Une chronique de Christine Le Brun, Experte Smart Cities & Places chez Onepoint, où nous parlerons de villes, d’outils et de technologies numériques, de données, mais aussi des citoyens et de ceux qui font les villes.
Christine Le Brun, vous êtes experte en territoires intelligents au sein du groupe Onepoint. Aujourd’hui nous allons parler de gaspillage alimentaire et de comment l’intelligence artificielle peut aider à le réduire, en particulier dans les cantines scolaires.
Commençons par quelques chiffres Laurence. En France, ce sont 10 millions de tonnes de nourriture qui sont gâchées chaque année. A l’échelle individuelle, cela représente 155 kg par personne et par an. Le tout pour un budget global de 16 milliards d'euros qui sont donc jetés à la poubelle ! Ces chiffres valent pour l’ensemble de la chaine alimentaire, depuis la matière première non utilisée jusqu’à ce qui reste au fond de votre assiette ou de votre frigo. Mais ce n’est pas tout, car la production et la consommation alimentaires pèsent sur l’environnement. Tous calculs faits, selon l’Ademe, le gaspillage alimentaire représenterait à lui seul plus de 4% des émissions de gaz à effet de serre de l’ensemble de nos émissions nationales. Sans parler des volumes considérables d’eau qui ont été nécessaires pour produire ces aliments…
Et les collectivités connaissent bien la problématique au niveau de leur restauration collective. Et c’est à Nantes qu’est née l’idée d’utiliser l’IA pour s’attaquer au problème.
Oui, dans la métropole, l’inscription à la cantine est ultra flexible. Vous vous inscrivez le matin pour le midi-même. Mais bien sûr, les commandes de matières premières se font bien à l’avance, plusieurs semaines, et les repas sont en partie préparés la veille. L’exercice d’estimation du nombre de ces repas est donc crucial, et pas évident. Tellement pas facile d’ailleurs, qu’ils ont évalué le taux de surproduction à environ 10%, ce qui fait quand même 1350 repas de trop préparés tous les jours ! La collectivité a donc lancé un projet d’innovation pour tenter de mieux anticiper la fréquentation des cantines et adapter la production des repas.
Et donc l’intelligence artificielle permettrait de faire ça ?
On met beaucoup de choses dans le terme intelligence artificielle. Ici, bien sûr, rien à voir avec ChatGPT. Il s’agit de concevoir un modèle de la fréquentation des cantines, puis de le faire travailler pour prédire ce qui va se passer dans le futur, en fonction des nouvelles conditions à un instant donné. C’est une technique très utilisée dans l’industrie, la finance ou encore la météo par exemple.
Et comment modélise-t-on ce qui se passe dans les cantines alors ?
On utilise un algorithme dit de machine learning. Il en existe de nombreux types différents et je ne vais pas rentrer dans les détails ; mais le principe général est, comme son nom l’indique, que le système, cad l’intelligence artificielle, doit d’abord apprendre, comme nous en somme, avant d’être capable d’utiliser cette connaissance. C’est ce qui lui permettra ensuite de reconnaitre des scenarios ou des situations, et de faire des prédictions.
Donc ici, l’algorithme apprend comment se caractérise la fréquentation des cantines, c’est ça ?
Oui, lui a donné à digérer tout un tas de données sur 7 ans de gestion des restaurants collectifs, comme l’historique des commandes, le nombre de repas servis, la composition des menus. On sait que le jour des frites, il y a plus de monde à la cantine ! Il y a aussi les évènements du calendrier qui peuvent affecter la fréquentation, comme les sorties scolaires, les épisodes météo particuliers ou les fêtes religieuses. A partir de toutes ces données, l’algorithme établit des corrélations entre les éléments, et donc un modèle statistique intelligent qui permet de prédire le nombre de repas pour chaque jour de l’année.
Et est-ce que ça marche ?
Ce qui est intéressant dans leur démarche, c’est qu’ils n’ont pas donné toutes les données au modèle, mais qu’ils ont gardé celles des 2 dernières années pour le tester. Ils ont ainsi pu confronter les résultats du modèle avec l’historique réel de fréquentation et comparer la prédiction du nombre de repas avec celle effectivement servie. Et c’est plutôt concluant car non seulement le nombre de repas n’était pas sous-estimé, mais il était moins surestimé par le modèle que dans la réalité. En clair, si cet algorithme avait été mis en œuvre sur les années test, il aurait permis d’économiser 430 repas par jour. Soit une réduction de 30% de la surproduction. Pas mal non ?
Voilà de quoi inspirer d’autres collectivités j’imagine. Est-ce que vous pensez que cette méthode pourrait se généraliser ?
Tout à fait. A ceci près que la précision d’un tel modèle repose avant tout sur la disponibilité et la qualité de la donnée qu’on lui fait ingérer. Il ne faut jamais oublier que sans data, pas d’IA ! A Nantes, la culture de la donnée territoriale, de sa mise à disposition et de son partage, notamment via sa plateforme d’open data et sa charte de la donnée, est instaurée depuis de nombreuses années. C’est ce qui lui a permis de mettre en place cette expérimentation de manière efficace. On a en a déjà parlé à plusieurs reprises, les projets de ville intelligente reposent très souvent sur une bonne vision de la gestion et de l’exploitation de la donnée territoriale, et de la gouvernance qui lui est associée. C’est-à-dire, qui est responsable de cette donnée, de sa qualité et des conditions dans lesquelles elle peut être partagée et exploitée. On en a ici un bel exemple d’application utile et à impact positif.
Un entretien réalisé par Laurence Aubron.
