Mobility as a Service (MaaS) : comment unifier taxi, métro et vélo dans une seule application au Canada ?

Jongler entre l’application de la STM pour le métro, Uber pour un retour tardif et BIXI pour le dernier kilomètre est une réalité quotidienne pour de nombreux citadins à Montréal ou Toronto. La promesse du « Mobility as a Service » (MaaS) est séduisante : une seule application pour planifier, réserver et payer tous ses déplacements. Pourtant, malgré les avancées technologiques, peu de plateformes parviennent à offrir cette expérience véritablement intégrée. Le discours ambiant se concentre souvent sur les interfaces utilisateurs ou les algorithmes, mais passe à côté de l’essentiel.

L’enjeu n’est pas simplement de regrouper des services, mais d’orchestrer une collaboration complexe entre des acteurs aux intérêts divergents, comme les sociétés de transport public (exo, GO Transit), les services de vélopartage et les géants du VTC. Et si la clé du succès ne résidait pas dans la couche visible de l’application, mais dans l’architecture invisible qui la soutient ? Le véritable défi pour un stratège en innovation est d’identifier et de démanteler méthodiquement chaque micro-friction qui décourage l’usager et chaque fracture logistique qui fragilise le réseau.

Cet article n’est pas un énième manifeste sur l’avenir de la mobilité. C’est un guide d’architecte. Nous allons analyser les points de rupture critiques d’un écosystème MaaS — paiement, partage de données, tarification, couverture du territoire — et détailler les leviers stratégiques et techniques pour construire une solution robuste et adoptée par les usagers au Canada.

Cet article propose une analyse structurée pour vous guider dans la conception d’une plateforme MaaS efficace. Le sommaire ci-dessous vous donne un aperçu des défis et des solutions que nous allons aborder.

Pourquoi devoir entrer sa carte de crédit trois fois tue-t-il l’adoption de votre app ?

La friction de paiement est le premier et le plus grand tueur d’adoption pour une application MaaS. Un usager qui doit créer un compte, sortir sa carte de crédit et valider un paiement pour le métro, puis répéter l’opération pour louer un vélo 30 minutes plus tard, ne perçoit aucune valeur ajoutée. L’expérience reste fragmentée et fastidieuse. Le succès d’une plateforme unifiée repose sur sa capacité à créer un portefeuille de mobilité unique, où un seul enregistrement de paiement suffit pour accéder à l’ensemble de l’écosystème de transport.

L’appétit des usagers pour cette simplification est indéniable au Québec. Pour preuve, l’Autorité régionale de transport métropolitain (ARTM) a enregistré près de 490 000 transactions réalisées avec la recharge OPUS mobile entre avril et juin 2024, démontrant une adoption rapide dès qu’une barrière est levée. La complexité n’est pas une fatalité, mais un choix de conception à éviter à tout prix.

L’exemple de l’intégration de BIXI dans l’application Transit à Montréal est un cas d’école. Transit a été la première application à Montréal à permettre aux usagers de payer leur bus et leur vélo en libre-service via un compte unifié. L’utilisateur planifie un trajet multimodal, achète son titre de bus, puis déverrouille un BIXI pour le dernier kilomètre, le tout sans friction, sans changer d’application ni de compte. C’est cette fluidité qui transforme une collection de services en une véritable solution de mobilité intégrée.

Comment convaincre Uber et la STM de partager leurs données pour le bien commun ?

La promesse d’une application MaaS capable d’optimiser les trajets en temps réel se heurte à un obstacle majeur : les silos de données. Chaque opérateur, qu’il soit public comme la Société de transport de Montréal (STM) ou privé comme Uber, protège jalousement ses données d’exploitation. Pour un architecte de solutions, convaincre ces acteurs de collaborer ne relève pas de la persuasion, mais de la mise en place d’une structure de gouvernance incitative et neutre. La simple demande de « partager pour le bien commun » est vouée à l’échec.

La clé réside dans la création d’un cadre où le partage de données devient une condition d’opération et une source de revenus. La stratégie doit s’articuler autour de plusieurs leviers concrets :

• Créer une autorité régionale neutre : Une entité comme l’ARTM doit agir comme un tiers de confiance qui centralise la gouvernance des données de mobilité, garantissant l’anonymat et la sécurité, et définissant les règles du jeu pour tous les acteurs, publics comme privés.
• Développer des API standardisées obligatoires : L’obtention ou le renouvellement d’une licence d’exploitation sur le territoire métropolitain doit être conditionné à l’intégration avec une API de données standard (ex: General Transit Feed Specification – RT pour le temps réel). Cela transforme le partage de données d’une faveur en une obligation.
• Mettre en place un système de compensation : Les opérateurs privés doivent être rémunérés pour le partage de leurs données anonymisées. Lorsque les données d’un acteur privé permettent d’optimiser le réseau global (ex: réduire la congestion, améliorer les correspondances), cet apport de valeur doit être quantifié et compensé financièrement.

Ce n’est qu’en créant un modèle où chaque participant a un intérêt direct — réglementaire et financier — à contribuer à l’écosystème que la vision d’une mobilité véritablement intelligente et connectée peut se matérialiser. L’architecture de la confiance est aussi importante que l’architecture logicielle.

Abonnement mensuel tout inclus ou paiement à l’usage : quel modèle fidélise le mieux ?

Une fois le paiement unifié et les données partagées, la question du modèle tarifaire devient centrale. Le modèle traditionnel de l’abonnement mensuel (comme la carte OPUS) est prévisible mais rigide, ne s’adaptant pas aux nouvelles habitudes de travail hybride. À l’inverse, le paiement à l’usage pur offre de la flexibilité mais n’incite pas à la fidélité. Le modèle le plus prometteur, qui émerge dans plusieurs villes canadiennes, est le plafonnement tarifaire dynamique (fare capping).

Le principe est simple : l’usager paie à chaque trajet, mais le système arrête de le facturer une fois qu’il a atteint l’équivalent du coût d’un abonnement mensuel ou hebdomadaire. Ce modèle combine le meilleur des deux mondes : la flexibilité pour l’usager occasionnel et la prévisibilité des coûts pour l’usager régulier, sans engagement initial. Alors que près de 50% des achats de titres de transport à Montréal sont maintenant réalisés via téléphone mobile, la technologie est mûre pour de tels modèles dynamiques.

Une analyse des initiatives en cours au Canada montre une tendance claire vers cette flexibilité, bien que Montréal accuse un certain retard.

Pour un architecte MaaS, l’implémentation du plafonnement tarifaire est un levier de fidélisation puissant. Il supprime la barrière psychologique de l’abonnement initial et récompense automatiquement la loyauté. En rendant le transport collectif aussi simple et juste que possible, on incite naturellement à la substitution modale, délaissant la voiture au profit d’un réseau perçu comme plus intelligent et plus économique.

Le problème du « dernier kilomètre » en banlieue que l’application ne résout pas

Une application MaaS, aussi performante soit-elle, n’est qu’une interface. Elle ne peut résoudre les fractures physiques du réseau de transport. Le défi le plus criant au Canada est celui du « premier et dernier kilomètre » dans les zones périurbaines et les banlieues à faible densité. Un usager peut prendre un train de banlieue efficace, mais s’il lui reste 3 kilomètres à parcourir à pied depuis la gare jusqu’à son domicile, sans option de transport alternative, l’attrait de la voiture individuelle reste immense.

La solution ne se trouve pas uniquement dans le code, mais dans l’intégration stratégique de solutions de transport complémentaires. L’application MaaS doit devenir l’orchestrateur de ces options. L’évolution de l’application Chrono de l’ARTM en est un bon exemple. Conçue initialement pour le transport collectif, elle a su s’adapter en intégrant des partenaires comme BIXI, et plus récemment Communauto. Cette association permet de combiner le train ou le bus avec le vélopartage ou l’autopartage pour combler les trous dans le réseau et offrir une véritable alternative de porte-à-porte.

Pour un stratège, s’attaquer au dernier kilomètre signifie cartographier les zones mal desservies et y déployer des solutions ciblées, toutes accessibles depuis la plateforme MaaS. Cela passe par un plan d’action concret pour recoudre le réseau de mobilité.

En somme, l’application ne « résout » pas le problème, mais elle est l’outil indispensable qui rend les solutions visibles, accessibles et faciles à utiliser pour l’usager final.

Quand l’intelligence artificielle peut-elle rerouter l’usager avant qu’il ne subisse la panne ?

L’intelligence artificielle dans le contexte du MaaS va bien au-delà de la simple suggestion d’itinéraire. Sa véritable valeur ajoutée réside dans sa capacité à passer d’une logique réactive à une logique prédictive et proactive. L’objectif ultime n’est pas d’informer l’usager qu’une panne de métro vient de survenir, mais de lui proposer un itinéraire alternatif avant même qu’il n’arrive à la station fermée. Le but est de transformer un problème subi en une solution anticipée.

Ce reroutage proactif nécessite la fusion de multiples sources de données en temps réel : état du trafic routier, position des bus, disponibilité des vélos en libre-service, et surtout, les données prédictives sur l’état du réseau (maintenance, incidents probables). En analysant les schémas de déplacement de milliers d’usagers, l’IA peut anticiper les points de congestion et les cascades de retards, puis rediriger les flux d’usagers de manière dynamique pour maintenir la fluidité globale du système.

Cette vision dépend entièrement de l’adoption massive de la plateforme numérique. Comme le souligne Sylvain Perras, directeur des technologies de l’information de l’ARTM, la cible est claire. Selon lui, « on vise quelque chose comme 70% des gens qui passeront au numérique une fois que la validation avec le téléphone sera possible à Montréal ». Avec un tel volume de données, l’IA disposera enfin de la matière première nécessaire pour passer de l’information à l’anticipation, améliorant non seulement le confort individuel mais aussi la résilience de tout le réseau de transport.

L’architecte de solutions doit donc concevoir un système capable non seulement de collecter ces données, mais aussi de les traiter en temps réel pour générer des recommandations qui inspirent confiance et évitent la frustration.

Quand unifier les titres de transport pour qu’une carte fonctionne du train au bus ?

L’unification des titres de transport est la matérialisation la plus concrète de l’interopérabilité. L’objectif est simple : permettre à un usager d’utiliser un seul support — que ce soit une carte physique ou, idéalement, son smartphone ou sa carte bancaire — pour accéder à tous les modes de transport du réseau métropolitain. La fin de la jungle des titres (tickets de bus, passes de train, etc.) est une étape non négociable pour une expérience MaaS fluide. Technologiquement, la solution est déjà là et se déploie rapidement.

Le paiement sans contact directement aux portillons et dans les bus est en train de devenir la norme. Au Canada, l’adoption est déjà bien avancée, comme le confirme Interac, qui indique que plus de 10 réseaux de transport majeurs au Canada acceptent maintenant le paiement par carte bancaire sans contact. Cette technologie « open loop » permet de s’affranchir des cartes de transport propriétaires et d’utiliser un moyen de paiement que l’usager possède déjà.

Dans la région de Montréal, ce virage numérique est en cours et suit un calendrier précis. La modernisation menée par l’ARTM est une avancée majeure, même si elle se fait par étapes. Comme le rapporte une analyse détaillée du virage numérique de l’ARTM, après la recharge de la carte Opus par téléphone début 2024, le paiement par carte bancaire est prévu dans le métro et le REM dès la fin 2024, puis progressivement dans les bus d’ici fin 2026. La STM a déjà commencé à installer les nouveaux équipements compatibles.

Pour l’architecte MaaS, la question n’est plus « si » mais « comment » intégrer ces nouvelles capacités. L’application doit devenir le centre de contrôle de ce système « open loop », en permettant à l’usager de lier sa carte bancaire, de suivre ses dépenses, de visualiser son historique de trajets et de bénéficier automatiquement des meilleurs tarifs grâce au plafonnement dynamique.

L’erreur de vouloir tout mesurer qui noie votre équipe sous des alertes inutiles

Dans un système MaaS riche en données, la tentation est grande de vouloir tout mesurer : temps de trajet moyen, nombre de téléchargements, taux de clics, etc. Cependant, cette avalanche de métriques conduit souvent à une paralysie par l’analyse et noie les équipes sous des alertes sans réelle signification. Un architecte de solutions efficace ne mesure pas tout ; il mesure ce qui compte. Il doit remplacer les « vanity metrics » par des indicateurs de performance clés (KPIs) qui reflètent véritablement l’impact de la plateforme sur le comportement des usagers.

Plutôt que de se perdre dans des tableaux de bord tentaculaires, la stratégie doit se concentrer sur une poignée de KPIs actionnables qui mesurent la qualité du service perçue et le changement modal :

• Temps de Trajet Fiable (TTF) : Au lieu de la vitesse moyenne, cet indicateur mesure le pourcentage de trajets qui se terminent dans la fenêtre de temps promise à l’usager. Il reflète la prévisibilité et la fiabilité du service, qui sont plus importantes que la vitesse pure.
• Taux de substitution modal : Ce KPI cherche à quantifier le nombre de trajets en voiture qui ont été réellement remplacés par une alternative MaaS. Il peut être mesuré via des sondages intelligents et non intrusifs intégrés à l’application après un trajet.
• Analyse de cohortes ciblées : Plutôt que de suivre des moyennes globales, il est plus pertinent de suivre le parcours d’adoption et de fidélisation de groupes spécifiques (ex: nouveaux résidents, étudiants, télétravailleurs) sur une période de 3 à 6 mois pour comprendre leurs besoins et leurs points de friction.

Cette approche qualitative se heurte souvent à la culture du « chacun pour soi » des opérateurs, qui préfèrent contrôler leurs propres indicateurs. La citation de Philippe Schnobb, alors président de la STM, concernant un projet d’application, illustre bien cette tension : « Dans mon esprit, Céleste, ce n’est pas la STM qui le gère. On va avancer, et quand on sera prêts, l’ARTM s’intégrera aux discussions ». Cette mentalité de silo est l’ennemi d’une mesure systémique et efficace.

Villes intelligentes : comment les feux adaptatifs réduisent-ils la congestion de 20% sans nouvelles routes ?

Le concept de « ville intelligente » est souvent associé à des technologies futuristes comme les feux de circulation adaptatifs, qui ajustent leur cycle en temps réel pour fluidifier le trafic. La question n’est pas tant la technologie elle-même que la source de données qui l’alimente. Un système de feux adaptatifs ne peut fonctionner de manière optimale que s’il est nourri par un flux de données complet et en temps réel sur l’ensemble des modes de transport, ce que seule une plateforme MaaS intégrée peut fournir.

En effet, pour réduire la congestion, le système doit savoir non seulement où se trouvent les voitures, mais aussi où se trouvent les bus, combien de passagers ils transportent, et où les piétons et les cyclistes se concentrent. En donnant la priorité à un bus bondé sur une file de voitures individuelles, ou en prolongeant le feu vert pour piétons près d’une sortie de métro, le système optimise le déplacement des personnes, et non simplement des véhicules. C’est un changement de paradigme fondamental.

L’application Chrono, en intégrant déjà les horaires personnalisés en temps réel depuis 2013, a posé les premières briques de cet écosystème. Elle rassemble les informations nécessaires pour permettre aux usagers d’optimiser leurs correspondances et d’adapter leurs trajets. La prochaine étape logique est que la ville elle-même utilise ces données agrégées et anonymisées pour adapter ses infrastructures en temps réel.

Ainsi, la plateforme MaaS n’est pas seulement une commodité pour l’usager ; elle est la colonne vertébrale du système nerveux central de la ville intelligente. Elle fournit les données qui permettent de passer d’une gestion statique à une gestion dynamique et prédictive des infrastructures, réduisant la congestion sans avoir à construire un seul kilomètre de route supplémentaire.

Pour passer de la stratégie à l’exécution, l’étape suivante consiste à auditer votre écosystème de mobilité actuel en utilisant ces points de friction comme grille d’analyse afin de bâtir une feuille de route concrète et efficace.