La Société de transport de Montréal (STM) a lancé un projet pilote qui en dit long sur l'évolution de la surveillance dans l'espace public québécois : des algorithmes analysent désormais les images de caméras dans deux stations de métro afin de repérer plus rapidement les personnes qui « flânent ». Selon les informations rapportées par La Presse, la très grande majorité des personnes ainsi détectées sont des personnes en situation d'itinérance, et le dispositif pourrait être étendu à trois autres stations.
La nouveauté n'est pas la caméra. Le métro de Montréal en compte plusieurs milliers depuis des années. La nouveauté, c'est que la machine ne se contente plus d'enregistrer : elle interprète des comportements, qualifie une posture ou une durée de présence comme anormale, et déclenche une alerte à destination d'un être humain. C'est ce saut qualitatif — de l'archive passive à la détection active — qui soulève les questions les plus lourdes.
Ce que fait concrètement un système de « détection de flânage »
Les technologies de ce type, souvent regroupées sous l'appellation de vidéosurveillance algorithmique (VSA), ne reposent pas nécessairement sur la reconnaissance faciale. Elles fonctionnent généralement par analyse de trajectoires et de durée : un individu immobile au-delà d'un certain seuil dans une zone donnée, une personne allongée, un objet abandonné, un attroupement. Le logiciel signale l'écart à la norme statistique, puis un opérateur décide de la suite.
Cette distinction est capitale sur le plan juridique. La reconnaissance faciale traite des données biométriques, catégorie hautement sensible au Québec. La détection comportementale, elle, occupe une zone grise : elle ne cherche pas à identifier nommément une personne, mais elle produit tout de même une décision automatisée à son sujet, dans un lieu public, sans son consentement et sans qu'elle en soit informée sur le moment.
Or, le contexte montréalais est loin d'être neutre. Le métro est devenu, l'hiver, un refuge de dernier recours. La STM a répété au cours des dernières années que ses employés composent quotidiennement avec des situations de détresse pour lesquelles ils n'ont pas été formés : intoxications, crises de santé mentale, décès. La société de transport a d'ailleurs conclu des partenariats avec des organismes communautaires et des équipes de médiation sociale pour intervenir auprès de cette clientèle. Un système d'alerte automatisé s'insère donc dans un écosystème déjà chargé de tensions.
La vraie question : à quoi sert l'alerte?
Un outil technique ne dit rien de sa finalité. La même alerte peut mener à deux gestes radicalement opposés : l'envoi d'un intervenant social qui offre un café et une référence vers un refuge, ou l'envoi d'un agent d'inspection qui applique le règlement sur les conditions de voyage et expulse la personne.
C'est ici que le débat cesse d'être technologique pour devenir politique. Le règlement de la STM interdit notamment de s'étendre sur un banc, de flâner sans intention de voyager ou d'entraver la circulation. Ces dispositions existaient bien avant l'IA. Ce que l'algorithme change, c'est la capacité d'application : ce qui dépendait du hasard d'une ronde devient systématique, mesurable, priorisable. Un règlement peu appliqué qui devient massivement applicable n'est plus le même règlement.
Les organismes de défense des droits des personnes itinérantes soulèvent depuis des années le problème du profilage social, documenté au Québec par plusieurs travaux, dont ceux de la Commission des droits de la personne et des droits de la jeunesse, qui a reconnu la judiciarisation excessive des personnes itinérantes comme une forme de discrimination systémique. Automatiser le repérage sans transformer la réponse offerte revient, dans les faits, à automatiser l'expulsion. Le métro ne « règle » pas l'itinérance en la détectant plus vite : il la déplace vers la rue, les urgences ou les postes de police.
Loi 25, CAI : un cadre qui existe, mais qui reste à activer
Depuis l'entrée en vigueur progressive de la Loi 25 (anciennement projet de loi 64), les organismes publics québécois ont des obligations précises. Trois d'entre elles s'appliquent directement au cas de la STM.
D'abord, l'évaluation des facteurs relatifs à la vie privée (EFVP) est obligatoire pour tout projet d'acquisition, de développement ou de refonte d'un système d'information impliquant des renseignements personnels. Un système d'analyse vidéo automatisée dans le métro entre difficilement dans une autre catégorie.
Ensuite, la loi impose de traiter avec une attention particulière les technologies permettant d'identifier, de localiser ou de profiler une personne : ces fonctions doivent être désactivées par défaut et l'organisme doit informer les personnes concernées de leur mise en fonction. La question de savoir si la détection de comportement constitue un « profilage » au sens de la loi est précisément le genre de litige interprétatif que le Québec n'a pas encore tranché de façon publique et détaillée.
Enfin, la Loi 25 encadre les décisions fondées exclusivement sur un traitement automatisé, avec obligation d'information et droit de présenter des observations. Si un humain valide chaque alerte, cette disposition ne s'applique pas telle quelle — mais tout dépend de la qualité réelle de cette validation. Une salle de contrôle qui reçoit des centaines d'alertes par jour finit par les approuver mécaniquement. C'est le phénomène du biais d'automatisation, largement documenté dans la littérature scientifique : l'humain devient un tampon plutôt qu'un filtre.
La Commission d'accès à l'information (CAI) a déjà démontré, notamment dans ses interventions sur l'usage de la reconnaissance faciale par des commerces et sur les caméras dans les lieux publics, qu'elle considère la vidéosurveillance dans les transports collectifs comme un enjeu de proportionnalité. Le test est constant : la finalité est-elle légitime, la mesure nécessaire, et existe-t-il un moyen moins intrusif d'atteindre le même objectif? Dans le cas présent, la réponse dépend entièrement de la finalité déclarée, et donc de la transparence de la STM.
Le biais : détecter la pauvreté, pas le risque
Un système entraîné à repérer l'immobilité prolongée, une posture allongée ou la présence de bagages volumineux ne détecte pas le danger. Il détecte des marqueurs de précarité. Un travailleur qui attend un collègue, un touriste hésitant devant une carte, un adolescent qui flâne après l'école produiront aussi des alertes — mais ce ne sont pas eux qui subiront les conséquences les plus lourdes d'une interpellation répétée.
C'est le cœur du problème de biais dans ce type d'application : il ne réside pas seulement dans le taux d'erreur du modèle, mais dans la définition même de la cible. Le paramétrage est un choix normatif. Décider qu'un individu immobile 15 minutes est un problème, c'est décider que l'espace du métro n'appartient qu'à ceux qui s'y déplacent. Aucune vérification statistique de l'algorithme ne corrigera un objectif socialement problématique.
À l'international, ces débats ont déjà produit des reculs. En France, l'expérimentation de la VSA encadrée par la loi sur les Jeux olympiques de Paris 2024 a fait l'objet d'un suivi serré de la CNIL et de vives critiques d'organisations comme La Quadrature du Net, notamment sur l'absence de démonstration d'efficacité. À New York, l'usage d'outils d'analyse vidéo dans le métro par la MTA a soulevé des questions similaires. Ces précédents montrent qu'un « projet pilote » a une forte tendance à devenir permanent sans jamais avoir été évalué publiquement.
Ce qu'il faudrait savoir, et qu'on ne sait pas
Plusieurs éléments manquent pour juger sereinement du dispositif montréalais : le nom du fournisseur et l'origine du modèle, la durée de conservation des images et des alertes, le nombre de fausses alertes, la proportion d'interventions ayant mené à une orientation vers des ressources plutôt qu'à une expulsion, l'existence d'une EFVP et son contenu, ainsi que les critères qui décideront d'une extension à d'autres stations ou de l'abandon du projet.
La STM est un organisme public soumis à l'accès à l'information. Ces réponses sont, en principe, obtenables. Elles conditionnent aussi l'acceptabilité sociale du projet : une société de transport qui explique ses seuils, ses garde-fous et ses résultats se distingue nettement d'une société qui déploie discrètement un outil de tri des usagers.
Le vrai enjeu du dossier
Ce pilote arrive dans un moment où l'IA s'installe partout dans les institutions québécoises et canadiennes — dans les écoles, comme le documentent Radio-Canada et plusieurs tables rondes récentes sur l'encadrement en milieu scolaire, et dans l'appareil fédéral, avec le lancement par Ottawa d'une initiative de transformation numérique visant à moderniser les services publics. Chaque fois, la même mécanique : l'outil est présenté comme une amélioration d'efficacité neutre, alors qu'il redistribue en réalité du pouvoir.
Dans le métro de Montréal, la question posée aux élus, à la CAI et à la STM n'est pas de savoir si l'algorithme fonctionne. C'est de savoir ce qu'on fait de la personne qu'il a trouvée. Tant que cette réponse n'est pas écrite noir sur blanc, avec des ressources d'intervention sociale en proportion des alertes générées, la vidéosurveillance algorithmique restera moins une technologie de sécurité qu'une technologie d'invisibilisation.