Quand les algorithmes veillent sur la ville : comment les données redéfinissent notre sentiment de sécurité quotidien

Nous avons l'habitude de mesurer la sécurité d'une ville avec nos sens : la luminosité des lampadaires, la densité des passants lors des retards nocturnes, la lumière encore allumée du café du coin. Pourtant, à un niveau invisible à l'œil nu, un autre système de "perception" aigu génère une image plus fine de la sécurité urbaine.

En juillet 2026, la revue Nature a publié une revue importante intitulée « Méthodes computationnelles et avenir de la recherche sur la criminalité urbaine ». Des chercheurs de plusieurs institutions internationales ont systématiquement examiné comment la recherche sur la criminalité urbaine a connu une transformation substantielle au cours des dernières décennies grâce à l'émergence de l'informatique et de nouveaux ensembles de données. Cela ne concerne pas seulement l'évolution des méthodologies académiques, mais aussi notre vie urbaine quotidienne.

Des cartes de points chauds à l'inférence causale

À la fin des années 1980, le criminologue Sherman et ses collègues ont proposé le concept de « points chauds de criminalité », selon lequel les comportements criminels ne sont pas répartis aléatoirement mais fortement concentrés dans des lieux spécifiques. Cette découverte a donné naissance à des stratégies policières basées sur les cartes, et a incité les gestionnaires urbains à se demander : peut-on « prédire » la criminalité à l'aide de données ?

Aujourd'hui, l'apprentissage automatique et les capacités de calcul à grande échelle rendent cette prédiction plus fine et plus complexe. Les chercheurs ne se contentent plus de prévoir « où un crime pourrait se produire », mais cherchent à comprendre « pourquoi » — en menant des inférences causales plus rigoureuses via des méthodes computationnelles. L'article indique que des technologies telles que la vision par ordinateur et le traitement automatique du langage naturel peuvent extraire des signaux utiles à partir de sources non traditionnelles comme les vidéos de surveillance, les textes de réseaux sociaux et les données d'appareils mobiles, aidant à comprendre les facteurs environnementaux, sociaux et comportementaux derrière la criminalité.

Quand la ville devient un laboratoire

Pour les citadins, ce changement n'est pas hors de portée. À Londres, la police a utilisé des algorithmes pour optimiser les patrouilles ; à Chicago, des modèles de risque basés sur des données historiques ont été employés pour identifier les individus susceptibles d'être impliqués dans des violences par armes à feu ; à Barcelone, les chercheurs ont combiné les flux de trafic et la conception des espaces publics pour analyser l'impact de l'éclairage nocturne sur le sentiment de sécurité.

Mais il faut noter que cette revue académique ne chante pas simplement les louanges de la technologie. Les auteurs reconnaissent que la recherche actuelle fait face à de nombreux défis : biais des données, équité des algorithmes, limites de la vie privée, et le fait que les échantillons sont principalement concentrés dans les pays occidentaux (en particulier les États-Unis). Si un algorithme de sécurité urbaine ne « comprend » que la logique de certaines villes, il pourrait produire des conclusions apparemment neutres mais en réalité biaisées lorsqu'il est généralisé à d'autres contextes culturels dans le monde.

Villes du futur : besoin d'une science plus ouverte

Cette revue propose trois orientations clés : l'intégration interdisciplinaire, l'amélioration des normes de science ouverte, et l'extension du champ de recherche au-delà du monde occidental. Cela fait écho à la question centrale du renouveau urbain contemporain : une bonne vie urbaine ne repose pas uniquement sur la technologie, mais dépend aussi de la confrontation de perspectives multiples et de la transparence du débat public.

Peut-être dans un futur proche, lorsque nous ouvrirons notre téléphone pour consulter l'itinéraire recommandé, un modèle computationnel sous-jacent pèsera-t-il : quel chemin est le plus sûr ? À quelle heure est-il préférable de sortir ? Quel coin du parc nécessite plus d'attention de la communauté ? Les données ne prendront pas toutes les décisions à notre place, mais elles peuvent offrir une nouvelle référence pour la qualité de vie urbaine.L'article de Nature nous ouvre une fenêtre : l'algorithme ne se contente pas de « voir » la ville, il aide aussi la ville à « se voir » elle-même. Et chacun de nous, à la fois objet de ce nouveau regard, est un participant irremplaçable dans le récit de la sécurité urbaine.