Crédit photo en-tête de page : Shutterstock

Intelligence artificielle et motrice du futur

En analysant et en exploitant nos données à partir d’algorithmes d’intelligence artificielle, les chercheurs de la SNCF s’efforcent de faciliter non seulement le métier de nos agents mais également votre voyage.  

Mis à jour le

Arrivé pour la première fois de sa vie devant la gare de Paris-Lyon, Monsieur Bertrand panique : deux niveaux, trois halls, une quarantaine de voies... Et ce train qui part dans moins d’un quart d’heure. Monsieur Bertrand photographie alors la façade de la première boutique qu’il croise avec son portable… Ce qui lui indique aussitôt le meilleur chemin à suivre pour gagner son train.  Sept minutes plus tard, Monsieur Bertrand a trouvé sa place.

Retour vers le futur

Dans son centre de supervision du réseau Transilien, l’agent Martin s’interroge. Un bagage sans propriétaire vient d’être repéré dans un train à quai, le trafic est bloqué. Les démineurs sont en route mais les conséquences sur le trafic de la ligne se font déjà sentir, des retards s’accumulent, les quais se remplissent. Que faire pour préparer au mieux le retour à la normale ? Laisser le retard se résorber lentement ? Supprimer des trains ? Supprimer des dessertes sur certains trains seulement ?

Sur une grande table interactive, il sélectionne le scénario choisi en tournant la molette « navigation temporelle »  – objet physique manipulable et partageable – et l’état du réseau est projeté dans le futur. Plusieurs solutions proposées par l’intelligence artificielle (IA) peuvent ainsi être testées et visualisées très simplement avant d’être mises en œuvre. Les scénarios prédictifs tiennent compte en temps réel de l’affluence du réseau, du nombre de trains en circulation, de la météo, du match de foot programmé ce soir-là… 

L’ambition de Transilien est d’informer le client lorsqu’il monte à bord mais aussi avant. Nos travaux sur l’IA visent donc à prédire l’affluence afin de permettre aux voyageurs de choisir le train le moins chargé ou d’emprunter un autre itinéraire.

Marc Deruelle, responsable innovation du Lab’ Mass Transit Academy de Transilien

Machine learning

De la science-fiction ? Pas pour les spécialistes de la SNCF qui planchent sur ces solutions d’avenir rendues possible grâce à l’IA. L’intelligence artificielle, ou comment mettre en œuvre des algorithmes complexes afin de traiter de grandes quantités de données, s'appuie sur des images, des séries de chiffres, des mots, des statistiques…

Tout ce qui peut être stocké numériquement constitue une matière première exploitée par les chercheurs qui travaillent au sein du plateau IA de la DTIPG et d’autres entités de l’entreprise. Ces données sont préparées, organisées et nettoyées avant d’être soumises à des algorithmes capables d’apprendre de manière autonome à effectuer une tâche ou à réaliser des prédictions.

Un apprentissage automatique (ou « machine learning ») qui permet de dessiner l’avenir à partir des données passées ou de détecter des événements anormaux (bagage perdu, fraude, panne d’un matériel…).

Venir à la rescousse

« En lui proposant les solutions possibles et leurs conséquences, l’intelligence artificielle aide un opérateur à prendre la bonne décision », résume Laurent Gardes, responsable du plateau IA qui, pour développer le futur centre de supervision intelligent où travaille l'agent Martin, travaille en étroite collaboration avec l’équipe « Expérience & cognition » et celle de « Modélisation et optimisation de la décision », deux autres entités de la DTIPG.

Outre le confort de voyage de Monsieur Bertrand et l’aide à la décision de l’agent Martin, le plateau IA travaille également à améliorer les conditions de travail de Madame Dominique, conductrice de TGV.  Car l’analyse des données permet aussi de mieux comprendre le fonctionnement cognitif de l’humain. Mesurer le rythme cardiaque, l’importance de la sudation, les mouvements des yeux… Autant de paramètres qui en disent long sur l’état de stress ou de fatigue d’un conducteur. Là encore, l’IA peut venir à la rescousse de l’humain pour mieux appréhender une situation et réagir de la meilleure manière en cas d’imprévu.

En lui proposant les solutions possibles et leurs conséquences, l’intelligence artificielle aide un opérateur à prendre la bonne décision.

Laurent Gardes, responsable du plateau IA de la direction Technologies, Innovation et Projets Groupe de la SNCF

Trois questions à Laurent Gardes

Vous arrive-t-il de travailler sur des données grand public ?

Oui, nous faisons du traitement de langage par exemple. Nous analysons les articles des journalistes, les tweets des voyageurs… Le but ? Essayer de mieux appréhender le sentiment des utilisateurs d’un service de la SNCF. Comment le retour de l’offre des trains de nuit a-t-il été perçu par exemple ? Il s’agit ici d’établir une analyse plus fine qu’un simple « ça va/ça va pas », de comprendre le ressenti et les attentes des voyageurs à partir de données textuelles et langagières.

Quel est le grand défi à relever avant de voir l’IA se généraliser dans le monde ferroviaire et industriel ?

L’un des grands enjeux actuels autour de l’IA est celui de la confiance. Celle que l’on « peut » accorder à une décision prise par une machine « entraînée » à traiter des données. L’IA met en œuvre des algorithmes très puissants, mais très opaques : ils contiennent des milliards de paramètres et tous sont automatiquement calculés par la machine, sans intervention humaine. L’humain se contente de fournir les données — des images, par exemple — avec lesquelles la machine va pouvoir apprendre. Réussir à expliquer comment fonctionne exactement cet apprentissage mais aussi, de quelle manière les décisions sont prises par la machine est un passage indispensable si l’on veut obtenir une confiance suffisante dans l’IA. Et, in fine, si l’on veut pouvoir certifier les systèmes qui feront usage de ces algorithmes. À ce titre, la mise en oeuvre d’un train autonome certifié est un parfait exemple.

En savoir plus sur la certification de l’IA

Quelles sont les autres limites de l’IA industrielle ?

Outre la question cruciale de la confiance, l’IA est limitée dans ses capacités d’apprentissage. Ces dernières sont encore très largement dépendantes de grosses bases de données difficiles à constituer et ce, en particulier dans le monde industriel. Les entraînements demandent de grandes ressources de calcul et donc, d’énergie. Il est indispensable de parvenir à réduire l’empreinte énergétique de nos solutions, que ce soit par souci de frugalité vis-à-vis des données d’apprentissage et du coût croissant des ressources énergétiques mais aussi pour assurer « l’embarquabilité » dans nos trains de nos solutions d’intelligence artificielle. Des travaux sont en cours pour résoudre cela, l’objectif étant d’aboutir à des IA capables d’apprendre sur moins de données, tout en maintenant un bon niveau de performance.

Nos partenaires

  • partenaires internes : Centre d’Ingénierie du Matériel (CIM), Transilien, Sûreté, TGV/INTERCITÉS et SNCF Réseau
  • partenaires externes : ENS Paris Saclay, ANITI & IRT Saint Exupéry, IRT SystemX, Télécom Paris, INRIA, IVADO, ENSC, LIUM, Hub France IA et Data Analytics Post

L’intelligence Artificielle au service du transport ferroviaire