Des tableurs manuels à la planification intelligente des villes

L'image colorée de l'engrenage du logo de DecisionBrain

Solution
Gestion des effectifs

Industrie
Gestion des installations et de la maintenance

Lieu
Asie

Aperçu

Comment une grande ville asiatique a transformé la propreté urbaine

Lorsqu’une ville est régulièrement classée parmi les plus propres au monde, le niveau d’exigence pour maintenir cette position est extrêmement élevé. Dans une grande métropole asiatique, cette responsabilité incombe à une agence gouvernementale locale chargée de superviser les prestataires de nettoyage et de veiller à ce que chaque rue, chaque canalisation et chaque trottoir respectent des normes strictes.

En coulisses, la division Inspection de l’agence mobilise des dizaines d’inspecteurs qui sillonnent la ville quotidiennement. Leur mission est à la fois simple et complexe : vérifier que les prestataires de nettoyage sous contrat respectent leurs engagements, tout en réagissant à des priorités soudaines telles que des foyers de dengue, de grands événements publics ou encore des conditions météorologiques imprévues. Jusqu’à récemment, cependant, la planification des inspections était gérée manuellement par des planificateurs individuels, ce qui rendait difficile le maintien d’une cohérence entre les différentes zones de la ville.

Défis

Le défi de la planification des inspections : tableurs fragmentés, priorités changeantes, objectifs manqués

Chaque zone de la ville élaborait auparavant ses propres plans d’inspection manuellement, généralement à l’aide de tableurs dont la structure et le format variaient fortement. Ce manque de standardisation rendait difficile la consolidation des informations à l’échelle de la ville et empêchait de garantir l’atteinte cohérente des objectifs d’inspection.

Les planificateurs devaient également relever le défi supplémentaire d’arbitrer entre des objectifs de couverture à long terme — s’assurer que l’ensemble des itinéraires soit inspecté sur un cycle de quelques trimestres — et des priorités à court terme telles que les foyers de dengue, les zones à forte fréquentation ou les grands événements publics. Les pluies fréquentes ajoutaient un niveau de complexité supplémentaire, imposant souvent des changements de dernière minute et laissant certaines inspections inachevées.

Il en résultait un processus chronophage, variable et fortement dépendant de l’expérience individuelle des planificateurs. L’agence avait besoin d’une approche unifiée et fondée sur les données pour améliorer l’efficacité, la fiabilité et la transparence.

Solution

Transformer les données en actions quotidiennes : une solution pour une planification des inspections intelligente et sécurisée

Pour relever ce défi, l’agence s’est associée à DecisionBrain ainsi qu’à un cabinet de conseil informatique local de premier plan afin de concevoir une solution de planification basée sur le cloud, spécifiquement développée pour l’environnement sécurisé de l’administration.

Tableau de bord global

Le système est entièrement intégré à la plateforme d’exécution de l’agence : les inspecteurs utilisent leur propre système pour enregistrer en temps réel les tâches réalisées, tandis que les opérateurs de nettoyage urbain saisissent les résultats des opérations sur des tablettes via un système distinct, connecté à notre application. Ces données opérationnelles alimentent le moteur de planification, qui met à jour en continu les plans stratégiques et les plans opérationnels mensuels, en réorganisant dynamiquement les plannings au fur et à mesure de l’avancement et de la survenue d’événements imprévus.

Au cœur de la plateforme se trouvent des techniques avancées d’optimisation (MILP – programmation linéaire en nombres entiers mixtes), du machine learning prédictif et un moteur de règles métier sophistiqué. Cela garantit que :

  • Chaque itinéraire de la ville est inspecté au moins une fois sur le cycle défini ;
  • Les zones présentant des foyers de dengue ou liées à des événements sont immédiatement priorisées et inspectées à haute fréquence ;
  • Les quartiers à forte fréquentation bénéficient d’une attention accrue par rapport aux zones plus calmes ;
  • Les perturbations liées aux pluies ne désorganisent plus les opérations : les plannings sont recalculés dynamiquement afin de rattraper les inspections manquées.

En complément de la planification stratégique à long terme (sur plusieurs trimestres), la plateforme génère également des plans tactiques mensuels qui déclinent les inspections jour par jour. Ces plans s’ajustent automatiquement en fonction des événements imprévus, tels que la pluie ou des urgences soudaines, garantissant la continuité des opérations sans interruption.

Plan mensuel

Tout aussi important, nous avons conçu une interface utilisateur dont l’apparence et l’ergonomie reprennent celles des feuilles Excel et des rapports que les inspecteurs utilisaient déjà. Cette approche a permis une adoption fluide de la solution, tout en intégrant en arrière-plan une intelligence de pointe.

Planning des prestataires

Résultats

Du fragmenté à l’unifié : un système de référence unique pour la propreté urbaine

L’impact a été immédiat. Ce qui était auparavant fragmenté, manuel et fortement dépendant du savoir-faire individuel est devenu un système unifié de référence et d’action. Les inspecteurs suivent désormais des plans transparents, cohérents et équitables, tandis que les responsables disposent d’une visibilité complète sur l’ensemble de la ville.

Le nouveau système ne se contente pas de rationaliser la planification et l’exécution : il offre également à l’agence une visibilité totale sur la performance grâce à un ensemble complet de tableaux de bord et d’indicateurs clés (KPI). Les responsables peuvent désormais suivre les résultats en temps réel et s’assurer que les objectifs stratégiques sont alignés avec les opérations quotidiennes. Les principaux tableaux de bord incluent :

  • Tableau de bord global: Vue d’ensemble à l’échelle de la ville sur l’avancement et les résultats clés, mettant en évidence les travaux réalisés, les risques et les zones nécessitant une attention particulière ;
  • Suivi de la performance : Synthèse des contributions individuelles et alertes en cas de problèmes potentiels ;
  • Suivi de la qualité: Identification des zones où les standards de service doivent être améliorés et où une supervision renforcée est nécessaire ;
  • Plans régionaux: Suivi de l’état des plans afin de garantir des revues dans les délais et une meilleure coordination.

Suivi de la performance

Points de signalement

Pour les opérations à flux continu

Grâce à ces tableaux de bord, les équipes de direction et les superviseurs bénéficient d’une visibilité sans précédent sur la propreté à l’échelle de la ville. Ils peuvent suivre l’avancement en un coup d’œil, identifier les risques en amont et prendre rapidement les mesures nécessaires.

Au-delà des gains opérationnels, le projet a positionné l’agence comme un acteur public de référence en matière d’innovation numérique. Ce qui était autrefois perçu comme une activité routinière de nettoyage urbain s’appuie désormais sur des technologies d’optimisation et d’IA de pointe.

Ouvrir la voie à la suite

Le succès de cette initiative a incité l’agence à explorer de nouveaux horizons, avec la mise à l’étude de systèmes similaires dans d’autres départements. Cette dynamique renforce sa réputation internationale, non seulement comme l’une des villes les plus propres au monde, mais aussi comme l’une des plus avant-gardistes en matière de santé publique et de gestion urbaine.

Vous souhaitez en savoir plus sur nos solutions ? Découvrez comment une entreprise de facility management a réduit ses coûts de service de 10 à 15 % et amélioré la productivité de ses équipes jusqu’à 20 %.

FAQ

L’optimisation repose sur la programmation linéaire en nombres entiers mixtes (MILP), complétée par du machine learning prédictif pour la prévision quotidienne de la charge de travail et par des règles métier définissant les bonnes priorités. Les modèles de machine learning sont utilisés pour anticiper les volumes de travail au jour le jour, tandis que les règles métier encadrent la logique de priorisation. Le solveur évalue dynamiquement les contraintes de couverture et les capacités opérationnelles afin de construire à la fois des plans stratégiques (sur plusieurs trimestres) et des plans tactiques (quotidiens et mensuels).

Lorsqu’une perturbation survient (par exemple de fortes pluies ou le signalement de zones d’urgence), le moteur déclenche automatiquement un cycle de réoptimisation. Ce processus recalcule les séquences d’inspection et réaffecte efficacement les tâches non réalisées, en s’appuyant sur des localisations géolocalisées pour un réacheminement tenant compte de la dimension spatiale, sans intervention manuelle.Choix linguistique clé : j’ai traduit « flagged emergency zones » par « zones d’urgence signalées » et reformulé « spatially aware rerouting » afin de préserver la précision technique tout en restant fluide en français.

La solution intègre l’ensemble des zones de la ville au sein d’un moteur de planification unifié s’appuyant sur des couches de données géospatiales. Elle calcule des séquences de couverture optimales en fonction des distances de déplacement, des géorepérages liés aux événements et des zones à haute priorité (par exemple les foyers de dengue), afin d’assurer une allocation équilibrée des ressources.

Oui. Le moteur de planification se connecte de manière sécurisée aux plateformes opérationnelles d’exécution de l’agence via des API. Les flux de données provenant des terminaux mobiles et des systèmes parallèles alimentent la base de données centrale en quasi temps réel, garantissant que les tableaux de bord et les plans reflètent en permanence l’état opérationnel actuel.

La plateforme met à disposition plusieurs tableaux de bord de KPI, notamment :

  • Tableau de bord global: couverture des itinéraires à l’échelle de la ville, taux de réalisation et inspections manquées ;
  • KPI des agents: indicateurs de productivité au niveau de chaque inspecteur ;
  • Vues qualité: niveau de gravité des manquements au nettoyage par zone ;
  • Suivi des plans: sstatuts de soumission, de revue et d’approbation des plans d’inspection.

L’ensemble des tableaux de bord est enrichi de données géospatiales, permettant aux responsables de visualiser les informations et d’explorer les détails par district ou par itinéraire.

La plateforme est déployée dans un environnement cloud de niveau gouvernemental, garantissant la résidence locale des données et le respect des normes de sécurité. Elle s’appuie sur des API sécurisées, un contrôle d’accès basé sur les rôles et des flux de données chiffrés, ainsi que sur une architecture évolutive adaptée aux initiatives de villes intelligentes.

La technologie cœur de la plateforme repose sur la programmation linéaire en nombres entiers mixtes (MILP), la prévision par machine learning et la planification géospatiale, et s’adapte à un large éventail de services urbains. Elle peut être utilisée pour optimiser les plans opérationnels quotidiens et mensuels, allouer efficacement les ressources et réagir de manière dynamique aux perturbations.

Par exemple, les administrations municipales peuvent l’appliquer à des programmes de lutte contre les nuisibles, à la maintenance des parcs et jardins, aux inspections routières ou encore à des opérations de sécurité publique telles que les contrôles de sobriété et la planification des patrouilles. En combinant données géospatiales, modélisation prédictive et données opérationnelles en temps réel, le système aide les pouvoirs publics à :

  • prioriser les zones de service critiques ;
  • minimiser les temps de déplacement et de réponse ;
  • améliorer la couverture et le niveau de service aux citoyens ;
  • faire évoluer les opérations sans accroître les efforts de planification manuelle.

Cette flexibilité fait de la plateforme un puissant levier pour les initiatives de villes intelligentes, en soutenant un large éventail de services publics essentiels grâce à un moteur de planification unique et intégré.

Autres études de cas
Bluesky