Un récent rapport de l’industrie (PDF) affirme que le réseau ferroviaire britannique pourrait transporter un milliard de voyages supplémentaires d’ici le milieu des années 2030, en s’appuyant sur les 1,6 milliard de voyages ferroviaires de passagers enregistrés jusqu’à la fin mars 2024. La prochaine décennie impliquera une combinaison de complexité et de contrôle, car davantage de systèmes numériques, de données et de fournisseurs interconnectés créent le potentiel d’un plus grand nombre de points de défaillance.
Le thème central du rapport est que l’IA deviendra le système d’exploitation du rail moderne, non pas comme un ensemble unique et centralisé de modèles et d’algorithmes, mais comme des couches de prédiction, d’optimisation et de surveillance automatisée trouvées dans les infrastructures, le matériel roulant, les gares de maintenance et les gares (pp. 18-23). Cette technologie guidera la concentration humaine dans les horaires de travail quotidiens plutôt que de remplacer entièrement l’activité humaine.
La maintenance doit devenir prédictive et basée sur les données
La maintenance ferroviaire traditionnelle repose sur des horaires fixes et des inspections manuelles, une pratique réactive et à forte intensité de main d’œuvre. Le livre blanc cite le fait que Network Rail compte sur des ingénieurs parcourant la voie pour détecter les défauts (p. 18). L’IA fera évoluer l’industrie vers la maintenance prédictive, en analysant les données des capteurs pour prévoir les pannes avant qu’elles ne provoquent des perturbations significatives.
Cela implique une combinaison de capteurs et d’imagerie, notamment des caméras haute définition, des scanners LiDAR et des moniteurs de vibrations. Ceux-ci fournissent aux systèmes d’apprentissage automatique des données qui peuvent signaler la dégradation des voies, de la signalisation et des actifs électriques avant une panne (pp. 18-19).
Ces programmes de surveillance peuvent générer des alertes des mois à l’avance, réduisant ainsi les appels d’urgence. Le délai de prévision d’une défaillance d’un actif varie selon le type d’actif. Les efforts de Network Rail en matière d’infrastructure intelligente devraient passer de « trouver et réparer » à « prédire et prévenir ».
Network Rail met l’accent sur la maintenance basée sur les données et les outils conçus pour consolider les informations sur les actifs, tandis que les programmes européens de R&D (comme Europe’s Rail et son prédécesseur, Shift2Rail) financent des projets comme DAYDREAMS, visant également une gestion prescriptive des actifs. La prévision à grande échelle nécessite une approche commune pour parvenir à la transformation.
Contrôle du trafic et efficacité énergétique
L’optimisation opérationnelle, au-delà de la maintenance prédictive, offre des retours significatifs. Les systèmes d’IA utilisent des données d’exploitation en direct et historiques (positions des trains, vitesses, prévisions météorologiques) pour anticiper les perturbations et ajuster la fluidité du trafic. Les essais de jumeau numérique et de gestion du trafic basés sur l’IA en Europe, ainsi que la recherche et les tests sur la conduite et le positionnement assistés par l’IA, pourraient augmenter la capacité globale du réseau sans aménager davantage de voies (p. 20).
Les algorithmes conseillent également les conducteurs sur les accélérations et les freinages optimaux, permettant ainsi d’économiser potentiellement 10 à 15 % d’énergie. Compte tenu des variations d’itinéraires, de la traction et des contraintes d’horaires, les économies d’énergie s’accumulent rapidement sur un vaste réseau.
Surveillance de sécurité et vidéosurveillance
Les applications d’IA visible se concentrent sur la sûreté et la sécurité. La détection d’obstacles utilise des caméras thermiques et l’apprentissage automatique pour identifier les dangers au-delà de la visibilité humaine. AI surveille également les passages à niveau et analyse les images de vidéosurveillance pour repérer les objets laissés sans surveillance et les activités suspectes (pp. 20-21). Par exemple, l’IA et le LiDAR sont utilisés pour surveiller les foules à Londres Waterloo dans le cadre d’une suite d’outils de sécurité.
Flux de passagers et optimisation des voyages
L’IA peut prévoir la demande à l’aide des ventes de billets, des événements et des signaux mobiles, permettant ainsi aux opérateurs d’ajuster le nombre de voitures et de réduire la surpopulation, indique le rapport. Le comptage des passagers est une application à fort impact et peu dramatique : de meilleures données permettent de meilleurs horaires et des informations client plus claires.
Problèmes de cybersécurité
À mesure que la technologie opérationnelle converge avec l’informatique, la cybersécurité devient un problème opérationnel critique. Les systèmes existants, dépourvus de plans de remplacement, présentent un risque, tout comme l’intégration d’analyses modernes avec une infrastructure plus ancienne. Cela crée des conditions attractives pour les attaquants.
L’avenir de l’IA dans le secteur ferroviaire implique des capteurs performants dans des environnements extrêmes, des modèles fiables et testés par les opérateurs, ainsi qu’une gouvernance qui considère la cyber-résilience comme indissociable de la sécurité physique. Le message du rapport est que l’IA arrivera malgré tout. La question est de savoir si les chemins de fer l’adopteront et la contrôleront de manière proactive ou s’ils en hériteront sous forme d’une complexité non gérée.
(Source de l’image : « Train Junction » de jcgoble3 est sous licence CC BY-SA 2.0.)
