알림 목록

Zone d'analyse : Ville métropolitaine de Daegu

Zone centrale : Hôtel de ville de Daegu, 9 districts/comtés, zones industrielles, zones résidentielles, transports, protection sociale et santé. Système d’exploitation des données administratives

Ordre du jour : Existe-t-il un système administratif opérationnel qui relie les données sur l’industrie, la population, l’emploi, les zones commerciales, les transports et la protection sociale afin de détecter à l’avance les changements et les risques dans les villes manufacturières ?

Type de période d'or : Écart d'intégration des données + Risque de latence de décision

Date de référence : 28 août 2026

Version : Regional AX Golden Time Intelligence v3.2
 

La ville de Daegu a mis en place une plateforme intégrée de mégadonnées en 2019, fournissant 775 ensembles de données publiques et environ 14 000 données statistiques provenant de la ville, de ses districts et de ses comtés. Actuellement, le D-Data Hub collecte, recherche, analyse et visualise des données administratives, industrielles et relatives au mode de vie. Bien que l'infrastructure de données soit désormais opérationnelle, les cas concrets permettant d'identifier des crises industrielles, l'exode des jeunes, le déclin commercial et les risques sociaux comme autant de facteurs de changement concomitants restent limités. Si les données demeurent sous forme de requêtes sectorielles pendant les deux ou trois prochaines années, le lien entre les évolutions de la structure industrielle et leurs impacts sur la population et les conditions de vie ne pourra être confirmé que par des statistiques rétrospectives.  Conclusion : Le problème de Daegu Administrative AX ne réside pas dans un manque de données, mais dans l'incapacité d'interpréter simultanément différents signaux de changement.

En août 2026, la ville de Daegu a annoncé son ambition de devenir une ville pionnière en matière d'innovation administrative par l'IA. Elle a proposé, d'ici 2027, des abonnements à l'IA générative, des formations pour les fonctionnaires, l'automatisation des tâches, des chatbots spécialisés dans l'administration et la mise en place d'une plateforme d'administration par l'IA spécifique à Daegu. L'accent est désormais mis sur l'utilisation de l'IA par les fonctionnaires et les plateformes propriétaires, plutôt que sur la simple divulgation des données. Cependant, les indicateurs de performance ne font pas de distinction entre la réduction du temps de rédaction des rapports et la détection précoce des risques liés aux politiques publiques. Si la facilité de travail offerte par l'IA générative compense les lacunes de l'administration publique au cours des deux à trois prochaines années, la structure de décision politique restera inchangée.  Conclusion : L'administration publique de Daegu a commencé à déployer des outils, mais son modèle d'administration proactive reste à prouver.

La plateforme D-Data Hub collecte et stocke des données de la ville de Daegu, de ses districts, comtés et organismes affiliés. Elle facilite leur analyse et leur visualisation, et contient également des données sur la finance d'entreprise, la population flottante, l'image du secteur manufacturier, les services médicaux et les zones commerciales. Initialement axée sur l'administration publique, elle s'est étendue aux données des secteurs industriel et privé. Cependant, la mise à jour des ensembles de données, les taux d'utilisation réels par service, le nombre de cas pris en compte dans les décisions politiques et les résultats obtenus ne sont pas présentés de manière intégrée. Si le volume de données enregistrées augmente seulement au cours des deux à trois prochaines années, la plateforme risque de se réduire à un simple système de listes de données plutôt qu'à un véritable outil d'aide à la décision administrative.  Conclusion : Daegu dispose certes d'une plateforme d'intégration de données, mais rien ne prouve qu'elle possède une plateforme intégrée d'aide à la décision.

En 2018, la ville de Daegu a analysé environ 1,1 million d'enregistrements de la base de données « Salpiso », 32 000 plaintes de citoyens et 5,9 milliards d'enregistrements de trafic piétonnier afin de prédire les zones à risque de plaintes avec une précision de 96,2 %. Grâce à cette analyse, l'attribution automatique des dossiers aux services compétents a atteint une précision de 90 %, et le délai de traitement moyen a été réduit de sept à six jours. L'administration de Daegu dispose déjà d'une expérience pratique en matière de prédiction des plaintes futures à partir de données historiques. Cependant, il n'est pas confirmé si ce modèle a ensuite été déployé de manière continue dans tous les services, ni si sa précision prédictive et ses effets préventifs ont été mesurés systématiquement. Si ce modèle performant n'est pas réintégré au système opérationnel d'ici deux à trois ans, l'initiative AX administrative de 2026 risque fort de se limiter une fois de plus à un projet pilote isolé.  Conclusion : le problème de Daegu ne réside pas dans l'absence de technologie administrative préventive, mais plutôt dans la discontinuité de son institutionnalisation après le projet pilote.

En 2026, la ville de Daegu a inauguré un système d'analyse et de prévision des plaintes du personnel, conçu pour anticiper les pics de consommation. Parallèlement, la Société des transports et la Direction générale des eaux ont mis en place un système de détection des fuites grâce à l'analyse des données de télérelève des compteurs par intelligence artificielle. La gestion des plaintes et des infrastructures évolue d'une approche réactive vers une approche proactive, axée sur la détection des anomalies. Cependant, les résultats obtenus ne confirment pas l'extension de ce système de prévision aux secteurs de l'industrie, de la population, du social et du commerce. Si la gestion prédictive reste cantonnée aux infrastructures et aux plaintes pendant les deux à trois prochaines années, les systèmes d'alerte précoce aux changements de la structure urbaine demeureront insuffisants.  Conclusion : Si certaines prévisions concernant la gestion quotidienne se sont avérées exactes, celles relatives aux changements à l'échelle de la ville restent à confirmer.

Le Système d'analyse des tendances de l'économie industrielle de Daegu fournit des données sur la production, les exportations, l'emploi, les complexes industriels et les tendances des entreprises, tandis que le D-Data Hub contient les profils et les données financières des entreprises implantées à Daegu. L'administration industrielle s'est développée pour intégrer simultanément les statistiques macroéconomiques et les informations sur les entreprises. Cependant, aucun résultat publié ne permet d'identifier précocement les entreprises et les complexes industriels en difficulté, en corrélant les variations des ventes, les réductions d'effectifs, la consommation d'électricité, l'activité des usines et les exportations. Si l'analyse, basée sur des statistiques mensuelles, est maintenue sur deux à trois ans, les signes de restructuration ne sont détectés qu'après des fermetures d'entreprises, des suspensions d'activité ou des licenciements massifs.  Conclusion : Si les données industrielles de Daegu permettent d'expliquer la situation actuelle, leur utilité pour une évaluation pré-crise reste limitée.

En 2026, la ville de Daegu a entrepris la mise en place d'une chaîne de valeur des données d'IA pour le secteur manufacturier, reliant la vérification de la qualité des données, l'évaluation des performances des modèles d'IA et leur application sur le terrain pour les entreprises manufacturières. Cette structure élargit les données industrielles, passant des statistiques administratives aux données issues des sites de production des entreprises. Cependant, l'autorité, la sécurité et les indicateurs communs permettant de relier les données de processus non publiques des entreprises aux données locales sur l'emploi, la localisation et le soutien aux entreprises restent à définir. Si les données manufacturières demeurent limitées à une validation spécifique à chaque entreprise pendant les deux à trois prochaines années, elles ne permettront pas de détecter collectivement les risques industriels régionaux.  Constat : les données AX du secteur manufacturier ont commencé à être générées, mais ne sont pas encore intégrées aux données de politique industrielle.

Daegu publie des données sur la population résidente enregistrée, les flux migratoires, la répartition par âge et la population résidente totale, tandis que le D-Data Hub propose des analyses démographiques régionales. L'administration de la population a été subdivisée, au-delà du déclin démographique global, en analyses au niveau des districts administratifs (Eup, Myeon et Dong), ainsi que par âge et par type de migration. Cependant, aucune analyse en cours reliant l'exode des jeunes aux filières d'études, aux fonctions professionnelles, aux embauches en entreprise, aux salaires ou au coût du logement n'a été confirmée. Si le déclin démographique des deux à trois prochaines années est géré uniquement comme un phénomène par district administratif, les causes de la fuite des cerveaux du secteur industriel resteront méconnues.  Conclusion : Daegu mesure les mouvements de population, mais n'analyse pas les filières industrielles qui les ont engendrés.

Avec l'intégration de Gunwi, la zone administrative de Daegu s'est étendue d'environ 70 %, et des zones rurales, des quartiers résidentiels pour personnes âgées et des zones à faible densité de population ont été ajoutés au système de données métropolitaines. Il est devenu difficile d'évaluer de manière équitable les changements survenus dans les transports, les services médicaux, l'agriculture et les services à la personne à Gunwi en utilisant uniquement les indicateurs urbains existants. Aucun référentiel commun permettant de distinguer le centre-ville de Gunwi tout en les comparant comme une seule et même zone d'habitation n'a été défini. Si les normes de données restent divergentes pendant deux à trois ans, les signaux d'alerte à Gunwi seront masqués par la moyenne de Daegu.  Évaluation : Bien que l'intégration de Gunwi ait élargi le champ des données, les critères d'intégration des zones urbaines et rurales n'ont pas encore été finalisés.

Les données relatives aux plaintes civiles, à la circulation, à l'approvisionnement en eau, à la population flottante et aux zones commerciales sont générées en temps réel ou à court terme, révélant les changements de la vie quotidienne plus rapidement que l'enregistrement des résidents ou les statistiques d'activité économique. Daegu possède une expérience dans l'utilisation de ces données à haute fréquence pour anticiper les zones à risque de plaintes civiles et détecter précocement les fuites d'eau. Cependant, aucun modèle de recoupement reliant l'évolution des données sur les modes de vie aux crises sociales, au déclin commercial, aux migrations de population ou à l'emploi industriel n'a été identifié. Si les prévisions départementales sont étalées sur deux ou trois ans, des risques complexes survenant au sein d'une même région seront traités comme des plaintes civiles distinctes.  Constat : Bien que les données sur les modes de vie à Daegu soient rapides, les décisions politiques restent fragmentées par secteur.

La plateforme d'intégration des données de Buk-gu propose une fonction d'analyse de la zone commerciale exploitant la population flottante et les secteurs d'activité quotidiens. Avec la mise en place de systèmes d'analyse aux niveaux du district et du comté, en complément de la plateforme métropolitaine unique, les données locales ont été subdivisées. Cependant, la liaison automatique des normes de données, des cycles de mise à jour et des résultats d'analyse entre le hub métropolitain de données et les plateformes de district/comté reste à confirmer. Si le nombre de plateformes augmente au cours des deux à trois prochaines années, la décentralisation des plateformes précédera l'intégration des données.  Conclusion : Bien que la résolution de l'analyse régionale se soit améliorée, le système d'analyse entre les niveaux métropolitain et local n'est pas encore intégré.

En 2023, la ville de Daegu a lancé un plan directeur visant à créer une cartographie des données administratives – une première pour une collectivité locale chinoise – afin d'organiser la localisation et les relations entre les données dispersées entre les services et les missions. La gestion des données s'est ainsi recentrée sur les structures de relations entre les données, plutôt que sur les fichiers et systèmes individuels. Cependant, en 2026, l'étendue de la cartographie des données finalisée, les clés de liaison entre les données, les taux d'utilisation par le personnel de terrain et les responsabilités de mise à jour n'étaient pas vérifiables publiquement. Si la cartographie des données reste une simple liste de documents pendant les deux ou trois prochaines années, la qualité de l'apprentissage et de la recherche sur la plateforme d'administration basée sur l'IA sera également limitée d'ici 2027.  Constat : Bien que la localisation des données administratives ait été identifiée, les relations sémantiques et le système de responsabilités restent à définir.

Les données relatives à l'industrie, à la population, au bien-être et aux transports sont gérées selon différents critères d'identification, tels que les numéros d'entreprise, les résidents, les adresses, les lieux de travail, les installations et les horaires. Bien que l'IA puisse relier ces données, la combinaison des sources originales est restreinte en raison de la nature des informations personnelles et des secrets commerciaux. Les règles de combinaison des données de type Daegu, qui incluent la pseudonymisation, la combinaison par unité spatiale et l'accès par autorité, n'ont pas été divulguées. Si ces règles ne sont pas finalisées d'ici deux à trois ans, la plateforme d'administration basée sur l'IA se concentrera sur la recherche de données publiques et la synthèse de documents.  Conclusion : Le déficit d'autorité en matière de combinaison des données est plus important que le déficit technologique dans l'administration intégrée.

La ville de Daegu a présenté un calendrier prévoyant le lancement d'un service d'abonnement à l'IA générative en 2026 et la mise en place, en 2027, d'une plateforme d'administration de l'IA spécifique à Daegu, connectée à l'infrastructure commune d'IA du gouvernement. L'utilisation de l'IA devrait passer de services externes individuels à une plateforme interne intégrant les données administratives. Cependant, le budget de développement, les tâches concernées, le périmètre des données, leur exactitude, les responsables et les retombées pour les citoyens ne sont pas encore finalisés. Si la construction de la plateforme se déroule comme un projet technologique au cours des deux à trois prochaines années, les décisions politiques concrètes maintiendront la structure de reporting et d'approbation actuelle.  Évaluation : La plateforme d'administration de l'IA spécifique à Daegu est en phase de pré-lancement et son modèle opérationnel reste à valider.

Une équipe d'innovation administrative en IA a été mise en place, et la formation de futurs responsables de cette innovation a débuté pour tous les niveaux hiérarchiques, de la direction aux employés. Bien qu'une structure permettant la constitution simultanée d'une organisation dédiée et d'utilisateurs internes existe, les procédures d'intégration de l'analyse de l'IA dans les processus décisionnels et budgétaires des services restent à définir. Si la formation et la création d'outils d'automatisation ne s'accompagnent pas de changements de politique, l'efficacité du travail et l'IA administrative demeureront dissociées. Si l'utilisation de l'IA reste cantonnée à une compétence individuelle pendant les deux à trois prochaines années, les capacités organisationnelles s'amenuiseront, tout comme le personnel.  Conclusion : l'adoption par les utilisateurs est amorcée, mais l'IA dans la prise de décision organisationnelle n'est pas encore pleinement intégrée.

Le modèle de prédiction des plaintes civiles de 2018 a permis d'identifier 27 points faibles et de réduire le délai de traitement d'environ 14 %. Le système d'analyse et de prévision des plaintes civiles de 2026 a été remis en place, axé sur la prédiction des pics de plaintes à court terme. Bien que Daegu ait déjà opéré deux transitions entre un traitement réactif des plaintes et une prévision proactive, la continuité et la performance cumulée des deux systèmes restent à confirmer. Si le modèle de prédiction est reconstruit à chaque fin de projet au cours des deux à trois prochaines années, la gouvernance en temps réel ne pourra être mise en place.  Conclusion : L'administration proactive de Daegu a été maintes fois démontrée, mais sa pérennité n'est pas encore assurée.

Crises industrielles, exode des jeunes, déclin des zones commerciales et précarité sociale s'accumulent sur plusieurs mois, voire plusieurs années. Si les plateformes publiques actuelles fournissent des mises à jour par indicateur, aucune structure n'a été identifiée pour alerter automatiquement sur le calendrier et les seuils critiques à partir desquels certains changements se répercutent sur d'autres domaines. De plus, aucun retour d'information ne permet d'intégrer au modèle l'efficacité des mesures politiques mises en œuvre. Si l'analyse et la mise en œuvre restent dissociées pendant deux à trois ans, l'administration se contente de réagir de manière réactive, malgré la disponibilité d'informations prédictives.  Conclusion : L'administration de Daegu dispose d'outils d'analyse de données, mais n'a pas encore atteint une gouvernance opérationnelle.

Le D-Data Hub, les plateformes de district et de comté, le système de prévision des tendances industrielles et économiques, le système de prévision des plaintes civiles et l'équipe d'innovation administrative en IA sont actuellement opérationnels. Les éléments de base (données, plateformes, organisations et démonstrations) sont déjà en place. Cependant, il n'a pas encore été démontré que ces éléments sont liés à un processus unique d'alerte précoce et de prise de décision. Si l'intégration des opérations n'est pas mise en place dans les deux à trois prochaines années, une nouvelle plateforme d'IA viendra compléter le système existant.  Évaluation : Le niveau de préparation global se situe au stade « sécurisation des fondations – fragmentation du système opérationnel ».

Les données administratives, statistiques, industrielles, relatives à la population mobile et aux entreprises ont été collectées dans le D-Data Hub, et une cartographie des données a été mise en place. Bien que l'agrégation physique des données soit effective, les systèmes d'identification communs, les normes de mise à jour, les autorités d'intégration et les responsabilités de mise à jour des services ne sont pas vérifiés publiquement. Un écart existe entre le nombre d'ensembles de données et le nombre réel de points de données connectables. Si cet écart persiste pendant deux à trois ans, l'analyse par IA sera limitée à l'utilisation répétée d'une quantité restreinte de données.  Évaluation : Les données sont stockées de manière intégrée, mais n'ont pas encore atteint le stade de l'interprétation intégrée.

La formation à l'administration de l'IA a été étendue aux cadres et aux employés opérationnels, et certains districts et comtés, comme Buk-gu, utilisent des plateformes de données distinctes. L'utilisation de l'IA et des données n'en est qu'à ses débuts et se déploie progressivement, passant d'un service dédié aux services opérationnels et à l'administration de base. Le nombre d'utilisateurs actifs par service, le nombre de tâches automatisées, les taux de mise en œuvre des politiques et les écarts d'utilisation entre les districts et les comtés n'ont pas été communiqués. Si les disparités de performance ne sont pas mesurées au cours des deux à trois prochaines années, quelques services très utilisateurs coexisteront avec des services peu utilisateurs.  Évaluation : L'administration de l'IA en est encore à la phase de formation d'utilisateurs experts, plutôt qu'à son déploiement à l'échelle de l'organisation.

Des cas de prédiction et de détection sont confirmés dans les zones vulnérables aux plaintes civiles, à la forte demande de plaintes et aux fuites d'eau. Bien que l'administration prédictive se soit étendue aux désagréments quotidiens et à la gestion des infrastructures, rien n'indique qu'elle concerne l'emploi industriel, les migrations de population, les crises sociales ou les risques financiers. Un système dual est maintenu : les prédictions se concentrent sur les événements à court terme, tandis que les changements structurels sont gérés par des statistiques mensuelles et annuelles. Si la prédiction des risques structurels ne s'étend pas sur une période de deux à trois ans, l'administration reste dans le cadre de l'efficacité opérationnelle.  Conclusion : la prédiction d'événements est considérée comme une expansion partielle, tandis que la prédiction structurelle est considérée comme non généralisée.

La plateforme d'administration par IA de type Daegu devrait être construite en 2027, mais les règles de combinaison des données relatives à l'industrie, à la population et aux modes de vie, ainsi que les indicateurs d'alerte, ne sont pas encore finalisés. Si la conception de la plateforme et l'affinage des données se font de manière séquentielle, sa mise en service pourrait être reportée après 2028. Durant cette période, la restructuration du secteur manufacturier, l'exode des jeunes, les transformations du quartier résidentiel de Gunwi et le développement du nouvel aéroport se produiront simultanément.  Conclusion : le moment décisif pour l'IA administrative ne se situe pas après l'achèvement de la plateforme, mais plutôt dans les 12 à 18 mois suivants, période durant laquelle les relations entre les données et les critères d'alerte seront définis.

Avec la prolifération indépendante des plateformes départementales et des outils d'IA, les définitions de données, les procédures métier et les modèles se figent au sein de chaque système. Toute intégration ultérieure engendre des coûts de nettoyage des données et d'adaptation organisationnelle supérieurs à ceux d'une nouvelle implémentation. Si les services se développent sans structure commune au cours des deux à trois prochaines années, la décentralisation technologique renforce la décentralisation administrative.  Constat : le premier risque irréversible n'est pas le manque de données, mais la fixation de la sémantique des données entre les systèmes.

Si l'analyse par IA se concentre sur la rédaction de rapports et l'extraction de données, la production de documents s'accélère tandis que le processus décisionnel existant reste inchangé. Si la production rapide de rapports entraîne une augmentation des approbations et des projets, la complexité administrative s'accroît. Si aucun lien n'est établi entre l'analyse, la décision, l'exécution et la performance dans un délai de deux à trois ans, l'IA s'enracine comme une infrastructure de production de documents plutôt que comme un système d'aide à la décision. Conclusion : Le second risque irréversible est que l'IA administrative soit définie comme une simple automatisation des processus métier.

Daegu Administrative AX est techniquement réalisable, mais n'a pas encore été établi comme système d'exploitation administratif.

La structure actuelle en est au stade de la collecte de données et de l'utilisation de l'IA, mais elle n'en est pas encore au stade de la détermination préventive des causes et des transitions du changement urbain.

Si la plateforme d'administration par IA de type Daegu reste limitée à l'automatisation des documents, l'administration sera plus rapide, mais elle ne pourra pas réagir de manière proactive aux changements locaux.

Évaluation finale : ORANGE — Infrastructure de données robuste + Système d’alerte précoce interdomaines faible

Période idéale : 12 à 18 mois

Sources de preuves

• Centre de données de Daegu
• Structure de collecte et d'analyse des données du D-Data Hub
• État des jeux de données détenus par D-DataHub
• Promotion de la mise en place d'une cartographie administrative des données de type Daegu
• Rapport d'examen de l'ordonnance municipale de Daegu relative à la création d'une administration de l'intelligence artificielle
• Plan de la plateforme d'administration AX et IA de Daegu pour 2027
• Statut organisationnel de l'équipe d'innovation administrative en IA
• Performance du modèle de prédiction de la vulnérabilité aux plaintes civiles de Daegu
• Plateforme d'intégration de données de Daegu Buk-gu
• Mise en place d'une chaîne de valeur des données d'IA pour le secteur manufacturier à Daegu

Analyse structurelle — La plus petite unité de gestion administrative AX n'est pas constituée par les données, mais par les événements de modification.

Les données administratives sont classées selon les domaines de responsabilité des ministères, tels que l'industrie, la population, les transports et les affaires sociales. Cependant, les évolutions régionales concrètes ne se limitent pas à un seul ministère. Le processus par lequel une baisse de la production des entreprises entraîne une réduction des embauches, qui à son tour provoque un exode des jeunes, lequel se traduit par une diminution des ventes commerciales et de la demande scolaire, est un événement unique qui se répercute sur de multiples systèmes.

Les plateformes actuelles enregistrent les changements survenant dans une même région à travers plusieurs ensembles de données. Même si ces données sont intégrées, si aucune relation n'est établie entre ces événements identiques, l'IA se contente d'afficher des variations simultanées entre les indicateurs, sans pouvoir déterminer les causes ni les trajectoires de transition. À mesure que le nombre d'ensembles de données augmente, la quantité d'informations non corrélées croît également.

L'analyse administrative des données (AX) n'est pas mise en place au moment où les données départementales sont centralisées, mais au moment où l'on suit le parcours d'un événement de changement et ses conséquences.  Analyse structurelle : le goulot d'étranglement de l'AX administrative de Daegu ne réside pas dans l'intégration des données, mais dans l'incapacité à associer les changements de secteur, de population et de mode de vie à un identifiant d'événement unique.