BFM Business

Qu'est ce qui va rendre le train plus ponctuel ?

Mettre en place un modèle prédictif du niveau d’adhérence des roues dans trains sur les rails permettra à la SNCF d’anticiper les potentiels retards et de prendre des mesures en conséquence.

Mettre en place un modèle prédictif du niveau d’adhérence des roues dans trains sur les rails permettra à la SNCF d’anticiper les potentiels retards et de prendre des mesures en conséquence. - Alstom Transport

La SNCF a présenté cet hiver un projet de big data, d’application des objets connectés au secteur ferroviaire. L'objectif est de recueillir un maximum de données sur la circulation des trains et notamment sur leurs systèmes de d'essieux pour rendre plus sûre l'adhérence des trains aux rails. Un atout précieux pour rendre les trajets plus sûrs et plus ponctuels.

Les objets connectés et les données qu’ils mesurent sont particulièrement importants pour la SNCF. L’entreprise possède 30 000 km de voies ferrées, plus de 15 000 trains en circulation, transportant 5 millions de passagers chaque jour. Elle se revendique premier propriétaire foncier et le plus gros consommateur d’électricité en France. Autrement dit les applications big data s’appuyant sur l’utilisation de grands volumes de données, collectées par toutes ces infrastructures sont potentiellement très nombreuses. "Par exemple, il y a quelques mois, l’entité responsable de la performance du système ferroviaire nous a demandé de travailler sur un modèle permettant de prédire les risques de mauvaise adhérence entre les rails et les roues des trains", illustre Marine Mizrahi, responsable de programme dans la Fab Big Data de la SNCF.

Cette adhérence est une mesure importante pour la compagnie de transport puisqu'elle a un impact direct sur deux indicateurs de performance clés de l’entreprise: la ponctualité et la sécurité. En effet, dès qu’un conducteur a un doute sur le niveau d’adhérence du rail, il réduit sa vitesse pouvant donc entrainer un retard. De plus, une mauvaise adhérence dégrade la sécurité de la circulation.

Faire dialoguer les différents départements de la SNCF entre eux

En plus de l’impact sur ces deux indicateurs, la Fab Big Data de la SNCF évalue trois critères supplémentaires avant de lancer un tel projet: la motivation, le retour sur investissement et la capacité à faire. "La motivation était au rendez-vous. Mais nous nous sommes également assurés que les différents départements étaient prêts à dialoguer entre-eux et à assumer le résultat des analyses que nous produirions", explique Marine Mizrahi.

Concernant la capacité à faire, la Fab Big Data a réorienté le projet après quelques semaines d’exploration, faute d’un historique et d’une qualité des données suffisants. "Nous avons donc décidé de nous concentrer d’abord sur un outil permettant aux opérationnels de visualiser les données avec une semaine d’historique. Le modèle prédictif d’analyse de la qualité de l’adhérence entre le rail et la roue suivra dans quelques mois", rapporte la responsable de programme.

Enfin, la SNCF n’a eu aucun doute sur le retour sur investissement de cette application, sans entrer dans plus de détails. L’entreprise précise toutefois que lorsqu’il s’applique à de tels projets industriels, il est complexe et long à calculer.

Une articulation étroite entre DSI, métiers et direction du digital

Dans le livre blanc intitulé "IoT & Big Data au service du RoI", réalisé par l’EBG, en partenariat avec le groupe Open, Marine Mizrahi, indique que l’entreprise "souhaite faire de l’Internet des objets et du big data un pilier de ses activités avec un time to market inférieur à 18 mois".

Pour atteindre cet objectif, la responsable de programme insiste sur la nécessité d’avoir une articulation étroite entre la DSI, les métiers et l’équipe chargée du numérique s’il y en a une. Plus précisément, les initiatives lancées en shadow IT (ou informatique cachée), c'est à dire sans concertation avec la DSI sont contreproductives. "Certes on va plus vite à déployer un outil, mais le retour sur investissement est marginal car il n’y a pas de généralisation, explique-t-elle. Contrairement aux idées reçues, pour être agile, il faut penser industrialisation, donc mettre le département IT dans la boucle, dès le démarrage d’un projet big data".

Eddye Dibar