Pour utiliser Tranquilien, l'usager doit renseigner sa gare de départ ainsi que sa gare d'arrivée. Ensuite, il voit les prochains trains s'afficher, selon trois codes de couleurs : vert pour les trains proposant des places assises, orange pour ceux qui n'en possèdent que peu et rouges pour ceux qui sont saturés. Dans ce dernier scénario, l'application suggère de décaler le départ vers un train moins congestionné.
« Nos trains sont occupés en moyenne à 40%, mais avec des pointes à 200% », commente Bénédicte Tilloy, la directrice générale de SNCF Transilien. « Les Franciliens passent 72 minutes en moyenne en transports en commun, dans des conditions plus ou moins confortables. Il est évident qu'il y a quelque chose à faire de ces constats », souligne-t-elle. Notons que l'idée est venue d'un usager du Transilien qui avait été retenu parmi 2 000 personnes au concours OpenApp organisé par la SNCF en mars 2012.
Suite à ce concours, la compagnie ferroviaire a organisé un weekend Hack Days afin de concrétiser les idées qui avaient émergé. Après un premier prototype, baptisé « Transifoule », l'équipe de Snips a été contactée. Celle-ci développe des modèles prédictifs contextuels pour les grands groupes et institutions. Prérequis « indispensable » pour que le projet voie le jour : que la SNCF libère ses datas.
De la modélisation contextuelle
D'un point de vue technologique, l'intérêt de cette application est que pour prédire le taux de remplissage des rames, elle ne se limite pas uniquement à l'historique fourni par la SNCF. « Nous utilisons ces données bien sûr, mais uniquement pour recueillir une première estimation », explique Rand Hindi.
La plus-value de l'algorithme est qu'il utilise des données contextuelles. « Plutôt que simplement extrapoler les prévisions d'affluence dans le train à partir des données historiques, nous allons reconstruire le contexte, c'est-à-dire la situation qui a fait que le train était aussi rempli. Pour cela nous utilisons les données sociodémographiques des communes desservies, comme la population, le revenu moyen, le taux de chômage ou encore le nombre d'entreprises locales », détaille Rand Hindi.
Afin d'affiner le modèle, d'autres données contextuelles s'ajouteront à l'algorithme dans les prochains mois, telles que les conditions météorologiques, l'accessibilité par les autres moyens de transport et les événements comme les matchs de football ou les concerts. Mais ce n'est pas tout. Une troisième couche sert à affiner encore les prévisions : la couche sociale. Les usagers sont invités à indiquer quel est l'état de fréquentation de la rame dans laquelle ils se trouvent, et la communauté en profite en temps réel.
Testée depuis un mois par 2 400 agents Transilien, l'application a vocation à s'améliorer à mesure qu'elle emmagasinera des retours d'utilisateurs. Disponible pour l'instant uniquement sur iOS, elle bénéficiera d'un portage Android d'ici la fin de l'année. Du côté de la SNCF, il n'est pas impossible que des initiatives comparables voient le jour sur le réseau de trains régionaux.
