Une station vélib' à deux pas de la tout Montparnasse.
Une station vélib' à deux pas de la tout Montparnasse. - F. Pouliquen / 20 Minutes

C’est la hantise des usagers du Vélib’. Découvrir que sa station préférée est vide de tout vélo ou, tout aussi agaçant, qu’aucun point d’attache est disponible. Il existe pourtant déjà des applications mobiles et site Internet qui permettent de connaître en temps réel le nombre de vélo et de points d’attache disponible par station.

« Mais c’est du temps réel, insiste Raphaël Cherrier, fondateur de Qucit, une start-up bordelaise spécialisée dans l’analyse prédictive de données pour la mobilité urbaine. Entre le moment où vous consultez l’application et celui où vous arrivez en station, la donne peut avoir totalement changé. Surtout si vous êtes en groupes et en quête de plusieurs vélos ou plusieurs points d’attache disponibles. »

>> Lire aussi : Grand Paris : 26 nouvelles communes en bonne place pour accueillir leurs premières stations Vélib'

Prévoir jusqu’à 45 minutes à l’avance

Qucit a donc décidé d’aller plus loin en mettant au point en ce début d’année l’application Bike Prédict. Gratuite, elle promet à ses utilisateurs de prévoir jusqu’à 45 minutes à l’avance les stations où l’on est certain de trouver un vélo ou une borne disponible.

Qucit n’en est pas à ses premières prédictions. La startup est à l’origine aussi de Citypark, une autre application mobile qui vous donne le pourcentage de chance de trouver une place libre dans la rue où vous vous rendez. Le principe de Bike prédict est similaire. Raphaël Cherrier parle de « machine learning ». « Du calcul de probabilités mais en prenant en compte un grand nombre de données hétérogènes », explique-t-il.

80 données météorologiques prises en compte

Pour mettre au point Bike Predict, Qucit a repris les données en temps réel fournis par JC Decaux. « A cela, nous avons ajouté 80 variables météorologiques (pluviométrie, température, force du vent…), des données liées au calendrier (le jour ou l’heure à laquelle est lancée la requête) mais aussi l’historique des déplacements réalisés par les Parisiens. Si, par exemple, un vélo vient de partir de la station Saint-Michel, il a une chance d’arriver à Châtelet si on se réfère à cet historique. »

Bike Predict mouline tout ça et restitue le pourcentage de chance de trouver un vélo ou une borne disponible dans la station qui vous intéresse et en fonction de l’heure à laquelle vous pensez arriver. Si le pourcentage atteint les 98 % ou plus, vous pouvez être serein : le risque de vous trouver désœuvré est faible. En dessous de 69 %, mieux vaut trouver un plan B. L’application permet aussi d’intégrer jusqu’à cinq voyageurs dans vos requêtes.

« Moins de 2 % d’erreurs »

Mais est-ce fiable ? Raphaël Cherrier assure « faire moins de 2 % d’erreurs sur les probabilités annoncées ». Pour y parvenir, il n’y a guère de secrets : il faut intégrer un maximum de données, même celles qui peuvent paraître absurdes. Dans les 80 variables météorologiques figurent ainsi la pression à 3.000 mètres ou encore la direction du vent… « Mais mises bout à bout, toutes ces variables permettent d’avoir un modèle précis. L’algorithme est ensuite capable de déterminer celles qui sont les plus importantes. »

Bike Predict est encore améliorable. Raphaël Cherrier ne dit jamais non à l’intégration de nouvelles données. « A Bordeaux, nous avions par exemple fait des tests pour intégrer les fils Twitter afin de détecter les pannes des Tramway et ainsi les potentielles ruées sur les vélos en libre-service. »

Qucit planche aussi pour intégrer les retours d’expérience des utilisateurs de l’application et ainsi pouvoir un jour donner la probabilité de tomber sur un vélo crevé ou une borne cassée. Une autre source d’agacement !

Mots-clés :