L'engouement autour du concept de ville intelligente est plus concret qu'on pourrait croire à première vue. Pas moins de 21 entreprises ont vu le jour à Montréal, depuis 2015, selon cette notion. Voici trois exemples d’entreprises qui misent sur les données ouvertes pour rendre Montréal (et d’autres grandes villes) plus intelligente.
Local Logic
La jeune pousse montréalaise a récemment obtenu 1,1 million de dollars en financement pour développer ce qu’on pourrait appeler un «indice de la qualité de vie». À partir des données de la Ville, elle a établi 15 indicateurs qu’elle évalue, adresse par adresse, qui lui permettent d’attribuer une cote globale à un logement précis : accès aux services, bruit ambiant, température moyenne, etc. L’équivalent du système à cinq étoiles des grands hôtels, mais pour tout ce qui est incontrôlable, en quelque sorte. Le secteur hôtelier est d’ailleurs le prochain marché que tentera d’attaquer Local Logic à l’aide de cet argent frais.
Potloc
Vous voulez ouvrir une boulangerie, mais ne savez pas si la clientèle sera au rendez-vous? Si vous faites confiance à Potloc, vous pourrez trouver l’endroit idéal pour ouvrir votre commerce. L’entreprise a obtenu plus tôt cette année 800000$ pour développer son outil de sondage qui demande aux gens d’une région donnée (un quartier ou une municipalité, par exemple) quels commerces de proximité ils aimeraient voir s’ouvrir près de chez eux. L’entreprise montréalaise voit au-delà des frontières québécoises, puisqu’elle a ouvert cet été un bureau à Lille, en France.
Transit app
L’application par excellence pour quiconque souhaite ne pas rater son prochain bus! Par ailleurs, elle fait bien plus que fournir l’horaire du transport en commun. Déjà, elle le fait avec une telle précision et une telle fiabilité, qu’elle sait mieux prédire les retards et les pannes de service que les services eux-mêmes… L’application va même plus loin que ça: à terme, Transit permettra d’offrir des itinéraires multimodaux à ceux qui désirent se rendre à destination en empruntant vélo, auto et métro. Imaginez, alors, à quel point il sera important de savoir comment interpréter les données de tous ces services afin de fournir une information pertinente aux utilisateurs.
