en ligneParis —:—/realisations/observatoire-communal
En cours

Observatoire communal

Aider une commune à décider sur des faits : un socle de données publiques, des notes d’arbitrage d’une page, et une règle tenue du premier au dernier chiffre — l’IA ne calcule jamais.

Fig. 1 — schéma, pas une captureune note, trois sources

// 02 — Fiche

Réalisation 03 / 05
Réalisation
03 / 05
Pour qui
Une commune d’environ 15 000 habitants — avec son manager de centre-ville
Période
Depuis août 2026
Secteur
Collectivité territoriale
Type de projet
Projet pilote : données, notes d’arbitrage, puis logiciel en co-conception
Statut
En cours deux livrables remis et publiés, logiciel en co-conception

// 03 — Le contexte

Le contexte.

Les communes prennent chaque jour des décisions sur la vie de leurs habitants : commerces, équipements, services. Elles perçoivent souvent des cas isolés plutôt que des tendances, et les agents qui préparent les décisions assemblent à la main des informations dispersées, pour des rapports que les élus n’ont pas le temps de lire.

Notre interlocuteur, manager de centre-ville, se posait une question précise : pourquoi les commerces semblent-ils tourner autant, et qu’est-ce qui pourrait l’arrêter ?

// 04 — Le problème

Le problème.

Il utilisait déjà des outils d’intelligence artificielle. Ce qui lui coûtait, ce n’était pas l’analyse : c’était l’assemblage du contexte. Les données existent — registres d’entreprises, emploi, population, équipements — mais elles sont éparpillées, dans des formats différents, et difficiles à recouper sans erreur.

Son outil d’IA n’était pas mauvais. Il était aveugle.

// 05 — Ce que nous avons fait

4 volets

Ce que nous avons fait.

  1. Un socle de données publiques

    Quatre sources publiques (registre des entreprises, emploi salarié, recensement, équipements) rassemblées, archivées et recoupées : plus de 150 000 établissements, neuf communes comparables, et une position mesurée parmi plus de 1 800 communes françaises.

  2. Des notes d’arbitrage d’une page

    Un élu ne se connecte pas à un tableau de bord : il lit une page avant un conseil. Chaque note suit le même format : une question, trois chiffres sourcés, un graphique d’écart, ce que l’on ne sait pas, et les options possibles.

    Deux livrables ont été remis et publiés sur un espace sécurisé : une note sur la rotation des commerces, et une fiche de restitution qui accompagne la méthode de notre interlocuteur.

  3. Une doctrine, tenue jusqu’au bout

    • L’IA ne calcule jamais un chiffre. Elle classe, résume et rédige ; les chiffres viennent d’un code vérifiable.
    • Tout chiffre est traçable jusqu’aux enregistrements qui le composent.
    • Fiabilité insuffisante = non-publication. On affiche l’absence plutôt qu’un chiffre fragile.
    • Un chiffre publié ne bouge pas en silence. Les 288 valeurs publiées sont figées et vérifiées automatiquement à chaque mise à jour des données.

  4. Un logiciel en co-conception

    Notre interlocuteur avait commencé à imaginer son propre outil de travail. Nous le concevons désormais ensemble : sa méthode et ses besoins, notre moteur de données, nos écrans.

Note d’arbitrage · une page

Valeurs de démonstration

Question — Le nombre de commerces de proximité suit-il celui des habitants ?

  • + 6 %d’habitants depuis 2019source 1
  • + 21 %de commerces actifs sur la périodesource 2
  • 9communes comparablessource 3

Écart · commerces pour 1 000 habitants

La commune14,2
Médiane des 911,0
1 800 communes9,6

Ce que l’on ne sait pasLa part de locaux vacants, absente des sources publiques.

OptionsA · ne rien changer · B · accompagner les créations · C · réexaminer dans un an.

Sources : 1 recensement · 2 registre des entreprises · 3 base des équipements

Fig. 2 — Le format d’une note d’arbitragemaquette, pas une capture · valeurs de démonstration
Fig. 3 — D’où vient un chiffrel’IA ne calcule jamais

// 06 — Ce que ça change

Objectif ≠ résultat

Ce que ça change.

  • Mesurédonnées publiques

    La donnée a nuancé l’intuition de départ. Il y a bien davantage de fermetures qu’avant ; mais le taux de rotation, lui, n’a pas augmenté, parce que le nombre de commerces a fortement progressé. La rotation se concentre sur une population précise — les commerces sans salarié — qui tourne près de trois fois plus vite que les autres.

    Autrement dit : « il y a de plus en plus de rideaux baissés » et « la rotation est stable » sont vrais tous les deux. Le dire évite de financer une réponse à un problème qui n’est pas celui qu’on croyait.

  • Effets sur les décisionspas encore mesurables

    Les effets sur les décisions de la commune ne sont pas encore mesurables : le projet est en cours.

// 07 — Sous le capot

Sous le capot.

  • Une archive scellée des fichiers publics d’origine, dont l’intégrité est vérifiée.
  • Une chaîne de calcul déterministe en Python, séparée de la couche d’IA.
  • Des tests qui rejouent chaque chiffre publié et chaque classement.
  • Un espace de publication sécurisé, hébergé en France.

// 08 — Et ensuite

La suite se construit avec notre interlocuteur : un premier exercice de sa méthode sur une nouvelle question, les fiches qui l’accompagnent, puis la présentation du logiciel à la direction générale et aux élus.

La même base couvre déjà neuf communes comparables et plus de 1 800 communes françaises : elle peut servir à d’autres collectivités, et leur permettre de se comparer.

Notre démarche pour les collectivités

// 09 — Un projet similaire ? Parlons-en

Vous êtes une collectivité qui veut décider sur des données fiables ?

Découvrir notre démarche pour les collectivités Découvrir le conseil IA
Voir aussi : Cockpit BTP Toutes les réalisations