Mathieu Renard
Depuis 2014, je décortique la façon dont l'intelligence artificielle et les systèmes connectés transforment nos villes. Mon travail consiste à rendre ces sujets accessibles sans perdre leur complexité technique.
D'où vient cette obsession pour les villes intelligentes
Tout a commencé en 2011 quand j'ai participé à un projet de gestion de trafic urbain à Lyon. On utilisait des capteurs basiques pour ajuster les feux de circulation. L'impact était minime, mais l'idée m'a accroché : des données en temps réel pouvaient changer la façon dont une ville fonctionne.
J'ai passé les trois années suivantes à étudier les systèmes de transport intelligents et les réseaux de capteurs. En 2014, j'ai lancé ce blog pour documenter ce que j'apprenais. Au début, c'était surtout technique — protocoles de communication, architectures de données, optimisation algorithmique.
Mais j'ai vite réalisé que parler uniquement de technologie ne suffisait pas. Les gens voulaient comprendre comment ces systèmes affectent leur quotidien. Comment un réseau d'éclairage adaptatif réduit réellement la consommation énergétique. Pourquoi certaines applications de mobilité fonctionnent mieux que d'autres. Ce qui se passe quand les données de circulation sont mal utilisées.
Aujourd'hui, j'explore comment l'intelligence artificielle influence la planification urbaine, la gestion des ressources et les services publics. Je teste des solutions, j'analyse des cas d'usage réels et je partage ce qui marche — et surtout ce qui échoue. Parce que comprendre les échecs vous apprend plus que les succès faciles.
Consultant & formateur
J'accompagne des collectivités et des entreprises dans l'adoption de solutions urbaines intelligentes. Mon approche : moins de théorie, plus de résultats mesurables.
Ce que je maîtrise vraiment
Mes compétences se construisent sur des années de projets concrets, pas sur des certifications en ligne.
Systèmes IoT urbains
Je conçois et déploie des réseaux de capteurs pour la surveillance environnementale, la gestion du trafic et l'optimisation énergétique. MQTT, LoRaWAN, protocoles edge computing.
Machine learning appliqué
J'utilise Python et TensorFlow pour développer des modèles prédictifs : prévision de demande énergétique, détection d'anomalies dans les réseaux, optimisation de flux piétons.
Visualisation de données
Je transforme des ensembles de données complexes en tableaux de bord exploitables. Grafana, D3.js, mappage géospatial avec QGIS et Leaflet.
Audit de solutions urbaines
J'évalue la pertinence technique et économique des projets smart city. Analyse coût-bénéfice, validation d'architecture, identification des risques d'implémentation.
Gouvernance des données
Je structure les politiques de collecte, stockage et partage de données urbaines. RGPD, anonymisation, sécurité des API, stratégies d'accès aux données publiques.
Formation technique
J'organise des ateliers pratiques sur l'IA urbaine, l'analyse de données spatiales et l'intégration de systèmes IoT. Formation orientée application immédiate, pas théorie abstraite.
Ma méthode de travail
Chaque projet suit une logique similaire. Pas de recettes magiques, juste une approche structurée qui évite les erreurs classiques.
Comprendre le problème réel
Beaucoup de projets échouent parce qu'ils cherchent à appliquer une technologie sans bien cerner le besoin. Je commence toujours par identifier les contraintes opérationnelles, les ressources disponibles et les objectifs mesurables. Pas de solution avant d'avoir défini le problème.
Analyser les données existantes
La plupart des villes ont déjà des données exploitables. Avant d'installer de nouveaux capteurs ou de développer des modèles IA, je vérifie ce qui existe. Souvent, une meilleure utilisation des sources actuelles suffit à générer des résultats significatifs.
Prototyper rapidement
Je construis des versions minimales fonctionnelles pour tester les hypothèses. Ça permet de valider l'approche technique sans investir dans une infrastructure complète. Les prototypes révèlent les problèmes que la théorie ne peut pas anticiper.
Mesurer et ajuster
Une fois le système en place, je surveille les métriques qui comptent vraiment. Pas juste les KPI théoriques, mais les indicateurs qui reflètent l'usage réel. Les ajustements se basent sur ce que les données montrent, pas sur ce qu'on espérait voir.