La Société de transport de Montréal (STM) a discrètement enclenché un virage qui mérite bien plus qu'une brève. Depuis peu, deux stations du métro montréalais servent de laboratoire à un système de vidéosurveillance assistée par intelligence artificielle, conçu pour signaler rapidement les personnes qui flânent dans les installations. Comme l'a rapporté La Presse, ces personnes sont « le plus souvent des itinérants », et le projet pilote pourrait s'étendre à trois autres stations.
Derrière le vocabulaire technique — détection automatisée, analyse comportementale, alerte en temps réel — se joue quelque chose de plus large : l'installation progressive d'une infrastructure algorithmique de gestion de l'itinérance dans l'espace public québécois. Et ce glissement s'opère dans un cadre juridique qui, s'il existe bel et bien, n'a jamais été pensé pour ce type d'usage.
Ce que fait réellement un tel système
Il faut d'abord dissiper une confusion fréquente. Contrairement à la reconnaissance faciale, qui compare un visage à une base de données d'identités, les systèmes de détection comportementale ne cherchent pas à savoir qui vous êtes. Ils cherchent à qualifier ce que vous faites. Une personne immobile trop longtemps sur un quai, un corps allongé, un déplacement erratique, un regroupement inhabituel : autant de signaux qu'un modèle entraîné apprend à classer comme « anormaux ».
Cette distinction est présentée par les exploitants comme une garantie de respect de la vie privée. Elle est en réalité à double tranchant. Un système qui n'identifie personne échappe plus facilement aux discussions publiques sur la biométrie — celles qui ont fait tomber, en 2021, le projet de la Gendarmerie royale du Canada avec Clearview AI, jugé illégal par le Commissariat à la protection de la vie privée du Canada. Mais un système qui catégorise des comportements produit un autre type de risque : il transforme un jugement social contestable — qu'est-ce qu'un comportement « anormal » dans un métro? — en verdict technique qui a l'apparence de l'objectivité.
En France, la loi encadrant la vidéosurveillance algorithmique déployée à titre expérimental pour les Jeux olympiques de Paris 2024 a précisément interdit la reconnaissance faciale tout en autorisant huit types de détection d'« événements » : mouvements de foule, densité anormale, présence d'objets abandonnés, franchissement de zone interdite. Le bilan officiel de cette expérimentation, publié au début de 2025, a conclu à des performances très inégales selon les cas d'usage, la détection de personnes au sol figurant parmi les plus problématiques en raison des faux positifs. C'est exactement le type de scénario qui intéresse la STM.
Un cadre juridique réel, mais mal ajusté
Au Québec, un tel projet n'évolue pas dans un vide légal. La Loi sur l'accès aux documents des organismes publics, modifiée en profondeur par la Loi 25 (l'ancien projet de loi 64), impose plusieurs obligations à un organisme public comme la STM.
D'abord, l'évaluation des facteurs relatifs à la vie privée (EFVP), obligatoire depuis septembre 2023 pour tout projet d'acquisition, de développement ou de refonte d'un système d'information impliquant des renseignements personnels. Ce document doit documenter la nécessité du projet, la proportionnalité de l'atteinte à la vie privée, les mesures d'atténuation et les solutions de rechange moins intrusives. La STM doit aussi disposer d'un comité sur l'accès à l'information et la protection des renseignements personnels et d'un responsable désigné.
Ensuite, l'article 65.2 de la Loi 25 encadre spécifiquement les décisions fondées exclusivement sur un traitement automatisé : la personne concernée doit en être informée et pouvoir présenter ses observations. Mais la formulation crée une zone grise considérable. Si l'algorithme ne « décide » rien et se contente d'alerter un agent humain qui, lui, tranche, l'obligation d'information s'évapore. Cette architecture — l'humain formellement dans la boucle, mais orienté par la machine — est devenue la stratégie de conformité par défaut de nombreux déploiements publics.
La Commission d'accès à l'information (CAI) du Québec s'est déjà prononcée sur des enjeux voisins. Dans son avis sur la reconnaissance faciale, elle a insisté sur le fait que les technologies de surveillance dans les lieux publics doivent répondre à un test strict de nécessité, et non simplement d'utilité ou de commodité opérationnelle. La CAI peut être saisie, enquêter d'office et ordonner la cessation d'un traitement non conforme. Mais elle n'a pas de pouvoir d'autorisation préalable pour ce genre de projet : un organisme public peut déployer un pilote, puis se justifier après coup. C'est une différence structurante avec le Règlement européen sur l'intelligence artificielle, entré en application par étapes depuis 2024, qui classe les systèmes d'identification biométrique à distance dans les espaces publics parmi les usages interdits ou à haut risque, avec obligations en amont.
Au fédéral, le projet de loi C-27, qui contenait la Loi sur l'intelligence artificielle et les données (LIAD), est mort au feuilleton lors de la prorogation du Parlement en janvier 2025. Le Canada n'a donc, à ce jour, aucune loi générale sur l'IA. Le Québec s'appuie sur la Loi 25 et sur les travaux du Conseil de l'innovation du Québec, dont le rapport « Prêt pour l'IA » de 2024 recommandait justement un encadrement plus musclé des usages publics.
Le risque de dérive fonctionnelle
L'histoire de la surveillance est aussi celle du glissement des finalités. Un système installé pour détecter des chutes sur les quais dispose, techniquement, de la capacité de compter les rassemblements, de suivre des trajectoires, d'identifier des habitués. La distance entre « repérer une personne au sol pour lui venir en aide » et « repérer une personne qui revient trop souvent » est une question de paramétrage, non d'infrastructure.
S'ajoute le problème des biais. Les modèles de vision par ordinateur sont entraînés sur des données qui reflètent les catégories de leurs concepteurs. Radio-Canada rapportait récemment que des internautes ont documenté des réponses aux teneurs sexistes et racistes dans les grands modèles conversationnels, avec des variations significatives selon le genre ou le quartier mentionné. La logique est la même en vision : un système entraîné à reconnaître le « flânage » risque de surdétecter les corps qui ne correspondent pas à la norme du passager pressé — les personnes en situation d'itinérance, évidemment, mais aussi les personnes âgées, les personnes handicapées, les personnes racisées, les adolescents.
Le taux de faux positifs n'est pas une abstraction statistique. Chaque fausse alerte se traduit par une interpellation, une demande de circuler, un contact avec un agent de sécurité. Pour une personne déjà exposée aux interventions policières, l'accumulation de ces contacts a des conséquences réelles.
Pourquoi le métro?
La question de fond n'est pas technique. Le métro est devenu un refuge par défaut faute d'alternatives suffisantes : chauffé, ouvert de longues heures, accessible. Les données du dernier dénombrement des personnes en situation d'itinérance au Québec, publié par le ministère de la Santé et des Services sociaux, font état d'une hausse marquée depuis 2018, avec une visibilité accrue dans les infrastructures de transport.
La STM n'est ni un organisme de santé ni un service social. Elle exploite un réseau de transport, avec un mandat de sécurité et de fluidité. Confrontée à un problème qu'elle n'a pas les moyens de résoudre, elle achète un outil de détection. C'est une réponse rationnelle du point de vue d'un exploitant, et profondément inadéquate du point de vue de la personne détectée.
À noter que la STM dispose depuis plusieurs années d'équipes mixtes d'intervention sociale, en partenariat avec des organismes communautaires, qui accompagnent les personnes vulnérables dans le réseau. Un système de détection pourrait théoriquement orienter ces équipes plus rapidement. Tout dépend de qui reçoit l'alerte : un intervenant social ou un agent de sécurité. Cette question de gouvernance, plus que la performance du modèle, déterminera la nature réelle du projet.
Ce qu'il faudrait savoir
Plusieurs informations manquent au débat public. Quelles sont les deux stations visées? Quel fournisseur, et le contrat est-il passé par un appel d'offres public? L'EFVP a-t-elle été réalisée, et sera-t-elle rendue publique? La CAI a-t-elle été consultée en amont? Quels indicateurs de succès — nombre d'alertes, taux de faux positifs, suites données — seront mesurés et publiés? Combien de temps les images sont-elles conservées, et par qui sont-elles traitées?
Un projet pilote est, en principe, un dispositif d'apprentissage réversible. Sans reddition de comptes publique, il devient surtout une manière de normaliser un déploiement avant même d'en avoir débattu. C'est cette différence que les prochains mois permettront de mesurer.