De la surveillance urbaine à l'intelligence urbaine : comment l'apprentissage automatique redessine la gouvernance urbaine dans les pays du Sud global.

Quand la croissance urbaine perd la carte

Les villes du Sud global s'étendent à un rythme sans précédent dans l'histoire. Karachi au Pakistan, les villes satellites de Mumbai, les périphéries de Lagos – les zones bâties de ces régions avancent de plusieurs kilomètres chaque année, souvent avant tout plan d'urbanisme. Les changements radicaux de la couverture terrestre menacent non seulement la sécurité écologique, mais provoquent directement des inondations, des îlots de chaleur et des crises d'eau. Cependant, la racine du défi n'est pas l'urbanisation elle-même, mais l'asymétrie d'information : la plupart des pays en développement manquent de données à haute résolution et en temps réel sur les changements de surface. Les services de planification s'appuient souvent sur des recensements décennaux ou des images satellites obsolètes, et les décisions sont en retard par rapport aux changements réels.

Dans ce contexte, une étude publiée dans Scientific Reports offre une alternative remarquable. L'équipe de recherche a utilisé des images satellites Landsat et deux algorithmes d'apprentissage automatique – la classification par forêt aléatoire (RFC) et les machines à vecteurs de support (SVM) – pour détecter avec précision les changements de surface urbaine à Karachi de 2000 à 2023. Les résultats montrent que cette méthode améliore la précision de classification de 26,91 % et 19,73 % par rapport aux technologies existantes, et peut identifier efficacement des tendances clés telles que l'étalement urbain, la déforestation et les anomalies de température.

Le changement stratégique derrière la percée technologique

En ne regardant que les détails techniques, cela semble être un progrès de plus en télédétection et en informatique. Mais le changement plus profond est que cette combinaison de « télédétection + apprentissage automatique » transforme la surveillance urbaine d'une activité coûteuse dirigée par des experts en un outil de gouvernance que les gouvernements locaux, voire les communautés, peuvent utiliser de manière autonome. La surveillance traditionnelle de la surface urbaine dépend de mesures au sol ou de satellites commerciaux coûteux, alors que les données Landsat de cette étude sont gratuites et les algorithmes sont open source. Cela signifie que toute ville en développement disposant de capacités de calcul de base peut rapidement déployer un système similaire.

Cela abaisse non seulement les barrières, mais change aussi la structure de pouvoir de la gestion urbaine. Autrefois, le contrôle des données urbaines était souvent concentré entre les mains des services nationaux de statistiques ou des institutions internationales ; désormais, les villes périphériques – celles situées à la périphérie des flux de capitaux mondiaux mais qui supportent la plus grande pression de croissance démographique – ont pour la première fois la capacité de comprendre en temps réel leur propre dynamique spatiale. Le cas de Karachi montre que la démocratisation technologique peut davantage favoriser l'autonomie de gouvernance des villes du Sud que toute aide internationale.

Regarder les agglomérations du Sud global depuis Karachi

Karachi, en tant que centre économique du Pakistan, compte plus de 20 millions d'habitants, mais les infrastructures urbaines sont gravement insuffisantes et la proportion de quartiers informels est très élevée. L'étude montre qu'entre 2000 et 2023, la superficie bâtie de la ville a presque doublé, tandis que la couverture végétale et les surfaces d'eau ont diminué en conséquence. Ces données ne sont pas surprenantes en elles-mêmes, mais les modèles spatio-temporels révélés par l'apprentissage automatique ont une valeur politique : par exemple, l'expansion urbaine s'est principalement étendue le long des grands couloirs de transport, plutôt que par un développement en remplissage ; les zones où l'effet d'îlot de chaleur est le plus grave sont précisément les concentrations de communautés à faible revenu.Ces découvertes pointent vers un dilemme plus large des villes du Sud global : l'urbanisation rapide et la dégradation de l'environnement se chevauchent souvent, et les groupes les plus vulnérables en subissent les conséquences les plus graves. Sans une surveillance continue et de haute précision, les gouvernements peuvent continuer à investir dans les infrastructures aux mauvais endroits, ou ignorer les lignes rouges écologiques déjà apparentes. La contribution centrale de l'apprentissage automatique réside dans sa capacité à identifier des relations de couplage difficiles à capturer par les statistiques traditionnelles – comme les effets de décalage entre le changement d'utilisation des terres et la pollution de l'air, ou les relations non linéaires entre la densité urbaine et la pression sur l'approvisionnement en eau.

Un nouveau contrat de gouvernance urbaine

La combinaison de la télédétection et de l'apprentissage automatique n'est pas seulement une amélioration technologique ; elle redéfinit la relation entre les villes et les États. Depuis longtemps, l'urbanisme dans les pays du Sud est en grande partie « importé » – les concepts d'urbanisme, de contrôle de la densité et de zonage des usages des sols des villes occidentales sont directement transplantés, souvent avec une inadaptation. Les systèmes de surveillance en temps réel offrent une boucle de rétroaction basée sur les données locales, permettant aux villes de s'ajuster dynamiquement en fonction de leurs conditions écologiques et sociales. Ce concept de « ville apprenante » – où la ville surveille constamment ses changements, met à jour ses modèles et ajuste ses politiques – passe de la science-fiction nordique à la réalité sud-asiatique.

Bien sûr, des défis subsistent. La qualité des données est limitée par la couverture nuageuse et la période de revisite des satellites ; les modèles d'apprentissage automatique nécessitent un calibrage continu pour éviter les biais algorithmiques ; et surtout, les données ne se transforment pas automatiquement en décisions – les gouvernements locaux ont besoin des capacités institutionnelles et de la volonté politique nécessaires pour répondre aux problèmes révélés par les données. Mais quoi qu'il en soit, les recherches concrètes montrent que le Sud global n'a pas besoin d'attendre un manuel d'urbanisme parfait ; il peut utiliser les outils à sa disposition pour construire pas à pas sa propre sagesse urbaine.

Tendance à long terme : la surveillance comme gouvernance

En regardant vers l'avenir, avec la densification des constellations de satellites et le développement de l'informatique de périphérie, la surveillance de la surface urbaine passera de « photos instantanées périodiques » à un « flux continu ». À ce moment-là, le rythme de la gouvernance urbaine changera complètement : ce ne sera plus une mise à jour tous les cinq ans, mais une gestion adaptative quotidienne, horaire, voire en temps réel. Pour les pays en développement, cela représente à la fois une immense opportunité et un risque d'aggravation de la fracture numérique – les villes qui n'arrivent pas à adopter ces nouvelles technologies à temps seront encore plus en retard.

Le cas de Karachi est un point de départ. Il nous rappelle que la compétition future dans le système urbain mondial ne réside pas seulement dans le PIB ou la hauteur des gratte-ciel, mais dans la capacité des villes à comprendre rapidement les changements qui se produisent en leur sein. Là où les changements sont les plus rapides, la capacité de surveillance devient l'actif stratégique le plus rare.