Le MIT Transit Lab obtient 2,1 millions de dollars pour créer un assistant d'IA open source destiné aux centres de contrôle des transports

Quand un train tombe en panne ou qu'une ligne de bus est bloquée, le personnel d'un centre de contrôle doit prendre des décisions rapides en surveillant un mur d'écrans et de flux de données séparés. Un nouveau projet du Massachusetts Institute of Technology veut leur faciliter la tâche. Le Transit Lab du MIT recevra 2,1 millions de dollars de Google.org, la branche philanthropique de Google, pour développer une plateforme open source baptisée Public Transit Intelligence Hub, ou PTIQ.

Le projet fait partie des 15 retenus dans le monde par le Google.org Impact Challenge : AI for Government Innovation, annoncé le 15 septembre. Le financement court sur trois ans, et Google.org apportera aussi l'aide bénévole de ses propres ingénieurs et experts produits en IA.

PTIQ vise à réunir dans une seule plateforme orchestrée par l'IA les systèmes de surveillance en temps réel, de contrôle de l'exploitation et d'information des voyageurs que les réseaux gèrent aujourd'hui séparément. Son interface d'aide à la décision combinera modèles prédictifs, moteurs d'optimisation et raisonnement contextuel fondé sur de grands modèles de langage. Parmi les bénéfices attendus : des réactions plus rapides aux perturbations, moins d'affluence sur les quais et aux arrêts, et une information plus rapide et plus juste pour les usagers, au service de tous, des régulateurs aux conducteurs et aux équipes de communication.

L'équipe insiste : il ne s'agit pas d'automatiser les décisions, qui restent entre les mains du personnel. Le projet est dirigé par Awad Abdelhalim, responsable technique de PTIQ au Transit Lab, et par Jinhua Zhao, à la tête du département d'études urbaines et d'urbanisme du MIT. Jim Aloisi, qui pilote le programme et a dirigé le portefeuille des Transports du Massachusetts, dirige le Transit Research Consortium, qui réunit aussi des chercheurs de la Northeastern University. Le laboratoire a déjà travaillé avec des réseaux de transport à Washington, Chicago, Londres, Boston, Tokyo et Hong Kong.

Les chercheurs ne cachent pas les difficultés. Jinhua Zhao estime que l'adoption dépend moins de la technologie que de la capacité d'une organisation à travailler avec l'IA et de la confiance que lui accorde le personnel, et Awad Abdelhalim note que l'IA est généralement évaluée sur des problèmes à réponse unique, alors que l'exploitation réelle des transports en offre rarement. Les bénéfices restent pour l'instant des objectifs, mais un outil open source pourrait permettre à des réseaux de toutes tailles de partager ce qui fonctionne.