seulement des villes plus numériques. Ils attendent des villes plus respirables, plus sobres, plus accessibles, plus sûres, plus résilientes et plus justes. Les élus, de leur côté, ont besoin de solutions qui améliorent les services sans créer de dépendances technologiques incontrôlées.
Le règlement européen sur l’intelligence artificielle accélère cette prise de conscience. Pour les collectivités, l’enjeu ne se limite pas à la conformité. Il faudra progressivement intégrer une culture de gouvernance de l’IA dans les achats publics, les cahiers des charges, les contrats, les audits, les politiques de données, la gestion des risques et le dialogue avec les citoyens.
Cette évolution peut sembler contraignante. Elle peut aussi devenir un avantage. Une ville capable de démontrer que ses systèmes numériques sont contrôlés, proportionnés, auditables et alignés avec l’intérêt général aura plus de chances de créer de l’adhésion. Dans un contexte de défiance envers les technologies, la capacité à prouver la confiance deviendra un facteur clé d’acceptabilité.
Ce modèle correspond mieux aux attentes des territoires européens. Les habitants n’attendent pas seulement des villes plus numériques. Ils attendent des villes plus respirables, plus sobres, plus accessibles, plus sûres, plus résilientes et plus justes. Les élus, de leur côté, ont besoin de solutions qui améliorent les services sans créer de dépendances technologiques incontrôlées.
Le règlement européen sur l’intelligence artificielle accélère cette prise de conscience. Pour les collectivités, l’enjeu ne se limite pas à la conformité. Il faudra progressivement intégrer une culture de gouvernance de l’IA dans les achats publics, les cahiers des charges, les contrats, les audits, les politiques de données, la gestion des risques et le dialogue avec les citoyens.
Cette évolution peut sembler contraignante. Elle peut aussi devenir un avantage. Une ville capable de démontrer que ses systèmes numériques sont contrôlés, proportionnés, auditables et alignés avec l’intérêt général aura plus de chances de créer de l’adhésion. Dans un contexte de défiance envers les technologies, la capacité à prouver la confiance deviendra un facteur clé d’acceptabilité.
Gouverner avant de généraliser
La prochaine étape de la ville intelligente ne sera pas uniquement technologique. Elle sera institutionnelle, organisationnelle et politique. Les collectivités doivent se préparer à gouverner des systèmes qui ne se limitent plus à produire de la donnée, mais qui participent à l’interprétation du réel urbain.
Trois priorités s’imposent désormais aux décideurs locaux.
La première consiste à partir des besoins publics essentiels, et non des technologies disponibles. L’IA doit être évaluée à partir de sa contribution réelle à la qualité de service, à la sobriété, à la résilience, à l’inclusion et à la capacité d’action des équipes.
La deuxième consiste à construire la gouvernance des données et des algorithmes avant la généralisation des systèmes. Une collectivité ne peut pas découvrir les risques après déploiement. Elle doit clarifier les responsabilités, les droits d’accès, les exigences de cybersécurité, les conditions d’audit et les possibilités de sortie.
La troisième consiste à organiser la confiance dans la durée. Un système d’IA urbaine doit pouvoir être supervisé, corrigé, audité et, si nécessaire, arrêté. Cette capacité de contrôle est aussi importante que la performance technique.
La ville intelligente de demain ne sera donc pas celle qui automatise le plus. Ce sera celle qui saura décider clairement ce qu’elle automatise, pourquoi elle le fait, comment elle le contrôle et au bénéfice de qui. C’est ce passage, de la smart city technologique à l’intelligence urbaine gouvernée, qui déterminera la prochaine décennie des territoires.
Trois priorités s’imposent désormais aux décideurs locaux.
La première consiste à partir des besoins publics essentiels, et non des technologies disponibles. L’IA doit être évaluée à partir de sa contribution réelle à la qualité de service, à la sobriété, à la résilience, à l’inclusion et à la capacité d’action des équipes.
La deuxième consiste à construire la gouvernance des données et des algorithmes avant la généralisation des systèmes. Une collectivité ne peut pas découvrir les risques après déploiement. Elle doit clarifier les responsabilités, les droits d’accès, les exigences de cybersécurité, les conditions d’audit et les possibilités de sortie.
La troisième consiste à organiser la confiance dans la durée. Un système d’IA urbaine doit pouvoir être supervisé, corrigé, audité et, si nécessaire, arrêté. Cette capacité de contrôle est aussi importante que la performance technique.
La ville intelligente de demain ne sera donc pas celle qui automatise le plus. Ce sera celle qui saura décider clairement ce qu’elle automatise, pourquoi elle le fait, comment elle le contrôle et au bénéfice de qui. C’est ce passage, de la smart city technologique à l’intelligence urbaine gouvernée, qui déterminera la prochaine décennie des territoires.
