Modernisation du modèle de prévision Bison Futé

Créé en 1976, le service Bison Futé repose sur un modèle historique de prévision des trafics routiers fondé sur des approches statistiques analogiques. Cette méthodologie, efficace dans un contexte stable, montrait ses limites face à l’évolution rapide des pratiques de mobilité et à la disponibilité de nouvelles données massives.

En collaboration avec la DGITM, Explain a conduit une revisite complète du modèle de prévision, visant à le moderniser grâce à des techniques issues du machine learning. Après une évaluation comparative de plusieurs algorithmes (réseaux de neurones, SVM…), le choix s’est porté sur les forêts aléatoires, particulièrement adaptées aux données calendaires et mixtes (catégorielles et quantitatives).

L’algorithme mis au point permet désormais :

• d’intégrer de nouvelles variables explicatives (événements, accidents, travaux, vacances scolaires, météo) ;
• de traiter un nombre élargi de capteurs (318 contre 134 précédemment) ;
• de réduire significativement les erreurs de prévision journalières et horaires, avec une meilleure homogénéité sur toutes les tranches horaires ;
• d’offrir une architecture souple et évolutive, facilitant l’ajout futur de données contextuelles.

Ce projet illustre la capacité d’Explain à concilier rigueur scientifique, innovation méthodologique et applicabilité opérationnelle, en apportant des solutions concrètes aux enjeux nationaux de prévision du trafic.

L’objectif principal du projet était de moderniser la chaîne de prévision nationale de Bison Futé, en la rendant plus performante, plus intelligente et plus adaptable aux mutations de la mobilité.Explain visait à remplacer une approche statistique rigide par un modèle fondé sur l’apprentissage automatique, capable de capter la complexité des comportements de déplacement et d’intégrer de nouveaux paramètres en continu.Ce travail de modernisation devait également permettre d’améliorer la couverture géographique du modèle et de renforcer la fiabilité des prévisions fournies aux usagers et aux gestionnaires du réseau.

Le nouveau modèle développé par Explain offre une amélioration moyenne de 15 à 20 % de la précision des prévisions et permet de traiter plus du double de points de comptage qu’auparavant.Son architecture non paramétrique, fondée sur les forêts aléatoires, le rend plus robuste face aux données incomplètes et plus réactif aux évolutions du trafic.En intégrant des variables contextuelles (événements, météo, congestion), il produit des prévisions plus fines, plus réalistes et directement exploitables pour la planification des déplacements, la communication grand public et la gestion des infrastructures.Au-delà de ses performances techniques, ce projet illustre la capacité d’Explain à conjuguer innovation scientifique et application opérationnelle, au service de politiques publiques de mobilité plus fiables et plus intelligentes.

Avec la modernisation du modèle Bison Futé, Explain démontre son rôle de référence nationale en modélisation des mobilités.Ce projet marque une étape clé dans l’intégration de l’intelligence artificielle au service de la gestion du trafic et illustre la manière dont la donnée et la recherche appliquée peuvent transformer des outils publics emblématiques.