RÉALISATION

IA appliquée aux infrastructures critiques

Pilotage technico-fonctionnel d’une solution de comptage de passagers par IA : intégration TensorFlow, API, sites pilotes et préparation à l’exploitation routière.

Référence de mission

Cyclope.ai / VINCI Autoroutes

Paris · Expérimentations terrain

IA routière, covoiturage et intégration exploitation

Mon rôle et le périmètre

Position
Chef de projet technico-fonctionnel IA
Période
Novembre 2019 – Juillet 2020
Périmètre
Comptage automatisé de passagers sur infrastructures routières critiques

2019–2020

période d’intervention

De novembre 2019 à juillet 2020.

2

contextes d’exploitation

Réseau autoroutier et périphérique parisien.

TensorFlow

expérimentations IA

Modèles de vision par ordinateur confrontés à des sites pilotes.

Ma responsabilité

Je faisais le lien entre les équipes IA, les partenaires techniques et l’exploitation. Mon périmètre couvrait les interfaces, les spécifications, les expérimentations sur sites pilotes, les scénarios de validation et la préparation à l’exploitation d’une solution de vision par ordinateur en temps réel.

Mes interlocuteurs

  • Équipes IA et produit
  • Partenaires techniques
  • Exploitation routière
  • Supervision et maintenance

Géographie de la mission

Implantation et périmètre

Paris

Coordination produit, IA et partenaires techniques.

Organisation

Ma place dans la mission

Interlocuteurs de décisionProduit, partenaires techniques et exploitation routière
Aurèle SoyezChef de projet technico-fonctionnel IAPilotage technico-fonctionnel
Équipes IA et produit

Modèles, besoins fonctionnels et validation des expérimentations.

Exploitation et partenaires

Interfaces, terrain, supervision et maintenance.

Schéma des liaisons fonctionnelles et du pilotage de la mission.

Portefeuille de la mission

Projets et chantiers

Chaque projet précise le besoin, ma responsabilité, les travaux pilotés et les livrables.

Comptage automatisé de passagers

Transformer la vision par ordinateur en un dispositif exploitable pour le contexte routier.

TensorFlowComputer VisionTemps réel
Tâches et livrables : Comptage automatisé de passagers
Ma responsabilité

Je coordonnais les exigences fonctionnelles, les interfaces et les expérimentations sur sites pilotes.

Travaux pilotés
  • Cadrer les besoins entre produit, IA et exploitation.
  • Suivre les expérimentations TensorFlow et les scénarios de validation.
  • Prendre en compte supervision, maintenance et contraintes temps réel.
Livrables
  • Spécifications et scénarios de validation
  • Préparation à l’exploitation et suivi des expérimentations

API et reconnaissance dans la chaîne routière

Relier les briques IA et de reconnaissance aux outils qui consomment leurs informations.

APIReconnaissanceSupervision
Tâches et livrables : API et reconnaissance dans la chaîne routière
Ma responsabilité

Je cadrais les interfaces et coordonnais les besoins entre les équipes techniques et l’exploitation.

Travaux pilotés
  • Préciser les échanges de données et les dépendances.
  • Formaliser les exigences et coordonner les validations.
  • Suivre les écarts entre résultats techniques et usages terrain.
Livrables
  • Cadrage des interfaces et spécifications
  • Suivi des validations d’intégration

Dispositifs de covoiturage et totems

Articuler les informations de détection et les dispositifs destinés aux usages routiers.

CovoiturageAPITerrain
Tâches et livrables : Dispositifs de covoiturage et totems
Ma responsabilité

Je coordonnais le périmètre produit, les partenaires et les conditions de validation terrain.

Travaux pilotés
  • Traduire les usages en exigences fonctionnelles.
  • Coordonner les interfaces et les dépendances du dispositif.
  • Préparer la recette et la prise en compte des contraintes d’exploitation.
Livrables
  • Exigences fonctionnelles et coordination des interfaces
  • Scénarios de recette terrain

Contexte

Cyclope.ai / Vinci Autoroutes

Chez Cyclope.ai / Vinci Autoroutes, la mission portait sur une solution de vision par ordinateur destinée au comptage automatisé de passagers. Le contexte associait le réseau autoroutier et le périphérique parisien, avec des expérimentations sur sites pilotes.

Cyclope.ai / Vinci Autoroutes

Le système ne se réduisait pas au modèle IA : il fallait relier les briques TensorFlow, les API, les outils d’exploitation et la supervision, puis définir comment le dispositif serait validé, maintenu et utilisé dans un contexte temps réel.

Enjeu

Le besoin et les contraintes

Le besoin était de transformer une capacité de détection en un dispositif exploitable sur une infrastructure critique. La valeur du modèle dépendait aussi de son intégration, de la disponibilité des informations pour l’exploitation et des conditions de validation sur le terrain.

La difficulté se situait à l’interface des équipes : rendre les contraintes IA compréhensibles pour l’exploitation, traduire les attentes terrain en spécifications et en scénarios de tests, et organiser une trajectoire réaliste entre expérimentation et préparation au déploiement.

Rôle

Mon intervention

Cadrer les interfaces du dispositif

Préciser les échanges entre les briques IA, les API, les outils d’exploitation et la supervision ; formaliser les attentes fonctionnelles et les dépendances techniques.

Coordonner les expérimentations IA

Planifier les travaux TensorFlow sur sites pilotes, coordonner les équipes IA et les partenaires et suivre les besoins de validation des performances.

Construire la validation terrain

Définir les scénarios de validation avec l’exploitation, organiser les échanges sur les résultats et les écarts, puis traduire les constats en actions.

Préparer la maintenance et l’exploitation

Prendre en compte la supervision, les conditions de maintenance et les usages temps réel dans les spécifications et la préparation opérationnelle.

Livrables

Ce que j’ai structuré et produit

  • Spécifications fonctionnelles et cadrage des interfaces IA / API / exploitation
  • Organisation et suivi des expérimentations sur sites pilotes
  • Scénarios de validation des performances et des usages terrain
  • Coordination des équipes IA, exploitation et partenaires techniques
  • Préparation des conditions de supervision, maintenance et exploitation

Impact

Résultat et environnement

La contribution a porté sur l’intégration et l’exploitabilité du dispositif : relier le produit IA aux systèmes et aux équipes qui doivent l’utiliser, le tester et le maintenir. Mon rôle était le pilotage technico-fonctionnel, avec une attention continue aux contraintes du terrain.

La mission a associé les expérimentations TensorFlow sur sites pilotes à la définition des interfaces, des scénarios de validation et des conditions de supervision, de maintenance et d’exploitation.

Environnement

Computer VisionTensorFlowAPISupervisionSites pilotesTemps réelExploitation et maintenance