...

Question et réponse écrite n° : 0904 - Législature : 56


Auteur Anthony Dufrane, MR (06327)
Département Ministre de la Mobilité, du Climat et de la Transition environnementale
Sous-département Mobilité, Climat, Transition environ.
Titre L'implémentation de l'outil de messagerie IA Mobi 2.0 (QO 012763C).
Date de dépôt05/02/2026
Langue F
Statut questionRéponses reçues
Date de délai13/03/2026

 
Question

La SNCB a récemment lancé Mobi 2.0, un assistant virtuel basé sur l'intelligence artificielle (IA) générative, capable de comprendre 99 % des questions des voyageurs et d'offrir un service multilingue et multi-plateformes. Cet outil, qui vise à améliorer l'expérience client en libérant le personnel pour des demandes plus complexes, soulève des questions importantes concernant les risques d'hallucination, la sécurité des données, la consommation énergétique et l'empreinte carbone liée à son utilisation. Alors que la SNCB se positionne comme pionnière dans l'utilisation de l'IA pour les services publics en Belgique, il est essentiel de clarifier les garanties mises en place pour assurer la fiabilité, la sécurité, et la durabilité de cet outil, ainsi que les mesures envisagées pour compenser son impact environnemental. 1. a) Quels sont les protocoles mis en place pour limiter les risques d'hallucination de l'agent IA Mobi 2.0 et comment la SNCB s'assure-t-elle que les réponses fournies aux sont précises et fiables? b) Des mécanismes de vérification ou de supervision humaine sont-ils intégrés pour corriger les erreurs éventuelles? 2. Quel est le protocole d'IA utilisé pour Mobi 2.0? 3. a) Quelles sont les garanties en matière de protection des données personnelles des usagers? b) Comment la SNCB s'assure-t-elle que les échanges via cet outil respectent le RGPD et les normes de cybersécurité en vigueur? 4. a) Quelle est la consommation énergétique estimée de l'agent IA Mobi 2.0, et comment cet impact est-il évalué par rapport aux bénéfices apportés en termes d'efficacité et de service client? b) Des audits énergétiques ou des évaluations environnementales ont-ils été réalisés pour mesurer l'empreinte carbone de cet outil? 5. Quelles sont les solutions envisagées pour compenser le CO2 produit par l'utilisation de Mobi 2.0? 6. a) Comment Mobi 2.0 contribue-t-il concrètement à améliorer l'expérience client, notamment en termes de rapidité, de personnalisation et d'accessibilité du service? b) Des retours d'expérience ou des enquêtes de satisfaction ont-ils été menés pour évaluer l'accueil de cet outil par les voyageurs?


 
Statut 1 réponse normale - normaal antwoord - Réponse publiée
Publication réponse     B042
Date publication 19/02/2026, 20252026
Réponse

1 et 2. Mobi 2.0 s'appuie sur des sources internes validées et une architecture de type Retrieval-Augmented Generation, combinée à des règles de comportement et des garde-fous éthiques. Les réponses sont suivies quotidiennement par des experts, avec un taux d'erreur inférieur à 1 %. Les utilisateurs sont informés qu'ils interagissent avec un outil automatisé. 3. Mobi 2.0 repose sur un modèle de langage développé par OpenAI, intégré via une infrastructure sécurisée opérée par Microsoft. Le système respecte le RGPD: données chiffrées, accès strictement limité, durées de conservation encadrées et aucune utilisation des données pour l'entraînement des modèles. 4. La SNCB veille à limiter la consommation énergétique de Mobi 2.0, notamment en utilisant des modèles de langage plus légers lorsque possible. Aucun audit énergétique spécifique n'a encore été réalisé. L'évaluation s'inscrit dans une approche globale tenant compte des bénéfices opérationnels et de l'infrastructure cloud, alignée sur la stratégie environnementale de Microsoft. 5. À ce stade, il n'y a pas encore mesure spécifique de compensation qui a été définie. La question s'inscrit dans une réflexion plus large sur l'IA durable et la stratégie environnementale de la SNCB. 6. Mobi 2.0 permet des réponses plus rapides, plus naturelles et disponibles 24 heures sur 24 et 7 jours sur 7. La satisfaction des utilisateurs est passée d'environ 60 % à près de 80 % lors de la phase de test. En prenant en charge les demandes récurrentes, l'outil libère du temps pour les agents humains sur les cas plus complexes.