La gestion des données dans la ville numérique: entre panoptique et cité radieuse
1. La gestion des données dans la
ville numérique
Panoptique ou cité radieuse?
Pr Claude Rochet
AMU IMPGT CERGAM
Claude.rochet@univ-amu.fr
Lyon le 29 mai 2015
2. Sommaire
• Ce qu’« intelligent » veut dire?
• Les données au cœur de la modélisation
• Le cas de la sécurité routière
• Comment avancer?
3. Ville intelligente: une boucle
cybernétique d’apprentissage
Action Effet
Rétroaction
De 0,0001sec. à 1 génération
Capteurs
Données
TraitementInterprétation
Usage
Décision
TechnologiesSciences sociales
Impact de l’Iconomie
4. Les villes anciennes étaient
intelligentes
Bien commun
Vivere politico
Bien économique
Bien individuel
6. Les villes intelligentes actuelles réalisent
ces connections par le numérique
Systèmes
humains
vivants
Systèmes
physiques
7. Sommaire
• Ce qu’« intelligent » veut dire?
• Les données au cœur de la modélisation
• Le cas de la sécurité routière
• Comment avancer?
8. L’intégration systémique de la ville intelligente
Soft domainsSoft domains Hard domainsHard domains
SMART citySMART city
TransportationTransportationIndustryIndustry
WorkWorkHousingHousing
SanitationSanitation
EnergyEnergyWaterWater
Waste recyclingWaste recycling
Public servicesPublic services Health careHealth care
Civic lifeCivic life LeisureLeisure
EducationEducation Social integrationSocial integration
GovernmentGovernmentEconomyEconomy
Institutional
scaffolding
Institutional
scaffolding Social lifeSocial life
PeripheryPeriphery
Commercial
exchanges
Commercial
exchanges
FoodFood
City
Urban ecosystem
Territory
9. Problèmes de la modélisation
systémique
On peut modéliser
les systèmes durs
par les lois de la
physique
(systèmes
conservatifs)
On ne peut pas
modéliser les
systèmes humains
par les lois de la
physique
(systèmes
dissipatifs)
- Sciences
sociales
- Big data
- Modélisation
mutli-agents
La clé du succès
est là…
… alors que le
business est ici
L’intégration système, une compétence à
développer pour réussir!
10. Les données: trois types de problèmes
• Les données au cœur de la modélisation
– Comment faire parler les données? Le piège
des big data
– L’enjeu de la sécurité et de la confidentialité
– Faire d’une solution devenue problème une
solution
11. Modéliser les systèmes dissipatifs: ne
pas devenir suiviste devant les big data
Corrélations => Induction
Déduction =>Hypothèses
?
Certainement pas “la fin de la théorie”!
13. Les données: trois types de problèmes
• Comment faire parler les données?
Le piège des big data
• L’enjeu de la sécurité et de la
confidentialité
• Faire d’une solution devenue
problème une solution
14. Règle#1: Des OS redondants
• Le système
d’exploitation de la
ville doit être conçu
en toile d’araignée
de manière à être
capable d’évoluer
avec des standards
ouverts et open
source.
18. Les données au service d’une stratégie de
puissance: la “lutte contre la corruption”
19. Les données: trois types de problèmes
• Comment faire parler les données? Le piège
des big data
• L’enjeu de la sécurité et de la confidentialité
• Faire d’une solution devenue problème une
solution
20. Intégrer le stockage dans l’écosystème
La croissance du
stockage des
données va
nécessiter
-Des systèmes
scalables
-Des data centers
“prosommateurs”
d’énergie
22. #4 Investir dans la résilience en testant
toujours le pire scénario.
StabilityStability
CrisisCrisis
Reinventin
g
Reinventin
g
Reinventin
g the code
Reinventin
g the code
23. Sommaire
• Ce qu’« intelligent » veut dire?
• Les données au cœur de la modélisation
• Le cas de la sécurité routière
• Comment avancer?
24. La sécurité routière comme système
complexe
24
Comportement
Comportement
Infos de pilotageInfos de pilotage
Mainte
nance
Mainte
nance
Evéne
ments
Evéne
ments
FluxFlux
Internetdes
objets
Internetdes
objets
Interface homme machine.
Ex:
-toute info doit être interprétée
en moins de 2s.
-Eviter l’accoutumance
26. Equilibrer technique et usage
• Ex: L’aide à la conduite va-t-elle réduire les accidents
• 90% des accidents sont dus à des erreurs humaines
26
Aide à la conduite
ActivePassive
Ex: freinage automatique
=> 100% sûreté de fonctionnementBaisse de vigilance
Qualité de l’info x comportement
27. Sommaire
• Ce qu’« intelligent » veut dire?
• Les données au cœur de la modélisation
• Le cas de la sécurité routière
• Comment avancer?
28. Monter des projets pilotes
Projet pilote
Sponsor politique Sponsor industriel
Création de marchés
Recherche
Création de savoir Création de compétences
Consortium
33. Sommaire
• Ce qu’« intelligent » veut dire?
• L’enjeu géopolitique et commercial
• La conception de la ville comme système
complexe
• Les données au cœur de la modélisation
• Comment avancer?
• Conclusions pour l’action
34. Articuler technologie et politique
• La ville intelligente doit être un projet politique pour
ne pas être un enfer
– Intégrer sciences sociales et technologie
– Des défis techno-politiques: sécurité des systèmes et des
données
– Des défis politiques : la démocratie directe et le contrôle sur
les systèmes technologiques
Panoptique La cité pour le Bien commun
35. L’administration étendue,
intelligence étendue
06/02/15
35
Levelsofcomplexity
City
Functions
Citizens
Complex systems
engineering
Extended P.A Political philosophy
Complex
system
modeling
Complex
system
modeling
Interaction
and
synergies
Interaction
and
synergies
Social
networks
and
interactions
Social
networks
and
interactions
Overlaps and
interactions
Overlaps and
interactions
Common good as an
emergence and
structuring finality
Common good as an
emergence and
structuring finality
Ends and means of
wealth creation
Ends and means of
wealth creation
Vivere politicoVivere politico
Polycentric
Govce