L’IA agentique au cœur du poste de commande : un regard sur l’avenir de la gestion du trafic ferroviaire des CFF

Dans le cadre du SBB AI Challenge, adesso a eu l’occasion de développer, en collaboration avec les Chemins de Fer Fédéraux suisses, non pas un «  Concept Car  », mais plutôt un véritable «  Concept Train  » dédié à la gestion des incidents et des perturbations.

Une plongée dans un projet passionnant, à la croisée entre expertise humaine et intelligence artificielle.

Au cœur des centres d’exploitation des CFF bat le pouls du trafic ferroviaire suisse. Lorsqu’une perturbation survient, qu’il s’agisse d’une porte défectueuse ou d’une panne liée aux conditions météorologiques, les équipes de régulation doivent réagir en quelques secondes.

Elles coordonnent les interventions, réaffectent des trains, organisent le transport de remplacement et informent les voyageurs.

L’outil central qui permet cette orchestration s’appelle  ALEA. Hautement fonctionnel, il a continuellement évolué pour répondre aux besoins de l’ensemble de ses utilisateurs. Aujourd’hui, c’est une plateforme qui relie non seulement les différents services des CFF, mais aussi d’autres entreprises de transport dans tout le pays. C’est un véritable pilier dans la gestion des perturbations de manière globale.

Mais le système a été conçu il y a de nombreuses années. Se pose alors une question essentielle :

Comment les technologies les plus avancées pourraient-elles encore mieux soutenir les équipes dans ces situations critiques, si l’on repensait ALEA depuis zéro ?

C’est avec cette question en tête — et beaucoup de passion — qu’adesso a abordé le SBB AI Challenge :

1. Un système “à l’écoute” (ChatOps)

En situation de perturbation, une grande partie des échanges se fait par téléphone ou par radio. Dans notre approche, ces informations orales sont immédiatement exploitables grâce à une transcription automatisée par l’IA.

L’objectif est simple :  pendant que la régulation est encore en ligne avec un interlocuteur, le système prépare déjà le cas ALEA en arrière-plan. Réception du message et création de l’entrée ne font plus qu’un, ce qui représente un gain de temps considérable.

2. Une assistance intelligente

À la manière des systèmes d’aide à la conduite modernes, l’IA vérifie la cohérence des informations saisies et propose des formulations adaptées au contexte. Résultat : une meilleure qualité des données, qui améliore à son tour la pertinence des suggestions générées par le système.

Un autre avantage non négligeable :  l’assistant d’IA aide les régulateurs à rédiger messages, mesures ou communications internes. Ce qui peut paraître anodin représente en réalité un gain de temps précieux : quelques motsclés suffisent, et l’IA enrichit le contenu avec les informations utiles.

3. L’automatisation des tâches routinières

Les tâches répétitives, comme la synthèse des perturbations pour le reporting, sont prises en charge par l’IA, permettant aux équipes de se concentrer sur la résolution du problème.

Le «  travail de fond  », nécessaire mais fastidieux, est ainsi fortement réduit. Les collaborateurs des centres d’exploitation disposent alors de plus de temps pour l’essentiel :  garantir que les voyageurs arrivent à destination à l’heure.

Ce qui a rendu ce projet particulièrement précieux, c’est la qualité des échanges avec les CFF : ouverts, constructifs et orientés solutions. Leur retour a confirmé un point essentiel :  l’usage du SpeechtoText représente un champ extrêmement prometteur, capable d’apporter un bénéfice immédiat à la gestion des perturbations.

L’idée de créer des cas via saisie vocale (plus rapidement et avec une charge administrative réduite grâce à une assistance intelligente) a été validée comme une orientation à la fois pragmatique et résolument tournée vers l’avenir.

Dans le même temps, l’analyse commune a permis d’identifier les défis liés à une mise en œuvre réelle. Des aspects tels que  le niveau sonore dans un poste de commande, qui peut compliquer la commande vocale, ou encore  la disponibilité de données interconnectées (comme celles liées au matériel ou au personnel), constituent des facteurs critiques à intégrer dans les prochaines phases de développement.

Et c’est précisément cet équilibre entre ambition technologique et faisabilité opérationnelle qui fait la valeur d’un prototype comme celui-ci.

La reconnaissance exprimée par les CFF à l’égard de notre travail, et en particulier leur mise en avant de la  «  collaboration constructive et de l’ouverture dans les échanges  », nous touche tout particulièrement. Pour nous, c’est sans doute le plus beau compliment.

Elle nous encourage aussi à poursuivre notre ambition : comprendre en profondeur des domaines complexes et les améliorer grâce à des innovations technologiques telles que l’Agentic AI.

Même si le déploiement complet d’un tel système nécessitera des investissements et des ajustements, nous avons, ensemble, ouvert une perspective claire sur la façon dont pourrait évoluer la régulation de demain : plus efficace, plus intuitive et pensée pour soutenir la personne qui, à chaque instant, prend les décisions critiques.

Nous remercions chaleureusement les CFF pour leur confiance et pour l’opportunité de façonner, ensemble, la mobilité de demain  !

Du “Concept Train” à la réalité : poser ensemble les aiguillages de la régulation de demain

Fortes de notre collaboration avec les CFF, nous vous invitons à explorer avec nous comment l’Agentic AI peut accroître votre efficacité tout en gardant la complexité technique sous contrôle.

Pour les responsables opérationnels, notre approche ouvre une perspective claire :  moderniser et pérenniser les systèmes et processus existants grâce à une assistance intelligente.

La conduite opérationnelle profite ainsi d’un allègement concret : l’IA basée sur des agents prend en charge des tâches routinières comme le reporting et garantit une meilleure qualité des données dans les décisions à la seconde, grâce à des vérifications automatisées de cohérence et à des recommandations d’action fiables.

Nous nous concentrons sur les facteurs critiques de succès : qualité des informations voyageurs et des données liées aux événements, efficacité des mesures de régulation, fluidité des processus et qualité de la documentation au poste de commande.

Voyons ensemble comment l’IA agentique peut réduire la charge administrative pour que vos équipes puissent, en situation de stress, se consacrer pleinement à la gestion des perturbations.

Transformons ensemble cette vision technologique en une solution robuste, productive et réellement opérationnelle pour la régulation ferroviaire du futur !