Chaque année, cette municipalité reçoit environ 400 000 rapports sur les problèmes liés à l'espace public (connus sous le nom de Meldingen Openbare Ruimte ou MOR) de la part des citoyens. Ces rapports couvrent une variété de problèmes urbains, y compris les problèmes de gestion des déchets, les perturbations causées par les sans-abris et les infrastructures endommagées. La principale difficulté liée à la gestion de ces rapports a été le processus manuel et laborieux d'analyse du retour d'information sur la manière dont la municipalité a traité chaque cas. Cette approche conventionnelle prenait beaucoup de temps et aboutissait souvent à une évaluation incomplète en raison de l'énorme volume de données textuelles non structurées.
Défi stratégique
Le défi stratégique consistait à passer de ce processus manuel et gourmand en ressources à un système automatisé et efficace. L'objectif était d'utiliser des techniques d'intelligence artificielle avancées, en particulier des Large Language Models (LLM), pour permettre la catégorisation automatique des réponses aux MOR.
Approche
Le projet comportait plusieurs étapes clés :
1. Exploitation de l’IA pour analyser et classer automatiquement les réponses aux messages d’intérêt général
Des Large Language Models ont été utilisés pour convertir automatiquement le texte non structuré décrivant la résolution de la plainte en catégories telles que "Action immédiate prise", "Pas d'application disponible" et "Renvoi à une agence externe", "Surveillance supplémentaire pendant la période à venir", "Rapport non traité en raison d'un dysfonctionnement dans le système de rapport", etc. On obtient ainsi des données structurées qui peuvent être utilisées pour une analyse plus approfondie.
2. Production de statistiques sur le traitement des plaintes
Les résultats de la classification ont été convertis en statistiques détaillées. Les indicateurs clés de performance, y compris la fréquence de chaque méthode de résolution des plaintes, les délais de réponse et les taux de satisfaction, ont été automatiquement compilés en vue d'une analyse complète.
3. Génération automatisée de rapports PowerPoint pour fournir des informations finales
-
Une fois l'analyse statistique terminée, un système automatisé génère une présentation PowerPoint complète résumant toutes les informations cruciales.
-
Cette automatisation rationalise le processus de génération de rapports, transformant les données en un format visuellement attrayant et facile à comprendre.
-
La présentation PowerPoint comprend des graphiques, des tableaux et des résumés qui fournissent une description claire des données, ce qui permet aux équipes et aux parties prenantes de les examiner plus facilement et de prendre des décisions en connaissance de cause. Cela permet d'économiser beaucoup de temps et d'efforts dans la préparation des rapports.
Résultats
L'intégration de l'IA et des LLM dans le processus d'analyse MOR a conduit à des avancées significatives :
-
Efficacité accrue : L'automatisation a considérablement réduit le temps et le travail nécessaires à la catégorisation des réponses aux MOR, permettant une analyse plus rapide et plus approfondie.
-
Amélioration de la compréhension : La municipalité a obtenu des informations claires sur ses types de réponses et sur l'efficacité de sa gestion des problèmes liés à l'espace public.
-
Une prise de décision éclairée : Cette nouvelle approche fondée sur les données a facilité une prise de décision plus stratégique et plus éclairée, améliorant ainsi les services publics et la satisfaction des citoyens.
Conclusion
L'intégration innovante de l'IA et de Large Language Models a permis de faire progresser de manière significative l'analyse du traitement des plaintes relatives à l'espace public dans cette grande ville européenne. Ce projet établit une nouvelle norme pour les municipalités et les secteurs de services publics, en montrant le potentiel de l'IA dans le traitement automatique des textes et l'établissement de rapports.
