IA pour les villes : tendances, lacunes et orientations futures

Résumé

Cette étude présente une revue systématique de l’application de l’intelligence artificielle aux villes, en cartographiant la structure thématique, les choix méthodologiques et l’orientation vers la durabilité de ce champ à travers 7 660 articles évalués par les pairs publiés entre janvier 2020 et décembre 2025. Le corpus a été constitué à partir de Scopus selon les directives PRISMA 2020, limité aux articles de revues en langue anglaise, et filtré au regard de critères d’inclusion préspécifiés. Parmi les articles retenus, 5 441 ont été classés comme empiriques et constituent la base des analyses méthodologiques et thématiques ; les 2 219 restants sont des contributions conceptuelles ou des revues. La classification s’est appuyée sur un pipeline hybride combinant l’extraction de mots-clés, un codage assisté par grand modèle de langage en mode déterministe, et une adjudication par experts ; la fiabilité inter-codeurs sur un échantillon doublement codé de 10 % atteint un accord substantiel à presque parfait sur toutes les dimensions principales.

Le premier résultat saillant concerne le rythme d’expansion. La production annuelle d’articles d’IA urbaine a approximativement quadruplé, passant de 574 en 2020 à 2 395 en 2025, avec des recherches issues de 109 pays. Trois pays, la Chine, l’Inde et les États-Unis, représentent plus de la moitié du corpus, et la Chine à elle seule contribue à 37,2 %. Bien que ce volume témoigne d’un champ en pleine maturation, la concentration géographique et le filtre linguistique anglophone signifient que les pratiques de gouvernance locales et les travaux en chinois, en portugais et en espagnol sont systématiquement sous-représentés dans la littérature internationale.

Le deuxième résultat porte sur ce que l’IA est réellement appelée à faire dans les contextes urbains. La prédiction et la classification représentent ensemble plus de 40 % des applications empiriques, tandis que les tâches d’aide à la décision, catégorie la plus alignée sur les besoins des décideurs, en constituent moins de 1 %. Les méthodes natives de la complexité urbaine, comme les réseaux de neurones sur graphes (n = 111) et les réseaux de neurones informés par la physique, restent rares. Le champ a largement importé des architectures développées pour la vision par ordinateur et le traitement automatique des langues, plutôt que de concevoir des outils ajustés à la structure relationnelle, multi-échelle et socio-technique des systèmes urbains.

Le troisième résultat émerge d’une analyse des correspondances dont les deux premiers axes principaux représentent 41,7 % et 23,4 % de l’inertie totale. L’axe horizontal sépare la recherche technique-prédictive de l’intégration socio-spatiale, et l’axe vertical sépare les méthodes boîte noire des méthodes interprétables. Les travaux sur le climat et l’environnement se regroupent avec les méthodes interprétables fondées sur des ensembles ; les travaux sur l’équité sociale se regroupent avec la simulation et l’analyse orientée décision ; les travaux sur la ville numérique et intelligente, en revanche, se situent dans le quadrant technique-prédictif et boîte noire. Les schémas de financement épousent largement cette géométrie : le financement chinois se concentre sur l’apprentissage profond et l’ODD 11, tandis que le financement d’Horizon Europe et nord-américain affiche une plus grande diversité thématique et méthodologique.

Le quatrième résultat est un paradoxe de la durabilité. Le cluster techniquement le plus avancé, Ville numérique et intelligente, présente la plus faible intégration de la durabilité : seuls 37 % de ses articles montrent une intégration forte, contre 48 % pour Résilience et Sécurité, et une nette majorité pour Climat et Environnement. Nous soutenons que ce constat reflète un cadrage implicite dans lequel l’optimisation technique — moindre intensité énergétique par tâche, débit plus élevé, latence réduite — est traitée comme un substitut à la durabilité, tandis que les conséquences distributives, les effets rebond et les coûts du cycle de vie des infrastructures numériques sous-jacentes ne sont pas évalués. Nous présentons ce mécanisme comme une hypothèse interprétative suggérée par les tableaux croisés plutôt que comme une affirmation causale testée.

Le cinquième résultat porte sur la conception des études. Les plans transversaux dominent à 74,3 %, les études longitudinales restent rares, et les travaux orientés équité sont peu fréquents en dehors du cluster Équité sociale. Sans profondeur temporelle, les affirmations selon lesquelles les interventions d’IA produisent des gains durables de durabilité reposent sur des résultats projetés plutôt qu’évalués ; sans instrumentation de l’équité, les conséquences distributives pour les établissements informels et les communautés historiquement marginalisées demeurent invisibles. Ces contraintes de conception limitent également ce qui peut être dit sur la manière dont les bénéfices et les charges se répartissent dans l’espace et dans le temps, un angle mort important pour toute évaluation de la durabilité.

À partir de ces motifs, nous dérivons un programme de recherche organisé autour de trois impératifs. Le premier est l’innovation architecturale : construire des modèles natifs de la ville, tels que des réseaux de neurones sur graphes alignés sur la topologie des infrastructures et des architectures informées par la physique encodant la théorie urbaine établie, y compris les modèles gravitationnels, les lois d’échelle et les cadres d’interaction spatiale. Le deuxième est l’intégration à la gouvernance : combler l’écart entre les capacités de l’IA et l’aide à la décision, ce qui nécessite la quantification de l’incertitude, la comparaison de scénarios, le raisonnement contrefactuel et l’incorporation progressive de techniques d’inférence causale. Le troisième est un cadrage participatif : traiter les communautés concernées comme des co-conceptrices plutôt que comme des sujets de données ou des utilisatrices finales, et inscrire des mécanismes de redevabilité algorithmique tels que des registres publics, des évaluations d’impact et des exigences de marchés publics dans les pipelines d’IA municipaux.

Nous concluons par deux mises en garde méthodologiques. Les distributions descriptives et la géométrie de l’analyse des correspondances rapportées ici sont des caractéristiques directes du corpus, mais les interprétations avancées concernant les incitations institutionnelles, les préférences éditoriales et les effets du financement sont des lectures abductives appuyées sur la littérature antérieure ; ce sont des hypothèses pour des travaux empiriques ultérieurs plutôt que des tests de ces mécanismes. Les contraintes linguistiques et d’indexation de la recherche signifient également que les conclusions sur les pratiques de gouvernance régionales et les implémentations d’IA calibrées localement doivent être lues avec une conscience claire de ce que le corpus voit et ne voit pas.