Réduire les coûts (et les retards) dans les aéroports grâce à l’IA prédictive
L’intelligence artificielle basée sur l’apprentissage automatique collaboratif axé sur les données est susceptible de transformer la gestion du trafic aérien (ATM). Encourager la participation de toutes les parties prenantes, y compris les compagnies aériennes, sera déterminant pour assurer le succès des résultats à l’avenir. «Les compagnies aériennes rechignent actuellement à partager leurs données privées pour contribuer à la prise de décision collaborative», explique Javier Busto, coordinateur du projet AICHAIN (A platform for privacy-preserving Federated Machine Learning using Blockchain to enable Operational Improvements in ATM) de SITA eWAS Application Services en Espagne. «Une fois qu’ils ont rempli leurs plans de vol, la planification et la gestion des ressources du réseau et des capacités de l’espace aérien ont tendance à se faire plus ou moins sans une coordination complète avec les compagnies aériennes.» L’intégration dans le processus décisionnel des données des compagnies aériennes concernant des questions sensibles telles que les coûts, les priorités de vol et les connexions des passagers et des équipages pourrait contribuer à l’élaboration de modèles prédictifs plus efficaces, et permettre une gestion plus fluide des capacités et des attributions de vols à l’avenir. «Le défi ici n’est pas seulement technologique; il s’agit également d’encourager la participation des parties prenantes à l’élaboration de modèles mondiaux communs au profit de l’ATM dans son ensemble», poursuit Javier Busto. «Ces données sont généralement très sensibles sur le plan commercial, couvrant les coûts de carburant et les questions de personnel.»
Attribution prédictive des vols
AICHAIN a été financé dans le cadre de l’entreprise commune SESAR, un partenariat public-privé mis en place pour moderniser le système ATM européen. Le projet visait à améliorer l’attribution des vols en appliquant l’apprentissage automatique aux données sensibles (et non sensibles) de manière décentralisée et protégée. L’idée était que cela apporterait aux compagnies aériennes la sécurité et la confiance nécessaires pour partager leurs données. «Nous avons développé un système d’apprentissage automatique fédéré qui pouvait être entraîné avec ces données sensibles des compagnies aériennes», ajoute Sergio Ruiz, coordinateur scientifique d’AICHAIN, du pôle d’innovation EUROCONTROL basé en France. «Le gestionnaire du réseau, en l’occurrence EUROCONTROL, pourrait alors utiliser ces informations sécurisées pour améliorer la prévision des itinéraires de vol choisis par les compagnies aériennes et les heures de décollage prévues, afin de garantir des opérations plus fluides.» L’apprentissage automatique fédéré a été utilisé dans des industries telles que celles des produits pharmaceutiques et des soins de santé, et AICHAIN voulait démontrer que le concept était applicable à l’ATM. L’équipe s’est concentrée sur deux cas d’utilisation finale spécifiques: la prévision de l’heure de décollage et la prévision de l’itinéraire de vol. Une plus grande prédictibilité pour ces aspects est importante pour réaliser une meilleure gestion du trafic et réduire les capacités latentes, ce qui à son tour réduirait les coûts de l’ATM pour les compagnies aériennes et les passagers. «Les données peuvent être traitées dans les nœuds (par exemple, les systèmes des compagnies aériennes), où se trouvent les données», explique Sergio Ruiz. «Nous avons fait appel à la chaîne de blocs et identifié d’autres technologies respectueuses de la confidentialité pour compléter l’apprentissage automatique fédéré.»
Obtenir l’adhésion des compagnies aériennes
L’équipe du projet a ensuite évalué l’efficacité du système en termes de faisabilité technologique, de valeur opérationnelle et d’acceptation par les parties prenantes. «L’apprentissage automatique fédéré est une technologie assez mature, bien qu’elle ne soit pas très connue dans ce secteur», fait remarquer Javier Busto. «Nous avons démontré que nous pouvions développer un système sur mesure qui protège entièrement la vie privée et génère la confiance et les incitations nécessaires à la participation des compagnies aériennes.» AICHAIN a également travaillé en étroite collaboration avec les autorités compétentes afin de s’assurer que les outils d’apprentissage automatique pouvaient être certifiés pour une utilisation dans l’ATM. Il s’agit d’une étape essentielle pour l’introduction de nouvelles technologies dans un domaine aussi critique sur le plan de la sécurité. «Il s’agit d’un domaine très complexe qui évolue encore», ajoute Sergio Ruiz. «Ainsi, le projet a pu exercer une influence positive sur le processus de certification, en particulier lorsque la confidentialité des données et la transparence des processus sont toutes deux requises.» Le projet a également démontré la puissance de la technologie de la chaîne de blocs en termes de traçabilité et de génération de confiance. «Pour nous, il s’agit d’une technologie de données décentralisée», fait remarquer Sergio Ruiz. «Les données ne sont pas situées sur une plateforme en tant que telle, mais restent chez leurs propriétaires, qui en conservent le contrôle intégral. De là, elles peuvent être exploitées par le gestionnaire du réseau par le biais de la plateforme d’apprentissage fédéré, tout en préservant leur confidentialité.» Javier Busto et Sergio Ruiz considèrent tous deux qu’AICHAIN a apporté une contribution précieuse non seulement à l’amélioration de l’automatisation de l’ATM, mais également au domaine de l’apprentissage automatique fédéré dans son ensemble. «Nous aimerions étudier de nouveaux cas d’utilisation», déclare Sergio Ruiz. «Une partie de cette technologie pourrait être développée assez rapidement. Ce que nous aimerions vraiment voir, c’est plus de compagnies aériennes fournissant des données de manière fédérée et dans le respect de la vie privée. La bonne nouvelle est que davantage de compagnies aériennes ont exprimé leur intérêt pour ce projet.»
Mots‑clés
AICHAIN, vol, cybersécurité, automatisation, compagnies aériennes, données, confidentialité, SESAR
