L’intelligence artificielle ouvre de nouvelles possibilités pour documenter et planifier l’inclusivité urbaine. Mais peut‑elle vraiment y contribuer sans écraser ce que vivent les gens derrière des modèles qui transforment nos rues en simples scores sur une carte ?
Une ville se comprend souvent à hauteur de trottoir. Un banc bien placé, un passage piéton lisible, un éclairage rassurant, une rampe d’accès, un coin d’ombre ou un arrêt d’autobus protégé peuvent transformer l’expérience quotidienne d’un lieu. À l’inverse, une bordure trop haute, une rue hostile, un parc mal entretenu ou une place où l’on ne se sent pas bienvenu peuvent exclure, parfois sans bruit. Le problème n’est donc pas de demander à l’IA de juger la ville à la place des citoyens, mais de savoir comment l’utiliser pour rendre visibles des formes d’exclusion que les outils classiques détectent mal.
Les espaces publics comme les rues, parcs, places, marchés, bibliothèques et promenades comptent parmi les infrastructures collectives les plus importantes des villes. D’ailleurs, ils occupent environ le tiers du territoire urbain à l’échelle mondiale. Leur valeur n’est pas seulement esthétique. Bien conçus et bien entretenus, ils soutiennent la vie sociale, l’activité économique, la santé, la mobilité et la capacité des citoyens à se rencontrer.
Mais il ne suffit pas qu’un lieu soit officiellement « ouvert à tous » pour qu’il soit réellement accessible, accueillant et sûr pour chacun. Les femmes, les enfants, les personnes âgées, les personnes en situation de handicap, les nouveaux arrivants, les personnes racisées, les personnes pauvres ou celles qui ne maîtrisent pas les codes implicites d’un quartier peuvent vivre la même rue de façons très différentes, notamment selon l’âge, le genre ou le handicap. Ce qui paraît neutre dans un plan d’aménagement peut devenir, dans la vie réelle, une source d’inconfort, de peur, d’évitement ou d’exclusion.
À lire aussi :
Les voitures restreignent le droit des enfants de profiter de la ville. Voici des projets qui font la différence
C’est là que l’IA peut devenir utile, non comme solution magique, mais comme outil de diagnostic. Ancrée dans les réalités locales et nourrie par l’expérience des communautés, elle peut aider les villes à mieux voir ce que leurs méthodes classiques laissent dans l’ombre, sans remplacer le jugement humain ni la décision démocratique.
Cet article fait partie de notre série Nos villes d’hier à demain. Le tissu urbain connaît de multiples mutations, avec chacune ses implications culturelles, économiques, sociales et politiques. Pour éclairer ces divers enjeux, The Conversation invite les chercheuses et chercheurs à aborder l’actualité de nos villes.
Pourquoi l’inclusion urbaine ne peut pas rester un idéal abstrait
L’inclusion est devenue un mot central des politiques urbaines. L’objectif 11 des Nations unies demande explicitement de rendre les villes et les établissements humains inclusifs, sûrs, résilients et durables, et insiste sur la planification participative ainsi que sur l’importance de données mieux ventilées pour guider l’action publique. À Montréal, par exemple, la Politique équité, diversité, inclusion et antiracisme de la Ville vise à reconnaître les discriminations systémiques, à renforcer l’équité territoriale et économique et à favoriser une participation publique plus inclusive.
Ces orientations sont nécessaires, mais elles ne suffisent pas. Les inégalités urbaines se vivent dans des gestes ordinaires : aller au travail, traverser une rue, laisser un enfant jouer dehors, attendre l’autobus, participer à une fête de quartier, manifester, se reposer ou flâner sans être soupçonné d’être « hors de sa place ».
Les espaces publics sont aussi des lieux de culture, de sociabilité et de démocratie. Lorsqu’ils excluent, les effets dépassent l’inconfort : ils peuvent toucher la santé, réduire la participation sociale, affaiblir la confiance envers les institutions et priver la collectivité de la contribution de nombreux résidents, notamment parce que ces exclusions influencent les conditions de vie et l’accès aux ressources.
Les méthodes actuelles ne suffisent pas
Les municipalités disposent déjà d’outils pour évaluer leurs rues, leurs parcs et leurs équipements : inspections, consultations publiques, audits d’accessibilité, enquêtes, observations de terrain, données de mobilité. Ces méthodes sont utiles. Elles restent toutefois souvent fragmentaires, coûteuses, ponctuelles et difficiles à déployer à grande échelle.
Elles comportent aussi un angle mort : elles mesurent mieux ce qui est visible et standardisable que ce qui est vécu. Une rue peut respecter certaines normes techniques tout en demeurant peu accueillante pour une personne âgée, peu lisible pour un nouvel arrivant, anxiogène pour une femme qui rentre tard, ou impraticable pour une personne qui se déplace avec une aide à la mobilité. À l’inverse, certains lieux peuvent être très appréciés par des communautés locales pour des raisons que les indicateurs classiques ne captent pas : habitudes, mémoire, usages informels, ambiance, sentiment d’appartenance.
Ces constats posent une question simple : comment mieux évaluer la capacité réelle des espaces publics à accueillir la diversité des populations urbaines ?
À lire aussi :
« Pas dans ma cour » : Les deux faces du NIMBYisme québécois
Ce que l’IA peut apporter, et ce qu’elle ne peut pas faire seule
Depuis une quinzaine d’années, les sciences sociales computationnelles combinent sciences sociales, informatique, statistiques, données numériques et modélisation pour repérer, à grande échelle, certains motifs dans les comportements individuels et collectifs, comme l’ont montré les travaux fondateurs du domaine. En ville, elles ne remplacent ni les enquêtes ni l’observation de terrain : elles les complètent.
Déjà des milliers d’abonnés à l’infolettre de La Conversation. Et vous ? Abonnez-vous gratuitement à notre infolettre pour mieux comprendre les grands enjeux contemporains.
Les approches actuelles sont prometteuses, mais risquées. Elles peuvent aider à repérer des régularités urbaines ou à produire des évaluations visuelles comme StreetScore, mais les données peuvent être biaisées, les images de rue ne disent pas tout et un score peut donner une impression de précision tout en effaçant le contexte social, historique et culturel des lieux, comme le rappellent les débats sur les limites des modèles. Une IA pour la ville ne devrait donc jamais être seulement une machine à classer des rues. Elle doit être un outil de discussion, de diagnostic et de responsabilité publique.
Coproduire l’IA avec les communautés
Dans notre étude Street Review menée à Montréal et publiée dans Cities, nous avons combiné recherche participative, évaluations d’images de rue, entretiens, groupes de discussion et apprentissage automatique, dans la continuité d’une première méthode participative publiée dans Habitat International. Vingt-huit résidents ont participé à des entretiens et à l’évaluation d’images, tandis qu’environ 45 000 images de rue Mapillary étaient analysées. L’objectif était de relier les perceptions d’inclusivité à des caractéristiques physiques comme les trottoirs, l’entretien, la verdure, les bancs ou la qualité du bâti.
Les résultats montrent que les perceptions varient selon les groupes, et que des éléments très concrets, notamment la qualité des trottoirs et du bâti, pèsent fortement dans le sentiment d’inclusion, parfois davantage que la seule présence de verdure. Des cartes par profils d’usagers peuvent ainsi faire apparaître des écarts que des moyennes générales masqueraient.
L’enjeu n’est pas seulement de produire une carte. Il s’agit de faire entrer l’expérience vécue dans la manière même dont l’outil est conçu.
Coproduire l’intelligence artificielle signifie que les communautés ne sont pas consultées à la toute fin, une fois le système déjà construit. Elles participent à la définition du problème, au choix des critères, à l’évaluation des images, à l’interprétation des résultats et à la discussion sur les usages acceptables de l’outil.
Dans un cycle de vie participatif de l’IA, cette collaboration se poursuit aussi après le déploiement, car les villes changent, les usages évoluent et les modèles doivent être corrigés lorsqu’ils se trompent ou lorsqu’ils simplifient trop la réalité. Une telle approche peut aider les villes à mieux cibler leurs interventions.
Des garde-fous indispensables
Ces outils ne seront utiles qu’à trois conditions. D’abord, les villes doivent être transparentes sur les données utilisées, les limites des modèles et les décisions qui pourront en découler, car transformer des phénomènes sociaux complexes en mesures mathématiques peut faire perdre un contexte essentiel. Ensuite, les résultats doivent être vérifiés auprès de groupes variés, car un modèle entraîné sur un public restreint peut reproduire ses angles morts. Enfin, la responsabilité politique doit rester humaine : l’IA peut signaler des écarts et soutenir un diagnostic, mais elle ne doit pas décider seule de la valeur d’un lieu ni des communautés qui méritent une intervention.
Une ville inclusive ne se décrète pas par algorithme. Elle se construit par des choix publics.
Mieux voir pour mieux agir
Les villes ont besoin de meilleures données et d’une meilleure écoute. Développée avec les communautés, l’IA peut relier les observations locales à l’échelle métropolitaine, rendre visibles des écarts que les administrations soupçonnent sans toujours pouvoir les mesurer, et reconnaître l’expertise des résidents.
Le défi n’est donc pas de rendre la ville « intelligente » au sens technologique du terme. Il est de la rendre plus attentive, plus responsable et plus juste.
Shin Koseki a reçu des financements des Fonds de recherche du Québec et du Fonds Nouvelle Frontière en Recherche pour les projets associée à l’utilisation de l’IA pour améliorer la qualité de l’espace public.
Rashid Mushkani a reçu un financement du Fonds de recherche du Québec pour ce projet.
Connexion
