fr.wedoany.com Rapport : Une étude a testé l’outil d’IA nommé WeDesign+ dans le cadre de consultations sur les espaces publics et le logement à Montréal, au Canada. Les résultats montrent que cet outil aide les résidents à exprimer leurs besoins de manière plus intuitive, mais sa valeur dépend fortement de la méthode d’utilisation ; une mauvaise orientation peut également masquer les véritables problèmes.
La consultation publique est une source importante de légitimité pour les décisions urbaines. La planification des parcs, des logements sociaux, de la réfection des rues ou des friches industrielles ne concerne pas seulement le design, mais aussi les fonds publics, la santé publique, la valeur foncière, la mobilité quotidienne, la résilience climatique et le sentiment d’appartenance à la communauté. L’équipe de recherche a utilisé l’outil WeDesign+ lors de consultations sur les espaces publics et le logement à Montréal. Cet outil permet aux utilisateurs de décrire un lieu en langage courant et de générer rapidement plusieurs images IA pour discussion, rejet ou amélioration. Cela offre aux résidents un contenu concret auquel réagir avant que les décisions ne soient finalisées, permettant ainsi aux connaissances locales et aux expériences de vie d’entrer plus tôt dans le débat.
L’un des cas testés était le site Victoria Précision dans le quartier Sainte-Marie à Montréal, une ancienne propriété industrielle. Les organisations communautaires explorent la possibilité de transformer ce site en logements sociaux. Les résidents ont utilisé l’outil pour construire une vision collective, afin de mobiliser du soutien et de convaincre les décideurs. Dans un autre atelier, les participants ont décrit un parc avec des bancs, un terrain plat, des poussettes, une fontaine et un arrière-plan montréalais. L’IA a généré plusieurs scénarios. Ces images ne sont pas des conceptions finales, mais des points de départ pour la discussion. Les participants peuvent se demander si le chemin est continu, si une poussette ou un fauteuil roulant peut passer, si l’emplacement des bancs est raisonnable, ou si la scène a des caractéristiques locales. L’exercice a également révélé les limites de l’IA, par exemple des images contenant souvent des détails irréalistes ou ignorant les particularités locales.
Lorsque le terme « le long de » la rue piétonne a été changé en « dans » la rue piétonne, l’image a changé. Ce changement de formulation a rendu visible un problème de planification : la verdure se trouve-t-elle d’un côté de la route ou fait-elle partie de la rue elle-même ? Parfois, les images les plus utiles sont celles qui sont visuellement médiocres. Lorsque l’IA a généré des bâtiments plus hauts sur l’ancien site industriel, les résidents ont exprimé plus facilement leur opposition à la présence de tours ; lorsque le modèle a généré des bâtiments de hauteur moyenne ordinaires, les résidents ont pu souligner l’absence de murs en briques locales, d’escaliers extérieurs, de mémoire industrielle, d’art de rue et d’autres textures propres au quartier Sainte-Marie.
L’étude a également souligné de multiples risques. La saisie des invites devient un nouveau seuil : l’outil réduit le besoin de dessiner, mais introduit l’exigence de décrire des scènes dans un langage compréhensible par le modèle. Les références culturelles et les expressions quotidiennes des résidents francophones sont mieux représentées dans les modèles en anglais ; la traduction améliore les images, mais modifie subtilement l’intention des résidents. L’IA donne souvent l’impression que l’inclusion est plus facile qu’elle ne l’est en réalité : un fauteuil roulant dans une image ne signifie pas l’accessibilité, une foule diversifiée ne signifie pas l’inclusion, et une cour ombragée ne prouve pas l’ombre, l’entretien, l’utilisation hivernale ou la sécurité. Les images soignées peuvent créer des promesses excessives : un éclairage réaliste, des arbres luxuriants, des sourires peuvent donner l’impression qu’une idée précoce est déjà financée et réalisable, ce qui est dangereux dans la planification publique, car cela peut permettre aux institutions de prétendre avoir « consulté » tout en ignorant les commentaires réels et les divergences.
L’équipe de recherche insiste sur le fait que les images elles-mêmes ne sont pas des preuves ; la véritable preuve réside dans les enregistrements autour des images — les paroles originales des résidents, les transcriptions des traductions, les alternatives générées, les raisons pour lesquelles les gens acceptent ou rejettent certaines parties des images, les préoccupations non résolues et la portée réelle de la consultation. Les villes sont confrontées à des choix difficiles concernant les terres : les bâtiments vacants, les parcelles inutilisées et les friches industrielles sont souvent au cœur des conflits autour du logement, des parcs, de l’adaptation climatique et de l’identité communautaire. Si l’outil d’IA est utilisé correctement, il peut aider les résidents à exprimer leurs besoins avant que les rendus des promoteurs ou les plans d’urbanisme ne réduisent les options ; utilisé de manière inappropriée, il peut donner l’impression d’une participation plus large, tout en accordant plus de pouvoir à ceux qui maîtrisent les meilleures invites ou disposent du plus grand écran.
Pour les gouvernements municipaux, il ne faut pas traiter la consultation par IA comme un exercice en ligne indépendant ; elle doit être combinée avec des activités de proximité en personne, des organisations communautaires de confiance, des indemnités, un soutien à l’accessibilité et des guides multilingues. Conservez le langage original des résidents avant de reformuler les invites, montrez plusieurs images plutôt qu’une seule, posez des questions sur chaque image, et enregistrez les exemples rejetés. Construisez des outils permettant aux gens d’encercler, d’annoter et de commenter des parties d’images, et pas seulement de voter. Examinez chaque image selon des critères du monde réel — accessibilité, sécurité, confort, accueil, inclusion et identité locale — et étiquetez-la comme conceptuelle et non contraignante. Intégrez les commentaires et les avertissements dans les rapports, les cahiers des charges et les discussions de financement. L’IA ne peut pas résoudre une consultation faible, ni créer de la confiance là où elle n’existe pas, mais elle peut intervenir utilement dans l’espace chaotique entre l’expérience de vie des résidents et les dessins techniques de planification. L’avenir de la consultation publique ne doit pas être généré par l’IA, mais dirigé par la communauté, en utilisant l’IA avec prudence pour rendre les idées visibles, contestables et responsables.
