City Detect à Stockton — Des caméras de rue dotées d'IA pour signaler la dégradation urbaine à une équipe de contrôle en sous-effectif

Le service de contrôle du respect des règlements municipaux de Stockton, comme de nombreux services municipaux disposant de peu de ressources, ne parvenait pas à traiter tous les signalements de pelouses envahies, de graffitis, de peintures dégradées et d'autres formes de dégradation dans une grande ville, en s'appuyant sur des inspections lentes déclenchées par des plaintes.
La ville a installé sur ses véhicules municipaux des caméras équipées du logiciel d'apprentissage automatique de City Detect. Pendant que les véhicules effectuaient leurs trajets habituels, le système analysait les images prises au niveau de la rue et attribuait à chaque site un 'score de dégradation' relatif, permettant aux agents de contrôle de prioriser l'affectation d'un personnel limité, plutôt que d'infliger lui-même des sanctions automatiques.
Un pilote de cinq jours mené en janvier 2024 a permis d'identifier environ 4 000 infractions sur plus de 2 000 sites. Sur la base de ces données, le conseil municipal de Stockton a approuvé à l'unanimité un contrat de 237 600 dollars par an, faisant de Stockton la première ville de Californie à déployer cet outil. En janvier 2025, la ville a étendu cette approche à son programme RISE (Revitalizing and Improving Stockton through Education), capturant des images au niveau de la rue à des vitesses pouvant atteindre 55 mph.
Les responsables municipaux et la presse locale ont présenté le programme comme reposant sur une logique de 'sensibilisation d'abord', utilisant les sites signalés par l'IA pour engager le dialogue et encourager une mise en conformité volontaire plutôt que d'émettre des amendes automatiques, les décisions de verbalisation restant entre les mains d'agents humains. Les chiffres de performance proviennent du pilote soutenu par le prestataire et des comptes rendus de la ville, et non d'une évaluation académique indépendante, et aucun audit public de biais ou de précision du modèle de vision par ordinateur sous-jacent n'a été publié.