Comment l’IA et la conception centrée sur l’homme peuvent créer des villes plus équitables pour les cyclistes | par David Sebastian Dhanesar | Avril 2025

Dans les villes de l’Amérique, une révolution cyclable est en cours. Les vélos électriques sont en plein essor, les pistes cyclables se développent et plus de gens découvrent la joie et l’efficacité de deux roues. Mais sous ce progrès se trouve une réalité troublante: notre infrastructure cycliste sert souvent certaines communautés tout en laissant d’autres.

En tant que chercheur en mobilité urbaine étudiant le paysage cycliste de Baltimore, j’ai vu de première main comment les solutions technologiques à elles seules ne peuvent pas résoudre nos inégalités de transport. Le problème n’est pas un manque de données ou de pouvoir informatique – c’est ainsi que nous intégrons ces outils à l’expérience humaine et aux connaissances communautaires.

Imaginez un planificateur de la ville utilisant la populaire application de fitness Strava pour identifier où les cyclistes roulent le plus fréquemment. Les données semblent claires: certains couloirs montrent une utilisation intensive tandis que d’autres restent vides. La conclusion évidente? Construisez des pistes cyclables où les gens cyclèrent déjà.

Mais cette approche contient un défaut critique. Les utilisateurs de Strava ont tendance à être de manière disproportionnée, un homme à revenu élevé et axé sur la conduite récréative. La mère célibataire se rendant à son quart de nuit, l’adolescente pédalant à l’école, ou l’aîné se dirigeant vers un rendez-vous chez le médecin – leurs voyages restent souvent invisibles dans ces données.

J’ai vécu cette déconnexion lors d’une réunion communautaire à West Baltimore, où les résidents ont expliqué qu’ils évitaient certains itinéraires directs malgré leur commodité parce qu’ils se sentaient dangereux – une perspicacité cruciale qu’aucun algorithme ne capturerait seul.

En combinant l’intelligence artificielle avec la conception de l’expérience utilisateur et l’engagement communautaire, nous pouvons créer un cadre plus équitable pour la planification des infrastructures cyclables. Ce n’est pas seulement théorique – les villes qui mettent ces principes en pratique voient des résultats remarquables.

À Minneapolis, les planificateurs ont complété les données de l’application avec des exercices de cartographie des parcours dans les quartiers mal desservis, révélant des problèmes de sécurité critiques que l’analyse conventionnelle a manqué. Le réseau qui en résulte a connecté des communautés précédemment isolées aux centres d’emploi, augmentant le cyclisme entre les femmes et les personnes de couleur de plus de 120% en cinq ans.

Pendant ce temps, l’initiative de planification des vélos centrée sur la communauté de Portland a engagé les résidents en tant que co-chercheurs plutôt que de sujets. Leurs connaissances locales ont identifié des intersections à forte stress que les données n’avaient pas signalées à elles seules, conduisant à des améliorations ciblées qui ont considérablement amélioré la sécurité pour tous les cyclistes.

Sur la base de mes recherches intégrant l’IA, l’expérience utilisateur et l’engagement communautaire, je propose quatre principes essentiels pour une planification cycliste plus équitable:

1. Les données nécessitent un contexte: Compléter les données cyclables basées sur les applications avec des observations sur le terrain et les contributions de la communauté, en particulier dans les quartiers avec une utilisation plus faible mais des besoins de transport plus élevés.
2. L’expérience compte autant que l’efficacité: La cartographie du voyage révèle que les cyclistes ne choisissent pas toujours l’itinéraire le plus court – des facteurs tels que la sécurité perçue, les conditions routières et la sécurité personnelle importent souvent plus, en particulier pour les utilisateurs vulnérables.
3. Les communautés contiennent une expertise: Les résidents locaux comprennent les obstacles spécifiques au quartier que même l’algorithme le plus sophistiqué pourrait manquer. Leurs connaissances ne sont pas supplémentaires – c’est fondamental.
4. Les capitaux propres doivent être intentionnels: L’équité ne se produit pas par accident. Prioriser explicitement les zones historiquement mal desservies et mesurer les résultats entre différents groupes démographiques.

L’avenir de la mobilité urbaine ne concerne pas le choix entre la sophistication technologique et la perspicacité humaine – il s’agit d’intégrer soigneusement les deux.

Lorsque l’apprentissage automatique identifie les modèles dans le comportement du cyclisme, les ateliers communautaires peuvent expliquer pourquoi ces modèles existent. Lorsque les résidents mettent en évidence les intersections dangereuses, l’analyse de la sécurité normalisée par l’exposition peut vérifier leurs préoccupations et hiérarchiser les améliorations. Et lorsque la recherche sur l’expérience utilisateur révèle comment différents groupes éprouvent la même infrastructure, l’IA peut aider à évoluer ces idées sur des réseaux entiers.

Cette approche intégrée n’est pas seulement plus équitable – elle est plus efficace. En comprenant à la fois où les gens roulent et pourquoi ils choisissent certaines itinéraires, les villes peuvent créer des réseaux de cyclisme qui servent tout le monde, pas seulement ceux déjà représentés dans les données.

Alors que nous investissons des milliards dans les infrastructures à l’échelle nationale, nous sommes confrontés à un choix: perpétuer les modèles historiques d’exclusion ou les nouvelles approches pionnières qui créent des villes vraiment accessibles. En réunissant le pouvoir analytique de l’IA avec la sagesse irremplaçable de l’expérience humaine, nous pouvons construire des réseaux de cyclisme qui servent tous les résidents de la ville, quels que soient l’âge, la capacité, le revenu ou le quartier.

La technologie existe. Les connaissances communautaires existent. Maintenant, nous avons besoin de la vision pour les rassembler.