Nous n’avons jamais autant su comment les villes bougent, mais transformer ce savoir en trajets plus fluides, plus propres et plus équitables reste un défi. Le principal obstacle à la mobilité durable n’est peut-être pas technologique, mais politique et organisationnel.

En effet, des applications suivent les autobus en temps réel, des capteurs comptent voitures et piétons, des algorithmes anticipent les embouteillages… L’intelligence numérique, qui permet de développer des méthodes analytiques fondées sur les données, promet même aux réseaux de bus d’ajuster leur fréquence à la demande ou de faire des livraisons coordonnées avec moins de véhicules. Et pourtant, traverser une ville reste souvent une épreuve : pannes, congestion, livraisons en double file qui bloquent autobus et cyclistes, quart de nuit qui se termine quand le métro ne passe plus, etc.

Cependant, améliorer la mobilité urbaine sans augmenter les émissions ni les inégalités d’accès suppose précisément de mieux exploiter les données déjà disponibles plutôt que de construire davantage d’infrastructures. Un constat se dessine : les données de mobilité sont encore mal exploitées. Elles ne transforment la mobilité que si elles sont partageables, représentatives et actionnables.

Comment, dans ces conditions, faire des données un véritable levier de transport durable ?

C’est la question que nous avons explorée avec des chercheurs en transport et recherche opérationnelle venant du GERAD, du CIRRELT, de la SCRO et des acteurs québécois de la mobilité, notamment lors d’un symposium tenu le 17 mars 2026 à HEC Montréal.

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.

Ce que les données ne voient pas

Tout d’abord, les données utilisées doivent refléter la réalité. Des travaux menés à Toronto l’ont montré : des itinéraires de livraison optimaux avec les données classiques disponibles étaient souvent ignorés des conducteurs, qui savaient qu’une intersection était impraticable ou préféraient une route familière.........

© The Conversation - FR