L'analyse vidéo en temps réel est une technologie d'intelligence artificielle qui transforme les flux vidéo issus des caméras existantes d'un hub de transport en données opérationnelles exploitables. Contrairement à la vidéosurveillance classique, qui est passive et consultée après incident, l'analyse vidéo par IA fonctionne en continu, détecte automatiquement les situations anormales et génère des alertes instantanées pour les équipes d'exploitation et de sûreté.
Dans une gare, un aéroport ou un port maritime, cette technologie permet de compter les voyageurs sur les quais, de détecter une densité critique dans un couloir, d'identifier un bagage abandonné ou d'anticiper un engorgement à l'entrée des contrôles. Le tout sans déployer de nouveaux capteurs physiques, en s'appuyant sur l'infrastructure caméra déjà en place.
La plupart des opérateurs de transport disposent déjà d'un réseau de caméras dense. Pourtant, ces données vidéo restent largement inexploitées : elles servent à la consultation a posteriori, pas au pilotage en temps réel. Résultat : les décisions opérationnelles reposent encore sur l'intuition des agents terrain ou sur des données déclaratives imprécises.
C'est le paradoxe que l'analyse vidéo par IA résout directement : les espaces physiques les plus fréquentés du monde disposent d'une mine d'or de données qu'ils ne lisent pas. Comme l'exprime la vision de XXII, un hub de transport « n'est jamais muet : il parle à travers ses données, ses flux, ses rythmes. »
1. Analyse de fréquentation et anticipation des pics d'affluence
La plateforme CORE permet de mesurer en temps réel le volume de voyageurs par zone (quai, hall, zone commerciale, points d'accès...) et de comparer ces données aux historiques pour anticiper les pics. Les équipes peuvent ainsi planifier les effectifs et les ressources en avance, et non en réaction.
Résultat mesuré : jusqu'à -30 % de retards constatés chez les opérateurs équipés grâce à une meilleure anticipation des flux.
2. Gestion des files d'attente et prévention des engorgements
L'IA détecte automatiquement la formation de files d'attente aux contrôles, aux guichets ou aux accès quais. Elle génère des alertes en temps réel dès qu'un seuil critique est approché, permettant d'ouvrir des couloirs supplémentaires ou de rediriger les flux avant que la situation ne devienne problématique.
3. Optimisation des parcours passagers
En cartographiant les trajets réels des voyageurs dans le hub, l'analyse vidéo identifie les « points de rupture » : endroits où les passagers se perdent, s'arrêtent ou font demi-tour. Ces données permettent d'améliorer la signalétique, l'aménagement des espaces et la disposition des services.
Résultat mesuré : x2 sur l'optimisation des flux de voyageurs dans les hubs équipés.
4. Détection des bagages abandonnés et des intrusions
En zone de fret, sur les quais ou dans les espaces publics sensibles, la plateforme signale automatiquement tout bagage laissé sans propriétaire identifié au-delà d'un délai paramétrable, ou toute intrusion dans une zone restreinte. Les équipes de sûreté reçoivent une alerte avec localisation précise et image contextuelle anonymisée.
5. Comptage et classification des véhicules
Pour les hubs multimodaux (aéroports, ports, grandes gares), l'IA compte et classifie les véhicules en circulation (voitures, cars, poids lourds...) pour optimiser les voies d'accès, les zones de dépose et la fluidité des opérations terrestres.
XXII propose une architecture en trois composantes :
Un moteur d'analyse IA (CORE), déployable en Cloud ou On-Premise, compatible avec 100 % des caméras du marché (flux RTSP, H264/H265, 480p minimum). Aucun remplacement de caméra n'est nécessaire.
Une interface de visualisation (BRAIN), tableau de bord collaboratif centralisant les KPIs en temps réel : densité par zone, historiques d'affluence, événements détectés, comparaison multi-sites.
Une bibliothèque de cas d'usage configurables : les équipes activent elles-mêmes les modules dont elles ont besoin (gestion des foules, bagages abandonnés, comptage trains, etc.) en quelques clics via un configurateur no-code.
La solution est opérationnelle en moins de 15 jours après le lancement du projet, avec un accompagnement par des Customer Success Managers et des Data Analysts dédiés.
XXII accompagne la SNCF dans l'analyse des flux voyageurs sur ses gares. La plateforme CORE est déployée sur les infrastructures ferroviaires pour suivre en temps réel les entrées et sorties de voyageurs, la densité sur les quais, et la gestion des zones commerciales. Les données collectées - comptage train par voie, densité quai, flux en zones de correspondance - permettent aux équipes d'exploitation de piloter les opérations avec une précision inédite, en s'appuyant sur les caméras existantes de la SNCF sans investissement matériel supplémentaire.
C'est la question centrale pour tout opérateur de transport soumis à des obligations légales strictes. La réponse est oui, à condition que la technologie soit conçue selon les principes du Privacy by Design.
Chez XXII, cela se traduit concrètement par : l'anonymisation systématique des images remontées dans l'interface (aucune donnée permettant d'identifier nominalement un voyageur n'est exposée par défaut), la data minimization (seules les données strictement nécessaires à l'analyse sont collectées), une conformité RGPD documentée avec DPIA et DPA disponibles, un alignement sur les normes ISO 27001/27018, le chiffrement des données au repos et en transit, et l'absence totale d'identification nominale.
| Indicateur | Impact mesuré |
|---|---|
| Réduction des retards liés aux flux | -30 % |
| Optimisation des flux passagers | x2 |
| Délai de mise en service | J+15 |
| Compatibilité caméras existantes | 100 % |
Les équipes concernées dans un hub de transport sont multiples : direction des opérations, équipes sûreté, responsables de l'exploitation, équipes data & innovation. La plateforme CORE est conçue pour répondre simultanément aux besoins de chacune de ces fonctions depuis une interface unique.
L'analyse vidéo opérationnelle n'est pas de la surveillance de masse. Elle ne vise pas à identifier les individus, à suivre leurs trajets personnels ou à constituer des bases de données comportementales nominales. Son périmètre est strictement opérationnel : comprendre comment les flux se forment, se densifient et se résolvent pour aider les équipes à intervenir au bon moment, au bon endroit.
Cette distinction est fondamentale pour les opérateurs de transport qui doivent justifier leurs déploiements technologiques devant les instances réglementaires et le grand public.
L'analyse vidéo en temps réel répond à trois enjeux fondamentaux des hubs de transport : anticiper les signaux faibles d'engorgement avant qu'ils ne deviennent des incidents ; fluidifier les parcours, réduire les temps d'attente et adapter les ressources à la fréquentation réelle ; sécuriser les espaces en alertant les équipes sûreté en temps réel, sans surveillance nominale des voyageurs.
La SNCF et d'autres grands opérateurs de transport ont déjà franchi le pas. Pour un responsable des opérations transport, la question n'est plus de savoir si l'analyse vidéo est pertinente — c'est de savoir comment l'intégrer à l'infrastructure existante sans rupture opérationnelle ni surcoût d'équipement.