Projet financé · 24 mois ESPOIR-Jeunes · MESRI Catégorie B · Écosystèmes

Une mobilité urbaine intelligente, multimodale et inclusive pour le Sénégal

E-TAKHAWAL-MaaS est une Infrastructure Publique Numérique de Mobility as a Service souveraine, qui agrège l'offre de transport de Dakar et intègre le covoiturage dynamique en rabattement sur le transport public.

Découvrir le projet → Contacter l'équipe

50 MFCFA de financement

24mois · 4 phases

24chercheurs & experts

TRL 5-6prototype visé

Le projet

Combler le déficit d'une mobilité urbaine fragmentée

Dans la métropole de Dakar, l'offre de transport est désagrégée : données éparses, opérateurs multiples (TER, BRT, Dakar Dem Dikk, taxis collectifs « clandos », cars rapides) et systèmes d'information non interopérables. Les habitants subissent des temps de trajet longs et imprévisibles, des coûts élevés et une pollution croissante.

🧩

Le problème

Aucune plateforme intégrée d'agrégation multimodale n'existe : les flux ne sont pas optimisés, la planification ne s'appuie pas sur les données et le transport semi-formel reste exclu d'un écosystème numérique cohérent.

💡

La solution

Une plateforme souveraine de Mobility as a Service adaptée au contexte sénégalais, intégrant le véhicule individuel (covoiturage dynamique multimodal) dans l'offre globale de transport public et privé de Dakar.

🌍

L'ambition

Une Infrastructure Publique Numérique (DPI) de mobilité, réplicable aux autres métropoles ouest-africaines (Abidjan, Bamako, Conakry), au service de la souveraineté numérique du continent.

Objectifs spécifiques

Ce que le projet va concrètement réaliser

Développer et expérimenter une plateforme MaaS souveraine de niveau TRL 5-6 sur le territoire métropolitain de Dakar.

Agréger les données hétérogènes

Données statiques et dynamiques (NeTEx / GTFS / GTFS dynamique) des opérateurs de mobilité de Dakar via un moteur IoT multi-SI.

Optimiser les itinéraires

Moteur d'optimisation combinatoire multicritère (temps, coût, énergie, carbone, accessibilité PMR) couplé à une API Web de covoiturage multimodal.

Interface intelligente « smart UIX »

Définir une requête de mobilité en 3 clics et moins de 10 secondes, avec un dashboard décisionnel multi-niveau (autorités, opérateurs, conducteurs, usagers).

Expérimenter à Dakar

Une expérimentation pilote sur le territoire métropolitain, dimensionnée pour ≥ 3 000 requêtes/minute en temps réel.

Mesurer les gains écologiques

Quantifier les émissions évitées vs consommées (individuelles et collectives) et produire publications, policy briefs et prototype.

Former & transférer

Renforcer les capacités en IA/IoT à l'ESP de Dakar (formation doctorale) et préparer un transfert technologique vers le CETUD et les opérateurs.

Architecture système

Une architecture multicouche en 5 niveaux

Reprise et adaptée au contexte dakarois à partir de l'architecture validée sur le territoire de Belfort-Montbéliard (Canalda, Dioum et al., ROADEF 2024).

Acquisition IoT

Capteurs GPS sur véhicules (TER, BRT, bus DDD), comptage passagers, terminaux de validation, caméras, bornes d'information — collecte temps réel (localisation, fréquentation, état des portes, trafic).

Communication

Réseau 4G/5G et Wi-Fi sécurisé pour la transmission des données vers la plateforme centrale. Infrastructure de cybersécurité pour la protection des données sensibles.

Data Lake national

Agrégation sémantique des données hétérogènes, extraction DataStatic | Dynamic aux formats GTFS/NeTEx, normalisation multi-SI via modélisation ontologique, APIs REST sécurisées.

Moteur IA + Optimisation

Apprentissage supervisé (prédiction de congestion, détection d'anomalies, estimation de la demande) couplé à un algorithme hybride tabou + programmation dynamique Cut&Price&Share.

Interfaces & aide à la décision

Dashboard décisionnel multi-niveau (AOM, opérateurs, conducteurs) et application mobile usagers avec interface smart UIX — définition de l'offre/demande et validation en 3 clics.

Méthodologie

Une démarche Agile en 4 phases sur 24 mois

Méthodologie en sprints, s'adossant à l'API Web de covoiturage multimodal développée par FEMTO-ST (projet Mu-CAR) et adaptée au territoire de Dakar.

Phase 1 · M1–M4

Conception de l'architecture & agrégation des données

Modélisation ontologique des données multimodales, architecture IoT 5 couches, construction de la Matrice Origine-Destination via SIG. Jalon : architecture validée + données agrégées V1.

Phase 2 · M5–M12

Développement du moteur IA & de l'API Web

Moteur IA prédictif (apprentissage supervisé, détection d'anomalies, estimation de la demande), algorithme hybride tabou couplé à Cut&Price&Share. Jalon : API Web fonctionnelle + moteur IA validé.

Phase 3 · M13–M16

Intégration, tests de performance & smart UIX

Validation fonctionnelle, tests de charge (≥ 3 000 req/min, serveur 400K req/h), audits sécurité, interface smart UIX en 3 clics. Jalon : plateforme intégrée + tests OK.

Phase 4 · M17–M24

Expérimentation pilote à Dakar & valorisation

Déploiement territorial, évaluation socio-anthropologique de l'acceptabilité, mesure des KPIs carbone, incitations comportementales et tarifaires. Jalon : résultats pilote validés, KPIs atteints.

Le consortium

Une équipe de 24 chercheurs & experts

Un partenariat international ESP–UBFC/FEMTO-ST réunissant chercheurs seniors, post-doctorants, doctorants, ingénieurs et étudiants en master, avec un équilibre de genre pris en compte.

Pr Gervais MENDY

ESP/UCAD · Chercheur SéniorChercheur Principal (PI) — Direction scientifique & gouvernance

Pr Ibra DIOUM

ESP/UCAD · Chercheur SéniorCo-PI — Architecture IoT & IA prédictive des flux

Aminata Diop DIENE

ESP/UCAD · Chercheur SéniorModélisation des flux & contrôle optimal

Ahmath Bamba MBACKE

ESP/UCAD · Chercheur SéniorData Lake & gouvernance des données (CDP)

Mariame NIANG

ESP/UCAD · Post-doctorantePositionnement IoT & communications sans fil

Philippe CANALDA

UMLP/FEMTO-ST · Enseignant Chercheur SéniorAPI Web de covoiturage dynamique multimodal

Amath NDIAYE

CETUD · Expert en transportDonnées de mobilité dakaroises & lien terrain

Macodou GUEYE

CETUD · Ingénieur système · Expert transportInterfaçage des systèmes BRT & expérimentation pilote

Fatou NGOM

ESP/UCAD · Post-doctoranteApplication mobile usagers & dashboards décisionnels

Mamadou Diallo DIOUF

EPT · Chercheur SéniorConception & dimensionnement de l'architecture IoT

Boudal NIANG

ESMT · Enseignant Chercheur SéniorArchitecture IoT & maîtrise énergétique des dispositifs

Erick Gauthier GBETIE

ESMT · Ingénieur Réseaux & Télécoms · DoctorantCollecte, agrégation & prétraitement des données capteurs

Oumaya BAALA

UTBM/FEMTO-ST · Chercheur SéniorDonnées cellulaires & optimisation par renforcement

Anna JOLIOT

UMLP/FEMTO-ST · DoctoranteRecherche opérationnelle — résolution exacte MILP

Serigne Mbacké SECK

CUREM · DocteurDynamique territoriale, PDU/PCM & impacts sociospatiaux

Ibrahima NDIAYE

ESEA/UCAD · Chercheur SéniorAnalyse socio-anthropologique de l'acceptabilité

Vincent BERTRAND

UMLP/CRESE · Chercheur SéniorÉconomie de la transition écologique & décarbonation

Igor AGBOSSOU

UMLP/THEMA · Chercheur SéniorGéomatique, jumelage numérique & nouvelles énergies

Babacar KAMARA

CUREM · Expert logistique urbaineModélisation des flux multimodaux & Matrice O-D

Doctorante 1

LITA-ESP/UCAD · DoctoranteIA prédictive — congestion & demande multimodale

Doctorant 2

LITA-ESP/UCAD · DoctorantOptimisation combinatoire du covoiturage dynamique

Master 1

LITA-ESP/UCAD · Étudiante en MasterCouche d'acquisition IoT — données temps réel

Master 2

LITA-ESP/UCAD · Étudiante en MasterInterface smart UIX & dashboard décisionnel

Master 3

LITA-ESP/UCAD · Étudiant en MasterData Lake mobilité — normalisation NeTEx/GTFS

Composition conforme aux exigences de la Catégorie B — partenariat international ESP–UBFC/FEMTO-ST. 24 membres au total : 7 chercheurs seniors, 4 chercheurs de la diaspora, 2 post-doctorants, 3 doctorants, 1 ingénieur, 3 experts (Autorité Organisatrice de la Mobilité) et 4 étudiants en master. L'équilibre de genre a été pris en compte.

Institutions partenaires du consortium

ESP de DakarÉcole Supérieure Polytechnique

LITAInformatique, Télécoms & Applications

UCADUniversité Cheikh Anta Diop

CETUDAutorité Organisatrice des Mobilités

ESMTÉcole Sup. Multinationale des Télécoms

EPTÉcole Polytechnique de Thiès

UMLP / UBFCUniversité Marie & Louis Pasteur

FEMTO-STCNRS · Besançon, France

Impact attendu

Des retombées environnementales, sociales et scientifiques

Le projet s'aligne sur l'Agenda 2050 du Sénégal, la souveraineté numérique, les objectifs CEDEAO/UEMOA/UA Smart Cities et la loi LOM adaptée au contexte africain.

−50%

d'émissions de CO₂ par km (de 95 à 47 gCO₂/km en solution multimodale covoiturage/bus)

−15%

du temps de trajet moyen et de la consommation énergétique sur la zone pilote de Dakar

605 kg

de CO₂ évités par an et par usager (trajet domicile-travail de 30 km)

+8→20%

d'augmentation du taux d'utilisation du transport public sur le périmètre pilote

🌱

Impacts environnementaux

Mesure individuelle et collective des émissions évitées, valorisables via crédits carbone (Gold Standard, Verra). Réduction des nuisances sonores et de la pollution atmosphérique (NOₓ, PM10) dans la métropole de Dakar.

🤝

Impacts socio-économiques

Amélioration de l'accessibilité pour les populations périurbaines, création d'emplois numériques, potentiel de startup deeptech, formation doctorale IoT/IA et réduction des inégalités liées à la mobilité.

Résultats attendus

10 livrables clés

Des livrables techniques et scientifiques jalonnant les 24 mois du projet.

L1Rapport de conception de l'architecture IoT multicouche M4

L2API Web de covoiturage multimodal en rabattement adaptée à Dakar M12

L3Moteur IA prédictif intégré M12

L4Interface smart UIX + dashboard décisionnel M16

L5Démonstrateur intégré validé fonctionnellement M16

L6Rapport d'expérimentation pilote Dakar avec KPIs M22

L7Publications scientifiques (IEEE / Elsevier / ROADEF) M20–M24

L8Policy briefs & supports de valorisation M22–M24

L9Dépôt logiciel / protection PI (INPI / OAPI) M18

L10Plan de transfert & modèle économique M24