L'IA dans les transports urbains : le vrai calcul économique

Un carrefour qui décide seul d’allonger un feu vert. Une flotte de taxis sans chauffeur qui dépasse le demi-million de courses par semaine. En quelques années, l’intelligence artificielle est passée de la promesse au bilan comptable dans les transports urbains. Et les chiffres, désormais, parlent d’eux-mêmes : moins d’embouteillages, moins d’émissions, des coûts qui baissent.

Des milliards d’économies à la clé

Commençons par l’ordre de grandeur. Selon Juniper Research, les systèmes de trafic intelligents pourraient faire économiser jusqu’à 277 milliards de dollars aux villes, par la seule réduction de la congestion et des émissions, les carrefours intelligents étant identifiés comme la technologie clé de ces gains¹. Ce n’est pas une projection théorique : une revue de trente études de déploiements documentés conclut à une baisse moyenne de 25 % de la congestion et de 18 % des temps de trajet là où ces systèmes sont installés².

Les cas concrets confirment. À Pittsburgh, les carrefours pilotés par IA ont réduit les temps de trajet de 25 à 26 % et abaissé la congestion et les émissions de dioxyde de carbone d’environ 20 %². À Washington, un projet pilote a fait gagner une dizaine de minutes sur l’ensemble du réseau³. Ces gains économiques rejoignent ceux observés ailleurs dans la ville connectée, à l’image de l’impact de l’IA sur la gestion du réseau énergétique. Moins de temps perdu, c’est de la productivité regagnée et du carburant épargné, deux postes immédiatement visibles dans les comptes d’une municipalité.

Le trafic piloté en temps réel

Comment ça marche ? Des capteurs et des caméras observent le flux, et des algorithmes ajustent feux et itinéraires en continu. La Chine a poussé la logique loin : à Hangzhou, le projet City Brain d’Alibaba orchestre un système de trafic multicouche qui a sensiblement réduit congestion et pollution⁴. Aux États-Unis, des villes pilotes comme Phoenix et Austin affichent 30 à 40 % d’amélioration de l’efficacité des déplacements grâce à ces dispositifs⁴.

Les politiques publiques amplifient l’effet. À New York, le péage urbain entré en vigueur en janvier 2025 a fait entrer un million de véhicules en moins dans les zones les plus encombrées de Manhattan dès le premier mois, avec des temps de trajet améliorés de 10 à 30 % sur les axes clés³. L’IA ne remplace pas la décision politique : elle la rend mesurable et pilotable. Cette capacité à transformer des données en gains concrets nourrit aussi les réflexions sur la sécurité économique des territoires.

Les transports publics gagnent en fiabilité

L’IA ne sert pas qu’à fluidifier la voiture : elle muscle aussi les réseaux collectifs. Transport for London a employé l’IA pour prévoir la demande de passagers et optimiser horaires de bus et de métros. Résultat : une ponctualité améliorée de 10 % et des temps d’attente réduits de 15 %². Un réseau plus fiable attire davantage d’usagers, ce qui réduit mécaniquement le trafic automobile et ses coûts cachés.

Cet effet d’entraînement est précieux. Chaque voyageur qui délaisse sa voiture pour un bus ponctuel allège la pression sur les infrastructures et les budgets d’entretien. L’argument économique rejoint ici l’argument environnemental : optimiser, c’est dépenser moins et polluer moins à la fois.

Sécurité et émissions : le double dividende

L’économie ne se mesure pas qu’en temps gagné. Les systèmes de trafic intelligents réduisent aussi les accidents et la pollution, deux postes au coût social considérable. Selon les déploiements documentés, ces dispositifs peuvent abaisser la consommation d’énergie et les émissions de gaz à effet de serre jusqu’à 20 %, tout en améliorant la sécurité routière⁴. À Pittsburgh, la baisse des émissions de CO2 a accompagné celle de la congestion, dans la même proportion d’environ 20 %².

Côté véhicules autonomes, le bénéfice écologique se chiffre déjà. La flotte de Waymo aurait permis d’éviter quelque 126 tonnes d’émissions de CO2 par semaine à San Francisco, 88 tonnes à Los Angeles et 63 tonnes à Phoenix⁵. Moins d’accidents, c’est aussi moins de dépenses de santé et d’assurance, et des artères qui restent fluides. L’IA transforme ainsi un coût subi en économie mesurable, ce qui en fait un investissement et non une simple dépense technologique.

Robotaxis : la bascule économique se rapproche

C’est sans doute le terrain le plus spectaculaire. Waymo, filiale d’Alphabet, assurait fin 2025 plus de 500 000 courses payantes par semaine sur onze grandes villes américaines, et avait dépassé les 20 millions de trajets payants cumulés en décembre⁵. Sa flotte comptait environ 2 500 robotaxis⁶. Mais l’essentiel se joue sur les coûts. Le matériel de cinquième génération ajoutait quelque 100 000 dollars par véhicule, pour un total d’environ 175 000 dollars ; la sixième génération vise désormais moins de 20 000 dollars de matériel par unité⁷.

Cette chute des coûts change la donne. Le coût par mile d’un robotaxi pourrait tomber à 0,25 dollar d’ici 2035, là où une voiture personnelle revient à environ 1,10 dollar le mile en 2025 et une course classique à 2 dollars⁵. Si la trajectoire se confirme, le transport autonome deviendrait l’option la moins chère du marché. Une telle bascule aurait des effets profonds sur l’emploi et l’organisation du travail, sujet exploré dans l’impact de l’IA sur les marchés du travail.

Un avantage réel, à condition d’investir

Le bilan économique de l’IA dans les transports urbains n’est plus spéculatif : économies chiffrées, congestion en baisse, transports publics plus fiables, robotaxis dont le coût s’effondre. Mais l’avantage ne tombe pas du ciel : il suppose capteurs, données, calcul et compétences — autant d’investissements que toutes les villes ne peuvent consentir au même rythme. Le signal à surveiller en 2026 : l’extension des robotaxis et des carrefours intelligents vers des villes moyennes dira si ces gains restent l’apanage des métropoles riches ou se diffusent plus largement.