Les villes testent les jumeaux numériques urbains

Des services municipaux chargés de la mobilité ou de la gestion de l'eau travaillent sur une réplique informatique de leur territoire, alimentée par des capteurs et des bases de données existantes. Cette maquette numérique permet de simuler une inondation, une modification de circulation ou une panne de réseau avant d'engager des travaux sur le terrain.

Ce que recouvre la notion de jumeau numérique urbain

Un jumeau numérique urbain est une représentation virtuelle d'un territoire, construite à partir de données géographiques, de relevés terrain et de flux d'informations en temps réel. Il ne s'agit pas d'une simple carte en trois dimensions, mais d'un modèle capable de calculer l'évolution d'un système : réseau d'assainissement, trafic routier, consommation énergétique d'un quartier.

Le principe repose sur une boucle. Des capteurs mesurent l'état réel de l'infrastructure. Ces mesures alimentent le modèle, qui produit des scénarios. Les responsables comparent les résultats, ajustent leurs hypothèses, puis renvoient éventuellement une consigne vers le terrain. Le jumeau numérique se distingue d'une maquette statique par cette circulation continue d'informations. À consulter également : https://jamm-saintlouis.com.

Les briques techniques sont hétérogènes. Il faut des données de référence (bâti, voirie, réseaux enterrés), des capteurs, une plateforme de calcul et des outils de visualisation. La difficulté tient moins à la puissance de calcul qu'à la qualité et à l'homogénéité des données d'entrée, souvent dispersées entre plusieurs services.

Des usages concrets dans la gestion des réseaux et des risques

La gestion de l'eau figure parmi les applications les plus documentées. En modélisant un bassin versant, un service peut estimer où l'eau s'accumulera lors d'une pluie forte, et tester l'effet d'un ouvrage de rétention avant de le construire. Certaines collectivités utilisent ce type d'outil pour hiérarchiser les travaux d'entretien sur des réseaux vieillissants.

La mobilité constitue un autre terrain d'essai. Un modèle de trafic permet de simuler la fermeture d'un axe, la création d'une voie réservée ou la modification d'un plan de feux. L'intérêt n'est pas de prédire exactement ce qui se produira, mais de repérer les configurations qui dégradent fortement la circulation et celles qui restent neutres.

L'aménagement et l'énergie s'y ajoutent. Des équipes évaluent l'ensoleillement d'une future opération immobilière, la charge que représenterait un parc de bornes de recharge sur le réseau électrique local, ou l'impact d'une végétalisation sur les températures de surface. Ces simulations restent des aides à la décision : elles éclairent un choix, elles ne le remplacent pas.

Les limites techniques et institutionnelles

La première contrainte est celle de la donnée. Un jumeau numérique n'est fiable que si les informations qui l'alimentent sont à jour et comparables entre elles. Or les référentiels des différents services ne coïncident pas toujours, et les capteurs vieillissent, dérivent ou tombent en panne sans que le modèle l'indique clairement.

La deuxième contrainte est le coût de maintenance. Un modèle doit être recalibré régulièrement, sans quoi il s'éloigne de la réalité. Cette maintenance mobilise des compétences rares, à la croisée de l'urbanisme, de l'informatique et de l'analyse de données. Une collectivité qui lance un démonstrateur sans prévoir cette charge de suivi voit souvent l'outil devenir obsolète en quelques années.

La troisième contrainte est institutionnelle. Faire travailler ensemble les services techniques, la direction informatique et les élus sur un même modèle suppose de partager des données parfois sensibles. Les questions de propriété, de sécurité et de responsabilité en cas d'erreur d'interprétation ne sont pas toujours tranchées.

• Données d'entrée hétérogènes ou incomplètes selon les services.
• Maintenance et recalibrage à financer dans la durée.
• Compétences techniques difficiles à recruter et à conserver.
• Gouvernance des données à définir entre les acteurs concernés.

Il faut ajouter une limite de méthode. Un modèle simplifie nécessairement la réalité. Les résultats dépendent des hypothèses retenues, et deux équipes travaillant sur le même territoire avec des paramètres différents peuvent aboutir à des conclusions divergentes. La transparence sur ces hypothèses conditionne la confiance dans l'outil.

Le cadre de déploiement et les questions ouvertes

Les expérimentations se concentrent souvent sur un périmètre restreint : un quartier, un réseau, une infrastructure. L'extension à l'échelle d'une agglomération entière se heurte à la multiplication des sources de données et à la complexité des interactions à modéliser. Beaucoup de projets restent donc à un stade pilote, avec un périmètre volontairement limité.

Le financement varie selon les contextes. Certaines collectivités s'appuient sur des partenariats avec des laboratoires ou des opérateurs de réseaux, d'autres sur des dispositifs de soutien à l'innovation. Ce montage influence directement ce qui est testé : un projet adossé à un opérateur d'eau portera sur le réseau d'eau, un projet porté par un laboratoire privilégiera la modélisation climatique.

La question de l'ouverture des données reste en débat. Rendre un jumeau numérique accessible à des acteurs extérieurs, entreprises ou citoyens, peut enrichir les usages, mais soulève des problèmes de sécurité et d'interprétation. Un modèle mal compris peut donner lieu à des conclusions erronées, notamment sur la valeur d'un bien immobilier ou sur l'exposition d'un quartier à un risque.

Enfin, l'écart entre simulation et décision demeure. Un scénario bien documenté n'entraîne pas automatiquement un arbitrage politique. Les choix d'aménagement impliquent des arbitrages budgétaires, sociaux et électoraux que le modèle ne capture pas. Le jumeau numérique produit des éléments de discussion ; il ne fixe ni les priorités, ni les compromis.