Fernanda ARREOLA
Professeure de stratégie et entrepreneuriat - ESSCA

Article par Par Fernanda Arreola et Jean-Christophe Lassalle


Prédire les retards, recommander des itinéraires, dialoguer avec les usagers : l’intelligence artificielle transforme l’information dans les transports publics. Mais la confiance des passagers, loin d’être acquise, dépend moins de la performance technologique que de la transparence, de l’équité et de la gouvernance des systèmes.

Afin d’être acceptés par le grand public, les systèmes d’intelligence artificielle doivent non seulement fournir des informations exactes, mais aussi inspirer la confiance sur des dimensions moins tangibles. Les transports publics constituent, à cet égard, un terrain d’observation privilégié. L’IA est désormais intégrée aux dispositifs qui orientent des décisions ordinaires, du commerce en ligne à la finance ou à la santé, et les transports publics ne font pas exception. Dans les réseaux de mobilité collective, elle anticipe les perturbations, propose des itinéraires alternatifs et interagit avec les voyageurs via des interfaces conversationnelles.

Reste une question centrale : les passagers font-ils réellement confiance à l’IA pour fournir des informations pertinentes, notamment dans des situations sensibles à forts enjeux et soumises à une forte contrainte temporelle, comme les trajets domicile-travail ? S’appuyant sur une étude consacrée aux transports de masse, cet article analyse les conditions dans lesquelles les voyageurs acceptent ou rejettent les systèmes d’information pilotés par l’IA. Les résultats mettent en lumière un paradoxe : L’IA est bien acceptée lorsqu’elle améliore la clarté de l’information et réduit l’incertitude. En revanche, elle suscite la méfiance dès lors que la personnalisation apparaît opaque, intrusive ou manipulatrice.

Transports publics : laboratoire idéal de la confiance

Les systèmes de transport collectif constituent un laboratoire idéal pour analyser la confiance accordée à l’IA. Chaque jour, des millions de passagers s’appuient sur des informations en temps réel pour prendre des décisions rapides : faut-il attendre, changer de ligne, ou risque-t-on de manquer une correspondance ? Contrairement aux plateformes de divertissement ou de commerce, les décisions de mobilité sont prises sous contrainte de temps, dans un espace physique donné et avec un nombre limité d’alternatives. Une mauvaise recommandation a des conséquences immédiates.

Dans les réseaux ferroviaires urbains denses, métros, trains de banlieue ou réseaux express régionaux, les retards sont structurellement inévitables. La saturation des infrastructures et la complexité opérationnelle rendent illusoire toute ponctualité parfaite. Dans ce contexte, l’information devient un enjeu critique. Les passagers n’attendent pas l’absence totale d’aléas, mais une forme de prévisibilité. C’est précisément là que l’IA apparaît comme un outil puissant. Son efficacité dépend néanmoins, en dernier ressort, de la confiance que lui accordent les usagers.

Le transport de masse constitue ainsi un test grandeur nature pour l’information générée par l’IA. Ce qui fonde la confiance n’est pas la performance idéale du système, mais la qualité de l’information délivrée lorsque surviennent les perturbations. L’IA peut réduire l’incertitude, à condition que les passagers aient le sentiment qu’elle agit dans leur intérêt.

Comment l’IA transforme l’information aux passagers

L’intelligence artificielle modifie l’information de mobilité selon trois dynamiques majeures. D’abord, les systèmes deviennent prédictifs : ils anticipent retards et congestions au lieu de se limiter à leur constat. Ensuite, l’information se personnalise, en tenant compte de contraintes individuelles telles que la sensibilité au temps ou les besoins d’accessibilité. Enfin, l’interaction se fait conversationnelle, grâce aux chatbots et aux assistants vocaux, qui allègent la charge cognitive dans des situations souvent stressantes. Ces évolutions renforcent la pertinence perçue des informations. Mais la pertinence, à elle seule, ne suffit pas à instaurer la confiance.

Les travaux de recherche montrent que celle-ci repose sur trois dimensions. La première est la compétence : l’information doit être exacte et cohérente. La deuxième est la bienveillance, c’est-à-dire la conviction que le système agit dans l’intérêt du passager. La troisième est la transparence, qui renvoie à la compréhension du raisonnement à l’origine des recommandations. Les usagers tolèrent des erreurs mineures lorsque le système leur est globalement utile, mais rejettent ceux qui apparaissent manipulateurs, opaques ou incohérents d’un canal à l’autre.

À ces enjeux s’ajoutent les préoccupations liées à la protection de la vie privée. Dans les services essentiels, refuser le partage de données revient souvent à accepter une dégradation du service, ce qui fragilise l’idée d’un consentement pleinement libre. Les risques de biais algorithmiques accentuent encore ces tensions : des systèmes entraînés principalement à partir des données des heures de pointe peuvent produire des recommandations moins pertinentes pour des publics minoritaires, tels que les travailleurs de nuit ou les personnes en situation de handicap, avec des effets très concrets sur leurs déplacements.

La confiance, un enjeu de gouvernance

La confiance accordée à l’information produite par l’IA ne relève pas uniquement de la technique. Elle constitue avant tout un enjeu de gouvernance. Les choix relatifs à la personnalisation, aux limites de l’usage des données, aux mécanismes d’incitation ou aux normes de transparence affectent directement la légitimité institutionnelle des opérateurs. Dans les transports publics, ces décisions ne sauraient être cantonnées aux seuls niveaux opérationnels.

Les instances dirigeantes doivent fixer des objectifs explicites, définir des cadres clairs pour l’utilisation des données, établir des standards minimaux de transparence et mettre en place des dispositifs de responsabilité. À l’ère des systèmes intelligents, la gouvernance devient un élément à part entière de la proposition de valeur.

Instaurer la confiance dans l’IA : les enseignements pour les décideurs

Pour les responsables publics et les dirigeants, la question n’est plus de savoir s’il faut recourir à l’IA, mais comment intégrer la confiance au cœur de son déploiement.

D’abord, la clarté doit devenir une exigence de conception : la confiance augmente lorsque les passagers comprennent pourquoi une recommandation leur est adressée. Ensuite, la qualité de la gestion des données doit primer sur leur volume : collecter davantage d’informations n’améliore pas nécessairement la pertinence et peut fragiliser la confiance. Le contrôle de l’équité et de l’inclusivité est également essentiel afin de prévenir les biais susceptibles de nuire à la légitimité des systèmes.

Par ailleurs, si l’IA permet d’optimiser les flux au sein des réseaux, l’orientation des comportements doit rester alignée sur l’intérêt des usagers, et non sur des logiques purement opérationnelles. Enfin, la confiance elle-même doit être considérée comme un indicateur de performance à part entière, au même titre que la ponctualité ou l’utilisation des capacités, et intégrée aux tableaux de bord de la transformation numérique.

La gouvernance de l’IA, à l’image de la planification des transports, doit s’inscrire dans une démarche continue, concertée et évolutive, fondée sur des réévaluations régulières des performances, de l’équité et des attentes sociales.

Quand la confiance devient l’infrastructure clé de l’IA

L’expérience du transport de masse montre que la confiance dans l’IA n’est ni automatique ni purement technologique. Les usagers accordent leur confiance lorsque l’information est exacte, pertinente, transparente et alignée sur leurs intérêts. Ils s’en détournent lorsque la personnalisation devient opaque, que les pratiques de données paraissent coercitives ou que les recommandations semblent manipulatrices.

Dans les services publics essentiels, la confiance ne relève pas du marketing : elle constitue une condition structurelle de la légitimité. L’avenir de l’IA dans la mobilité — et au-delà — dépendra moins de la sophistication des algorithmes que de la capacité des organisations à conjuguer compétence, transparence et équité. À l’ère de l’intelligence artificielle, la confiance s’impose comme l’infrastructure décisive.

Partager cet article:
Partager sur FacebookPartager sur LinkedInPartager sur TwitterEnvoyer à un(e) ami(e)Copier le lien