Comment Infrabel utilise l’IA et ses données pour améliorer la ponctualité
Infrabel, gestionnaire de l’infrastructure ferroviaire belge, affiche des résultats historiques en matière de ponctualité : 92,8 % des trains de voyageurs sont arrivés à l’heure en septembre (avec une marge de six minutes) et la moyenne sur douze mois atteint 93,1 %.
induportals-media-publishing.com
Selon l’entreprise, cette amélioration est le fruit de plusieurs années d’analyse approfondie des données opérationnelles. Désormais, Infrabel souhaite exploiter l’intelligence artificielle (IA) pour franchir un nouveau cap et gagner les derniers points de ponctualité, plus difficiles à obtenir.
Dans ce cadre, Infrabel mène avec l’éditeur SAS deux projets pilotes (Proof of Concept) visant à améliorer l’exploitation des données. Le premier concerne les données structurées. Il permet aux collaborateurs de poser des questions en langage naturel à un chatbot qui génère automatiquement les requêtes nécessaires. Ainsi, des utilisateurs sans expertise technique peuvent accéder rapidement à des informations sur les retards, les suppressions de trains ou d’autres indicateurs opérationnels.
Le second projet est plus ambitieux. Chaque année, près de 20 000 incidents ferroviaires font l’objet d’un rapport combinant données structurées et commentaires libres. Grâce aux technologies de traitement automatique du langage naturel (NLP) et à l’IA générative, Infrabel cherche à transformer ces descriptions textuelles – souvent écrites à la main -, en données exploitables. L’objectif est d’extraire automatiquement des informations telles que les délais d’intervention, la durée des incidents ou l’implication de tiers (police, pompiers, etc.) afin de faciliter leur analyse. Une couche de recherche basée sur la technologie RAG (Retrieval-Augmented Generation) permet également aux collaborateurs d’interroger ces rapports et d’obtenir des réponses contextualisées et fondées sur les données disponibles.
Infrabel insiste toutefois sur le fait que l’IA ne vise pas à remplacer ses analystes, mais à renforcer leurs capacités d’analyse. Le système est encore en phase expérimentale et fonctionne actuellement sur des fichiers Excel alimentés manuellement. L’étape suivante consiste à le connecter à des sources de données en temps réel.
L’entreprise souligne que la numérisation croissante du ferroviaire fournit déjà de précieuses informations sur les causes des retards : gestion des signaux, procédures de sécurité ou processus de départ des trains. Ces données permettent d’ajuster finement l’exploitation, par exemple en modifiant les temps d’arrêt ou les croisements de trains, avec des effets significatifs sur la régularité du trafic.
L’utilisation de l’IA ne se limite pas à l’analyse des incidents. Infrabel déploie également des systèmes de vision assistée par deep learning aux passages à niveau. Des caméras détectent automatiquement véhicules ou personnes bloqués et alertent les gestionnaires du trafic. Selon l’entreprise, ce dispositif a permis d’éviter plusieurs accidents potentiels et contribue à la baisse du nombre d’accidents aux passages à niveau.
Auteur: Frédéric de Kemmeter
www.mediarail.wordpress.com
