Des milliers de zones périurbaines restent encore mal desservies, non par manque de volonté politique, mais par manque de données fiables. Pendant des décennies, les décideurs locaux ont dû se contenter d'enquêtes parcellaires, de modèles de trafic vieillissants et de leur intuition pour dessiner des politiques de mobilité. L'intelligence artificielle change profondément la donne, à condition de savoir s'en saisir.

Imaginez devoir piloter une ville les yeux bandés. C'est pourtant la réalité quotidienne de nombreux élus et responsables des mobilités en France. Ils savent, de manière diffuse, que certains quartiers sont mal desservis. Ils reçoivent des demandes d'habitants excédés. Ils constatent que les parkings relais débordent le matin sur certains axes. Mais quand vient le moment de transformer ces signaux faibles en décisions concrètes : où implanter un arrêt de bus, quelle ligne renforcer, quel corridor mérite une piste cyclable, ils manquent cruellement de données précises.

Ce phénomène a un nom : les zones blanches de mobilité. Ce sont ces bassins de vie où la desserte en transports collectifs est absente, insuffisante ou mal adaptée aux horaires et à la demande réelle des habitants. On les retrouve massivement dans les couronnes périurbaines, dans les zones d'activité excentrées, dans les territoires ruraux qui gravitent autour d'une ville-centre sans bénéficier de ses infrastructures.

Leur point commun ? Elles sont difficiles à identifier avec précision, parce que les outils traditionnels d'observation de la mobilité n'ont pas été conçus pour les révéler.

Les EMD (enquêtes ménages déplacements) : précises mais rares et coûteuses

L'outil de référence pour comprendre comment se déplacent les habitants d'un territoire en France, c'est l'Enquête Ménages Déplacements (EMD). Conduite par des enquêteurs qui interrogent directement les foyers, en face-à-face ou par téléphone, elle fournit des données détaillées sur les origines, les destinations, les motifs de déplacement et les modes utilisés. C'est un instrument précieux mais qui souffre de plusieurs défauts structurels.

D'abord, son coût est prohibitif pour la plupart des collectivités. Une EMD complète sur une agglomération de taille moyenne peut représenter plusieurs centaines de milliers d'euros, parfois plus d'un million pour les métropoles. Résultat : la majorité des territoires n'en ont jamais réalisé, et ceux qui en ont les ressources ne peuvent se permettre de les renouveler qu'une fois tous les dix ans environ. Or une ville bouge dans le temps : de nouveaux quartiers se construisent, des points d’intérêt générateurs de flux émergent, des lignes de transport ferment ou ouvrent. Une EMD de 2015 ne dit plus grand chose de la réalité de 2026.

Ensuite, l'EMD est un instantané. Elle photographie la mobilité à un moment donné, selon un échantillon statistique (environ 1% de la population locale enquêtée). Elle ne capture pas les variations saisonnières, les comportements des vacances scolaires, les pics liés aux événements locaux. Et par construction, elle sous-représente les déplacements atypiques et les comportements minoritaires, précisément ceux qui révèlent les besoins non satisfaits.

Les modèles de trafic : puissants mais statiques

Les bureaux d'études et les ingénieurs transport disposent aussi de modèles de trafic, souvent issus de logiciels de simulation. Ces modèles reconstituent les flux de déplacement à partir d'hypothèses sur les générateurs de trafic (zones d'emploi, zones d'habitat, équipements publics) et d'une matrice origines-destinations. Ils sont précieux pour simuler l'impact d'un nouvel équipement ou d'une modification du réseau routier et complémentaires des données Entropy Move.

Mais ils ont un talon d'Achille : leur calibration repose sur des données d'entrée qui, elles aussi, vieillissent. Quand le modèle n'a pas été mis à jour depuis cinq ou dix ans, ses sorties reflètent une réalité disparue. Et surtout, les modèles de trafic traditionnels ont du mal à restituer la multimodalité réelle des déplacements : ils sont souvent construits autour de la voiture, et peinent à intégrer finement le vélo, la marche, les modes partagés ou les ruptures de charge.

Les comptages manuels et les boucles de comptage : fragmentaires

Les collectivités disposent également de données de comptage, en boucles magnétiques ou radars sur les routes, via des compteurs de vélos, ou données de validation billettique dans les transports en commun. Ces sources sont utiles, mais elles ne donnent qu'une vision partielle : elles disent combien de véhicules passent en un point, pas d'où ils viennent ni où ils vont. Elles mesurent des volumes, pas des mobilités.

Ces dernières années, une révolution silencieuse s'est produite dans le monde de la donnée de mobilité. Des milliards de signaux sont produits chaque jour par les téléphones mobiles, les applications de navigation, les capteurs embarqués dans les véhicules. Ces données, correctement anonymisées et agrégées, constituent une mine d'informations sans précédent sur les comportements de déplacement réels d'une population.

Mais disposer de la donnée brute ne suffit pas. Il faut pouvoir la traiter à grande échelle, la croiser, l'interpréter et la restituer sous une forme exploitable par des professionnels qui ne sont pas des data scientists. C'est là qu'intervient l'intelligence artificielle et c'est précisément le terrain sur lequel Entropy s'est positionné.

Entropy Move est une plateforme d'aide à la décision pensée pour tous les acteurs de la mobilité : collectivités territoriales, bureaux d'études et opérateurs de transport. Son ambition est claire : mettre à disposition, dans un outil simple et accessible, une vision complète et précise des flux de déplacement sur un territoire donné, sans enquête terrain coûteuse, sans délai de plusieurs mois, et sans nécessiter de compétences en traitement de données.

Au cœur du modèle, notre intelligence artificielle reconstitue les flux de déplacement avec 95% de précision. Cela signifie qu'à partir de données agrégées et anonymisées, le modèle Entropy Move peut restituer les volumes de déplacements par couple origine-destination, les parts modales (voiture, transports en commun, vélo, marche...), les heures de pointe, les motifs de déplacement et même le bilan carbone associé, le tout à l'échelle du quartier, de la commune ou de l'agglomération.

Concrètement, un chargé de mobilité qui ouvre Entropy Move dispose d'une cartographie dynamique de comment les habitants de son territoire se déplacent, vers où, avec quels modes, et à quelles heures. Il peut zoomer sur une zone précise pour détecter si un secteur est sous-desservi. Il peut comparer les flux entre un quartier central bien connecté et une zone pavillonnaire en périphérie. Il peut identifier les corridors de déplacement les plus fréquentés qui ne bénéficient d'aucune offre de transport alternative à la voiture.

Ce que Entropy Move révèle, en somme, ce sont les zones blanches, ces espaces invisibles dans les données traditionnelles, mais bien réels dans la vie des habitants qui les subissent chaque jour.

Exemple 1 : La Roche-sur-Yon Agglomération : suivre l'évolution des parts modales sans EMD

La communauté d'agglomération de La Roche-sur-Yon, qui regroupe 13 communes et près de 100 000 habitants en Vendée, souhaitait mesurer l'évolution des parts modales sur son territoire depuis sa dernière enquête ménages. Sans disposer des ressources pour lancer une nouvelle EMD, elle a utilisé Entropy Move pour accéder aux données de déplacement multimodales, par couples origine-destination, et les analyser pour suivre les objectifs fixés dans son Plan de Mobilité (PDM).

Le résultat : un rapport complet mêlant cartographies et analyses descriptives, qui a permis à l'agglomération d'évaluer concrètement ses politiques de mobilité, d'identifier les modes sous-représentés par rapport aux ambitions affichées, et d'ajuster ses priorités d'investissement. Ce type d'usage illustre comment Entropy Move permet aux collectivités, même de taille modeste, de disposer d'un outil d'observation continu sans dépenser les budgets considérables qu'implique une enquête terrain classique.

Exemple 2 : Ecov : identifier les axes prioritaires pour les lignes de covoiturage

Ecov est un opérateur de mobilité durable spécialisé dans le covoiturage organisé en lignes régulières, principalement en zones périurbaines et rurales. Pour implanter de nouvelles lignes de covoiturage, Ecov doit répondre à une question précise : sur quels axes routiers existe-t-il une demande de déplacement suffisante, avec des flux homogènes en termes d'horaires et de direction, pour qu'une ligne de covoiturage soit viable ?

Répondre à cette question avec les méthodes traditionnelles implique des comptages manuels coûteux et chronophages, ou des hypothèses construites à partir de données incomplètes de type INSEE. Avec Entropy Move, Ecov a pu analyser les volumes de déplacement routier par couple origine-destination, observer les parts modales, identifier les pics du matin et du soir, et visualiser les chevelus routiers, c'est-à-dire les traces des trajets affectés sur le réseau, pour repérer les points de convergence où une offre de covoiturage serait pertinente. L'outil a permis de dimensionner le potentiel de marché ligne par ligne, et d'identifier les zones d'arrêts les plus propices pour chaque itinéraire.

Ce cas illustre une dimension souvent négligée de la question des zones blanches : elles ne concernent pas uniquement les transports en commun classiques. Un territoire peut être considéré comme "blanc" vis-à-vis du covoiturage organisé, du transport à la demande, ou de l'autopartage, autant de solutions alternatives à l’autosolisme dont le déploiement pertinent repose sur la même capacité à lire les flux réels.

Exemple 3 : Le bureau d'études face à la mise à jour d'un modèle de trafic

Un bureau d'études mandaté par une collectivité pour mettre à jour un modèle de trafic vieillissant se heurte souvent au même problème : les données d'entrée disponibles sont trop anciennes pour être fiables, et lancer une campagne de comptages complète prendrait des mois et coûterait une somme considérable. Entropy Move offre ici une alternative directe : accéder en 30 jours à une matrice origines-destinations actualisée, précise au niveau du quartier, intégrant l'ensemble des modes de déplacement. Le bureau d'études peut recalibrer son modèle sur des données récentes, fiables et standardisées, le même format pour tous les territoires en France et livrer une étude solide dans des délais compatibles avec les contraintes de son client.

Au-delà des cas d'usage techniques, ce qu'Entropy Move transforme, c'est la posture des décideurs face à la donnée de mobilité.

Pendant longtemps, la connaissance fine des déplacements a été le privilège des grandes métropoles, dotées des budgets et des équipes suffisants pour produire et analyser des données complexes. Les collectivités moyennes et les territoires ruraux naviguaient à vue, ou s'en remettaient entièrement à des bureaux d'études qui, eux-mêmes, travaillaient avec des données imparfaites.

Entropy Move inverse cette logique. La plateforme est conçue pour être prise en main en moins d'une heure de formation. Elle est accessible en moins de 30 jours après la souscription. Les données qu'elle restitue sont conformes au RGPD, elles sont anonymes et agrégées, sans aucune traçabilité individuelle. Et elles couvrent l'ensemble du territoire national, avec le même format et la même qualité, qu'on analyse la ville de Paris ou une intercommunalité de 30 000 habitants en Creuse.

Ce que cela signifie concrètement pour un élu ou un technicien territorial, c'est la possibilité de répondre à des questions simples mais cruciales qui, jusqu'ici, n'avaient pas de réponse rapide :

• Combien de personnes partent de ce quartier pour se déplacer en voiture dans cette zone d'activité, faute d'alternative ?
• Quelle est la part des déplacements sur cet axe qui se font aux heures de pointe du matin ?
• Si on implante un arrêt de transport à la demande à cet endroit, quel bassin de population serait théoriquement concerné ?
• Quel serait l'impact en termes de bilan carbone si 10% des déplacements voiture sur ce corridor basculaient vers un mode alternatif ?

Ce sont des questions auxquelles Entropy Move peut répondre en quelques clics et calculs. Ces réponses ne sont plus réservées aux grandes agglomérations.

Parler de zones blanches de mobilité, c'est aussi pointer du doigt un enjeu profondément politique. La fracture entre les territoires bien connectés et ceux qui ne le sont pas alimente un sentiment d'injustice territoriale qui s'est manifesté avec force ces dernières années dans le débat public français. Les habitants des zones périurbaines et rurales ont le sentiment, souvent justifié, que les décisions de mobilité sont prises pour et par les métropoles, au détriment des territoires qui ne disposent pas du poids politique ou démographique pour faire entendre leurs besoins.

Disposer d'un outil comme Entropy Move ne résout pas à lui seul ce problème de fond. Mais il contribue à rééquilibrer une asymétrie d'information fondamentale : celle entre les territoires qui peuvent objectiver leurs besoins et ceux qui ne le peuvent pas. Quand une petite intercommunalité peut produire, en quelques semaines, une cartographie précise des flux de déplacement sur son territoire et démontrer chiffres à l'appui qu'un corridor donné concentre 15 000 trajets quotidiens sans aucune offre de transport alternative, elle dispose d'un argument autrement plus solide pour défendre ses priorités auprès d'une autorité organisatrice de la mobilité ou d'un financeur régional.

La donnée, dans ce contexte, est un outil d'équité territoriale. Elle permet aux acteurs les moins dotés de parler le même langage que les grandes institutions, de défendre leurs projets avec la même rigueur, et d'obtenir des arbitrages mieux informés.

Les zones blanches de mobilité ne sont pas une fatalité. Elles sont, pour une large part, le produit d'une méconnaissance des flux réels, d'une incapacité à voir ce qui se passe sur le terrain avec suffisamment de précision pour agir de façon pertinente.

Ce que l'intelligence artificielle, et Entropy Move en particulier, apporte à ce problème, c'est précisément la capacité de voir. De voir où les gens se déplacent, comment, pourquoi, et avec quels modes. De voir là où les besoins ne sont pas couverts. De voir les opportunités que les outils traditionnels laissaient dans l'angle mort.

Dans un contexte où les budgets publics sont contraints, où les enjeux de décarbonation des transports sont pressants, et où l'équité territoriale est au cœur du débat politique, prendre de bonnes décisions de mobilité n'a jamais été aussi important, ni aussi possible qu'aujourd'hui.

Vous souhaitez découvrir comment Entropy Move peut vous aider à mieux comprendre les mobilités de votre territoire ? Demandez une démo et échangez avec nos équipes.