En octobre, sans tambour ni trompette, une petite équipe dédiée au projet d’affichage du taux d’occupation des trains sur la ligne orange a procédé à un grand déploiement. Un changement invisible pour les clients si ce n’est que l’information affichée sur les écrans des quais est encore plus précise. Pourquoi? Tout simplement parce que les prédictions d’achalandage sont maintenant basées sur de l’information obtenue en temps réel et mise à jour à chaque minute, plutôt qu’une seule fois par jour comme c’était le cas depuis l’an dernier. Retour vers le futur…

L’intelligence artificielle nourrie par l’intelligence de nos collègues

On dira ce qu’on voudra, l’intelligence artificielle (IA), c’est formidable, mais ça reste un outil. Il faut faire beaucoup de travail préparatoire sur les données afin de pouvoir en tirer des bons résultats. Voilà le travail réalisé par Jean-Pierre Martineau, concepteur – Solutions données (Livraison services technologiques Métro) qui possède une excellente connaissance du domaine d’affaires auquel il est rattaché : le métro. « Il faut avoir une vue d’ensemble de ce qui affecte l’entassement afin de bien modéliser ce qui est prévisible. En revanche, il faut aussi pouvoir s’adapter aux imprévus, comme un groupe d’étudiants qui embarqueraient tous dans une seule voiture du train. Avec l’intégration des données en temps réel, nous rajustons continuellement nos prédictions avec l’information la plus fraîche. »

La tête dans les nuages… informatiques

Ancré dans la réalité même s’il a la tête dans l’information nuagique, Jean-Olivier Pitre est concepteur principal – Solutions données (Livraison services technologiques Métro). Il rappelle que le projet visait à répondre à l’objectif de la STM de fournir de l’information en temps réel à sa clientèle. Jean-Olivier explique son rôle : « Jean-Pierre et moi, on est un peu comme le Yin et le Yang. Lui, a développé les modèles sur lesquels se base l’IA, moi, j’ai vu à nous doter de l’infrastructure nécessaire (la capacité d’information nuagique) pour supporter tous les calculs que l’IA doit effectuer. »

Des millions de calculs par jour pour l’IA

Les modèles conçus par Jean-Pierre sont entraînés à partir des données du passé. Une fois mis en place, ils consomment les données du présent pour prédire le futur : les 15 prochaines minutes. Concrètement, l’IA effectue des prédictions à chaque minute (1440 fois par jour), pour chaque station de la ligne orange, dans les deux directions, pour chacune des neuf voitures des trains, pour chacune des 15 prochaines minutes. Infatigable, le système calcule une douzaine de millions de données par jour.

Une tendance mondiale appréciée par nos clients

Nicole Gruslin, conseillère corporative Web, est la responsable de produit dans ce projet (la Product Owner en terminologie agile). Elle mentionne qu’il s’agit d’une tendance mondiale d’informer la clientèle en temps réel, surtout dans le contexte de la pandémie où l’on se souciait de maintenir une distance physique : « Les clients qui utilisent ces données apprécient avoir l’information sur le taux d’occupation. Ils nous disent que ça pourrait les inciter à changer leur passage s’ils peuvent se le permettre ».

Un (autre) projet réalisé en mode agile

Enos Gakindi, intégrateur principal – projets TI, a agi comme gestionnaire de projet et SCRUM Master (en terminologie agile). « Plus précisément, dit-il, j’assurais le lien entre les différentes équipes de gestion et l’équipe de réalisation du projet. Je planifiais également les différentes réunions de l’équipe agile. La communication étant primordiale en agilité, on a des rencontres quotidiennes d’une quinzaine de minutes. Elles nous permettent de voir si on est bloqué quelque part ou si on a tout ce qu’il faut pour continuer d’avancer. À ce sujet, Jean-Olivier ajoute que « plus on approchait du déploiement, on se parlait encore plus souvent pour régler les problèmes à mesure qu’ils survenaient ».

Rappelons que la première phase, qui visait également à fournir le taux d’occupation dans les bus en temps réel, a aussi été réalisée en mode agile l’an dernier. Aux dires de Nicole Gruslin : « C’est une approche qu’on gagne à adopter parce qu’elle apporte des gains aux employés qui y travaillent tellement c’est stimulant, et des gains aux clients parce que les solutions sont déployées beaucoup plus rapidement qu’en mode traditionnel. » La première phase avait été réalisée en un temps fort respectable de quatre mois pour livrer la solution test (Beta) avec un déploiement final trois mois plus tard.