# La mobilité intégrée sur une plateforme unique : avantages et enjeux
La fragmentation des services de transport représente aujourd’hui l’un des principaux obstacles à une mobilité urbaine fluide et durable. Entre les applications de transports en commun, les plateformes de location de vélos, les services de covoiturage et les solutions d’autopartage, un citadin doit jongler avec une dizaine d’interfaces différentes pour organiser ses déplacements quotidiens. Cette complexité freine l’adoption des modes de transport alternatifs à la voiture individuelle et compromet les objectifs de décarbonation des villes. Face à ce constat, les plateformes MaaS émergent comme une solution structurante, capable de transformer radicalement notre rapport à la mobilité urbaine en unifiant l’ensemble de l’écosystème des transports sur une interface unique et intelligente.
Définition et architecture des plateformes MaaS (mobility as a service)
Le concept de Mobility as a Service dépasse largement la simple application mobile que vous pourriez télécharger sur votre smartphone. Il s’agit d’un cadre structurant qui organise l’ensemble de l’écosystème de transport d’un territoire en reliant systèmes d’exploitation, services tiers, règles publiques et usages réels. Cette approche plateforme devient déterminante dans un marché européen qui connaît une croissance projetée à plus de 35% d’ici 2033, signalant une phase de maturité qui transformera durablement l’organisation numérique des territoires.
L’architecture d’une plateforme MaaS repose sur une dissociation fondamentale entre le socle fonctionnel technique et les interfaces qui le rendent visible. Cette séparation permet d’éviter un écueil fréquent : la multiplication d’outils numériques évoluant chacun à leur rythme, générant incohérences fonctionnelles, redondances techniques et ruptures d’expérience. Une approche plateforme favorise au contraire la mutualisation des règles métiers, la cohérence des parcours et l’évolution progressive de chaque canal.
Intégration API multimodale : transports publics, autopartage et micromobilité
L’intégration multimodale constitue le cœur technique d’une plateforme MaaS performante. Elle repose sur la capacité à orchestrer en temps réel des flux de données hétérogènes provenant de systèmes conçus à des rythmes et avec des logiques différentes. Les systèmes d’aide à l’exploitation et à l’information voyageurs (SAEIV), la billettique, les référentiels, les outils de supervision et les services tiers produisent des informations que la plateforme doit synchroniser pour produire une information cohérente, contextualisée et actionnable.
Cette orchestration technique atteint des volumes industriels considérables. Dans certains environnements opérationnels comme à Bordeaux ou Lille, les plateformes traitent plus de 212 millions de requêtes API mensuelles, avec des mécanismes de supervision continus sur les flux, les dépendances et les performances. À cette échelle, la gestion des latences, des dégradations partielles et des dépendances partenaires devient aussi stratégique que le développement fonctionnel lui-même. Les engagements de service atteignent des niveaux de disponibilité mesurés à 99,98% de sessions sans incident, plaçant ces plateformes au rang de systèmes critiques.
Systèmes de paiement unifié et compte mobilité unique
Le niveau de maturité d’une plateforme MaaS se mesure à sa capacité à gérer non seulement l’information et la planification, mais également la réservation et le paiement. On distingue généralement quatre niveaux d’intégration : le niveau 1 se limite à
l’information multimodale, le niveau 2 ajoute la réservation, le niveau 3 intègre le paiement centralisé via un compte unique, et le niveau 4 propose une offre globale avec abonnement multimodal et mécanismes d’incitation. Plus on progresse dans ces niveaux, plus la gestion des règles tarifaires, des validations et du service après-vente devient complexe pour la plateforme.
Concrètement, un système de paiement unifié repose sur un compte mobilité rattaché à l’usager, et non plus à un support physique (carte, ticket magnétique). Ce compte peut agréger plusieurs moyens de paiement (carte bancaire, prélèvement, porte-monnaie électronique, aides sociales) et gérer différents schémas de facturation : paiement à l’usage, post-paiement, plafonnement mensuel ou forfait illimité. L’Account-Based Ticketing (ABT) s’impose progressivement en Europe comme le modèle de référence, permettant de calculer automatiquement le meilleur tarif a posteriori, en fonction des trajets réellement effectués.
L’enjeu pour les autorités organisatrices comme pour les opérateurs est double. D’une part, garantir une expérience sans friction pour l’usager : achat en quelques clics, validation simplifiée (QR code, NFC, open payment), gestion des justificatifs et du service client dans la même interface. D’autre part, conserver la maîtrise des politiques tarifaires, de la lutte contre la fraude et de la répartition des recettes entre partenaires. C’est pourquoi les plateformes MaaS avancées intègrent une couche de gestion des droits, des profils (jeunes, seniors, publics en situation de précarité) et des contrôles, synchronisée avec les systèmes billettiques historiques.
Technologies backend : cloud computing et data aggregation en temps réel
Pour délivrer cette promesse de mobilité intégrée, la plupart des plateformes MaaS s’appuient aujourd’hui sur des architectures cloud natives. Les microservices, le Backend For Frontend (BFF) et les grappes de bases de données temps réel constituent l’ossature invisible qui permet d’absorber des millions d’appels API sans dégrader les performances. À l’image d’un centre de contrôle du trafic aérien, la plateforme agrège, normalise et redistribue en continu des flux de données issus d’écosystèmes très hétérogènes.
La data aggregation temps réel repose fréquemment sur des bus d’événements (Kafka, Pulsar, etc.) et des moteurs de traitement de flux (stream processing). Ces briques permettent de fusionner les données planifiées (horaires théoriques, grilles tarifaires) avec les données dynamiques (retards, perturbations, taux d’occupation, disponibilité des vélos, incidents de paiement). Sans cette couche d’orchestration, il serait impossible de proposer des itinéraires fiables ou des estimations de temps de trajet pertinentes, notamment lors des situations perturbées où les usages basculent massivement vers les canaux numériques.
On sous-estime souvent à quel point cette architecture backend est un actif stratégique pour un territoire. Comme un réseau d’eau ou d’électricité, elle doit être dimensionnée pour encaisser des pics de charge, rester disponible en cas de panne partielle et évoluer sans rupture de service. Les meilleures plateformes MaaS mettent ainsi en place des stratégies de blue-green deployment, de surveillance proactive (observabilité) et de redondance géographique, afin de réduire au maximum le risque d’indisponibilité pour les usagers.
Interopérabilité des systèmes de billettique électronique
L’interopérabilité billettique est l’un des points de friction majeurs dans les projets de mobilité intégrée. Chaque réseau ou région dispose souvent de son propre système, avec ses cartes, ses validations, ses règles d’abonnement. Comment, dans ce contexte, proposer un parcours fluide et un compte mobilité unique sans réécrire toute l’infrastructure billettique existante ? C’est précisément le rôle de la plateforme MaaS que de créer une couche d’abstraction entre ces systèmes.
Sur le plan technique, cette interopérabilité repose sur des standards (Calypso, CIPURSE, EMV pour l’open payment) et sur des API ouvertes permettant aux services numériques multimodaux (SNM) de délivrer ou revendre des titres de transport. En France, la Loi d’Orientation des Mobilités (LOM) et son décret de 2021 encadrent l’ouverture de ces canaux de vente, définissant les droits et obligations des fournisseurs de SNM et des gestionnaires de services. À travers ce cadre, un opérateur MaaS peut, de droit, accéder aux services de vente numériques pour la mobilité du quotidien, sous réserve de respecter les règles tarifaires et de réservation en vigueur.
La difficulté n’est donc plus seulement technique, mais aussi contractuelle et organisationnelle. Un même trajet peut combiner plusieurs autorités organisatrices, différents supports (carte, mobile, QR code) et divers modèles économiques (commissions, revente, mise en relation). La plateforme doit être capable de gérer cette complexité en coulisses, tout en donnant à l’usager une vision claire : quel titre ai-je acheté, quelles sont mes conditions d’usage, et comment suis-je protégé en cas d’incident ? Les démarches de « titre unique » ou de forfait régional illustrent bien cet enjeu de convergence progressive, où la billettique devient un service partagé au-dessus des systèmes existants.
Solutions logicielles leaders du marché : whim, moovit et citymapper
Whim (MaaS global) : modèle d’abonnement tout-en-un à helsinki
L’application Whim, lancée à Helsinki dès 2016 par MaaS Global, reste l’un des exemples les plus emblématiques de mobilité intégrée sur une plateforme unique. Plutôt que de vendre des billets à l’unité, Whim propose des forfaits mensuels donnant accès, selon le niveau choisi, aux transports en commun, au taxi, aux VTC et à la location de véhicules. L’utilisateur peut ainsi se déplacer librement sans posséder de voiture, tout en maîtrisant son budget grâce à un abonnement prédéfini.
Ce modèle d’abonnement tout-en-un repose sur une orchestration fine des relations avec les opérateurs partenaires : autorités de transport public, compagnies de taxi, loueurs de véhicules, services de micromobilité. Pour que l’équation économique tienne, la plateforme doit optimiser le mix d’usage, anticiper les pics de demande et négocier des accords de distribution qui préservent l’équilibre de chacun. C’est un peu l’équivalent d’un « forfait mobile illimité » appliqué à la mobilité, avec les mêmes enjeux de pilotage des coûts et de qualité de service.
Pour les villes qui observent ce modèle, la question centrale est la transférabilité. Peut-on répliquer Whim tel quel sur d’autres territoires, ou faut-il adapter finement les offres à la réalité locale (densité, présence de VTC, culture de la voiture individuelle) ? L’expérience finlandaise montre que la mobilité intégrée par abonnement fonctionne particulièrement bien lorsqu’elle s’inscrit dans une stratégie publique cohérente : offre de transport robuste, politique de stationnement dissuasive, et objectifs clairs de réduction de l’autosolisme.
Moovit : cartographie crowdsourcée et planification d’itinéraires multimodaux
Moovit, aujourd’hui propriété d’Intel, s’est imposé comme l’un des principaux calculateurs d’itinéraires multimodaux dans le monde, présent dans plus de 3 500 villes. Son originalité tient à l’usage massif de la donnée crowdsourcée : les utilisateurs partagent leur position, leurs temps de trajet réels et signalent perturbations et incidents. Ces contributions viennent enrichir les données officielles des opérateurs et améliorent la qualité de l’information voyageur en temps quasi réel.
Pour une collectivité, l’intérêt de cette approche est double. D’un côté, Moovit permet de proposer rapidement une information multimodale de qualité sans devoir construire un calculateur from scratch. De l’autre, la plateforme fournit des analyses de mobilité précieuses (flux, points noirs, performance perçue) qui peuvent alimenter la planification des réseaux. On voit ici comment une solution centrée sur la donnée peut devenir un outil d’aide à la décision au-delà de son simple rôle d’application grand public.
La limite, en revanche, tient au niveau d’intégration transactionnel. Dans de nombreux territoires, Moovit se concentre encore sur l’information et la planification, avec une intégration partielle seulement des services de réservation et de paiement. Pour évoluer vers un MaaS de niveau 3 ou 4, les autorités doivent donc compléter cette brique par des modules billettiques et contractuels adaptés au cadre réglementaire local, voire s’appuyer sur des solutions spécialisées pour le compte mobilité unique.
Citymapper : analyse prédictive des temps de trajet urbains
Citymapper s’est construit sur une promesse simple : fournir les itinéraires urbains les plus rapides et les plus fiables possibles en combinant transports publics, marche, vélo, micromobilité et parfois taxis et VTC. Pour y parvenir, la plateforme mise sur des modèles prédictifs sophistiqués des temps de trajet, nourris par les données historiques, les horaires théoriques et les retours d’usage en temps réel. C’est un véritable « Waze des transports en commun », capable de recalculer en permanence les meilleures options.
L’un de ses atouts majeurs réside dans la qualité de l’expérience utilisateur : interfaces épurées, indicateurs de fiabilité, estimation des temps de marche, prise en compte des correspondances complexes. Dans certaines villes comme Londres, Citymapper est allé jusqu’à lancer son propre service de bus privé, démontrant qu’une connaissance fine des flux de mobilité peut déboucher sur de nouveaux modèles d’exploitation. Cette capacité à passer de l’analyse à l’action illustre bien la valeur stratégique des données de mobilité agrégées sur une plateforme unique.
Pour les métropoles souhaitant développer leur propre MaaS, Citymapper constitue autant une source d’inspiration qu’un partenaire potentiel. La question est alors : jusqu’où externaliser la relation numérique avec les usagers au profit d’un acteur global, et où placer la frontière avec une plateforme publique ou régulée, garante de la souveraineté des données et des politiques de mobilité ? La réponse varie selon les contextes, mais le besoin de gouvernance claire des données de mobilité est partout croissant.
Uber transit et intégration des VTC dans l’écosystème MaaS
Avec Uber Transit, la plateforme de VTC a franchi une étape stratégique en intégrant les transports publics dans son application. Dans plusieurs villes nord-américaines et européennes, l’utilisateur peut visualiser les horaires de bus ou de métro, parfois acheter son titre de transport, tout en continuant d’accéder aux courses VTC classiques. L’ambition est claire : devenir l’interface unique de mobilité, qu’il s’agisse de transports collectifs ou individuels.
Cette intégration des VTC dans l’écosystème MaaS soulève cependant des questions sensibles. D’un côté, elle peut contribuer à réduire la dépendance à la voiture individuelle en rendant plus attractifs les trajets combinant marche, transport public et VTC pour le « dernier kilomètre ». De l’autre, elle fait peser un risque de captation de la valeur et des données par un acteur privé dominant, avec un pouvoir important sur l’orientation des choix de mobilité (classement des options, incitations tarifaires, promotions croisées).
Pour les autorités organisatrices, le défi consiste à tirer parti de ces services de VTC intégrés sans perdre la maîtrise des objectifs publics : report modal, accessibilité, équité territoriale. Cela passe par des accords contractuels encadrant l’usage des données, la transparence des critères de classement des options, et la garantie d’une intégration complète des offres publiques, comme l’exige la LOM pour les Services Numériques Multimodaux sur le territoire français.
Optimisation de l’expérience utilisateur par l’intelligence artificielle
Algorithmes de routage dynamique et calcul d’itinéraires optimaux
Au-delà de la simple agrégation de données, la valeur d’une plateforme MaaS se joue de plus en plus dans la qualité de ses algorithmes de routage. Comment proposer, en quelques millisecondes, un itinéraire pertinent qui tienne compte du temps, du coût, des émissions de CO₂, du confort et des préférences individuelles ? C’est là qu’interviennent les moteurs d’itinéraire dynamiques, combinant graphes de transport, données temps réel et optimisation multicritère.
Ces moteurs s’appuient souvent sur des techniques issues de la recherche opérationnelle (algorithmes de plus courts chemins, étiquetage, programmations multi-objectif) enrichies par des méthodes d’IA pour ajuster les paramètres en fonction du contexte. Lors d’un épisode de forte affluence, par exemple, l’algorithme peut privilégier des options moins saturées, quitte à rallonger légèrement le temps de parcours, afin d’améliorer la qualité de service globale. C’est un peu comme un GPS qui ne cherche plus uniquement la route la plus rapide, mais la plus « soutenable » pour l’ensemble du réseau.
Pour vous, en tant que décideur ou technicien, l’enjeu est de définir clairement les objectifs de ces optimisations : doit-on prioriser systématiquement le temps de trajet, ou pondérer davantage les modes actifs et les transports collectifs ? Souhaitez-vous rendre visibles des itinéraires alternatifs plus vertueux, même s’ils sont quelques minutes plus longs ? Ces arbitrages, implémentés au cœur des algorithmes, traduisent concrètement les choix de politique publique dans l’interface utilisateur.
Machine learning pour la prédiction des flux de mobilité
La prédiction des flux de mobilité est un autre domaine où l’intelligence artificielle apporte une valeur décisive. En analysant les données historiques de fréquentation, les validations billettiques, les capteurs de trafic et même la météo ou les événements, des modèles de machine learning peuvent anticiper les charges sur les lignes, les points de congestion et les risques de saturation des services partagés. Cette capacité prédictive ouvre la voie à une gestion proactive de l’offre et de l’information aux usagers.
Imaginons par exemple un week-end de grand départ : la plateforme peut détecter à l’avance une probable surcharge sur certaines lignes de bus vers les gares et pousser des renforts ciblés, tout en recommandant aux voyageurs des horaires ou des itinéraires alternatifs. De même, dans une ville touristique, l’IA peut anticiper les pics de demande de vélos en libre-service près des sites majeurs et ajuster les opérations de rééquilibrage. On passe ainsi d’une mobilité subie à une mobilité pilotée, où l’information et l’offre s’ajustent en continu.
Pour exploiter pleinement ces modèles, la qualité de la donnée reste néanmoins déterminante. Sans référentiels fiables, sans historique suffisant ou sans boucle de retour d’expérience (quels itinéraires ont réellement été choisis, quelles recommandations ont été suivies), les prédictions resteront approximatives. C’est pourquoi les collectivités qui réussissent leurs projets MaaS investissent autant dans la gouvernance de la donnée que dans les technologies d’IA elles-mêmes.
Personnalisation des recommandations de trajets selon les préférences utilisateur
La personnalisation est devenue une attente implicite des usagers, habitués aux recommandations sur-mesure des plateformes de streaming ou de e-commerce. Pourquoi en irait-il autrement dans la mobilité intégrée ? Une plateforme MaaS peut tirer parti de l’IA pour adapter les parcours proposés en fonction des habitudes, des contraintes et des objectifs de chacun : éviter les escaliers, limiter les correspondances, privilégier les modes actifs, réduire le coût au maximum, ou encore minimiser l’empreinte carbone.
Concrètement, cela se traduit par des profils de mobilité configurables (vitesse de marche, niveau d’accessibilité, tolérance au changement de mode) et par des modèles d’apprentissage qui déduisent progressivement les préférences réelles à partir des choix effectifs. Si un usager refuse systématiquement les itinéraires incluant un certain mode, l’algorithme apprendra à le désavantager dans les propositions. Cette personnalisation peut aussi s’appuyer sur des mécanismes de « nudges » : mise en avant d’itinéraires légèrement plus longs mais beaucoup moins émetteurs de CO₂, gamification pour encourager la marche ou le vélo sur les courts trajets, etc.
Reste toutefois un équilibre à trouver entre personnalisation et transparence. Comment expliquer à l’usager pourquoi tel scénario est proposé en premier ? Comment éviter de créer des « bulles de mobilité » où chacun ne voit qu’un sous-ensemble de l’offre disponible ? Ici encore, la gouvernance des algorithmes devient un sujet politique autant que technique : documenter les critères de classement, permettre à l’utilisateur de reprendre la main, offrir des filtres explicites sont autant de bonnes pratiques pour renforcer la confiance dans la plateforme.
Enjeux juridiques et gouvernance des données de mobilité
La mobilité intégrée sur une plateforme unique ne se résume pas à un défi technologique ; elle pose aussi des questions fondamentales de droit, de concurrence et de protection des données. En France, la LOM, le RGPD et les règlements européens sur les services de données de mobilité (MMTIS, futur règlement MDMS) dessinent un cadre de plus en plus structuré. Ce cadre impose l’ouverture de certaines données, encadre l’accès aux canaux de vente et définit les obligations de transparence vis-à-vis des usagers.
Sur le plan de la gouvernance, la première question est celle de la maîtrise publique des données stratégiques. Qui contrôle les journaux de trajets, les statistiques d’usage, les profils de mobilité ? Sont-ils stockés dans une infrastructure souveraine, ou hébergés chez un acteur privé qui pourrait en tirer une rente informationnelle ? Pour les autorités organisatrices, la plateforme MaaS doit devenir un véritable bien commun numérique, au service de la planification et de l’évaluation des politiques de mobilité, et non une simple vitrine commerciale déléguée.
Le cadre juridique fixe aussi des règles claires pour les Services Numériques Multimodaux : intégration complète de l’offre publique sur le ressort territorial, non-discrimination entre services concurrents, transparence des critères de classement des options, protection des secrets d’affaires. Ces obligations visent à éviter qu’un opérateur dominant n’oriente subrepticement les choix de mobilité vers ses propres services, au détriment des objectifs collectifs. En cas de litige, l’Autorité de Régulation des Transports peut être saisie pour arbitrer et faire respecter l’ouverture des canaux de vente ou la non-discrimination.
Enfin, la protection des données personnelles reste un pilier incontournable. Un compte mobilité unique centralise des informations sensibles : historique de déplacements, moyens de paiement, situations particulières (handicap, abonnements sociaux). Le respect du RGPD implique des principes de minimisation, de limitation de la durée de conservation, de consentement éclairé pour les traitements d’IA avancés. Là encore, la confiance est une condition d’adoption : sans garanties fortes sur la confidentialité des données de mobilité, les usagers hésiteront à confier l’ensemble de leurs trajets à une seule plateforme.
Monétisation et modèles économiques des plateformes intégrées
Derrière l’ambition de simplifier la vie des usagers, une question pratique se pose rapidement : comment financer et pérenniser une plateforme MaaS ? Les modèles économiques varient selon que l’on se trouve dans un cadre principalement public, mixte ou porté par un acteur privé. On observe toutefois quelques grandes tendances : commissions sur la vente de titres, abonnements des usagers, contributions des opérateurs partenaires, voire valorisation de la donnée (dans des cadres strictement encadrés).
Dans un modèle public ou para-public, la plateforme MaaS est souvent considérée comme une infrastructure de service, au même titre qu’une ligne de tramway ou un dépôt de bus. Son financement repose alors en grande partie sur les budgets de mobilité, complétés éventuellement par des soutiens nationaux ou européens. Les recettes directes (frais de service, commissions) visent davantage à couvrir les coûts opérationnels qu’à générer un profit. Ce modèle a l’avantage de garantir une forte cohérence avec les politiques de mobilité, mais suppose un engagement financier durable de la collectivité.
Les modèles privés, eux, cherchent davantage à capter de la valeur sur la chaîne de services : commissions de distribution, services premium (abonnements sans publicité, options de confort), partenariats commerciaux avec des opérateurs de mobilité ou des acteurs tiers (assurances, loisirs, retail). Un point de vigilance s’impose alors : comment éviter que la maximisation des revenus publicitaires ou des commissions n’entre en conflit avec l’objectif de promouvoir des modes de transport durables et accessibles ? C’est ici que la régulation et les contrats avec les autorités jouent un rôle clé.
Enfin, la tentation de monétiser les données de mobilité doit être abordée avec prudence. Si certaines analyses agrégées peuvent intéresser des aménageurs, des acteurs immobiliers ou des retailers, elles ne doivent jamais se faire au détriment de l’anonymat des usagers ni de la finalité première du service : améliorer la mobilité du territoire. Une gouvernance transparente des données, associant les parties prenantes (collectivités, opérateurs, usagers), permet de trouver un équilibre entre création de valeur économique et respect de l’intérêt général.
Impact sur la décarbonation des transports et réduction de l’autosolisme
Au-delà de la performance technologique et économique, l’enjeu ultime des plateformes de mobilité intégrée reste la contribution effective à la transition écologique. La question à se poser est simple : une plateforme MaaS bien conçue permet-elle réellement de réduire l’usage de la voiture individuelle et les émissions de gaz à effet de serre associées ? De plus en plus d’études et de retours d’expérience tendent à confirmer cet impact lorsque le service est articulé avec une politique globale de mobilité durable.
En rendant visibles, comparables et facilement utilisables les alternatives à la voiture solo (transports en commun, covoiturage, autopartage, vélo, marche), la plateforme MaaS abaisse les barrières psychologiques et pratiques au changement de comportement. Elle peut, par exemple, mettre en avant le temps réel gagné en évitant les embouteillages, le coût annuel économisé en renonçant à un second véhicule, ou encore les kilogrammes de CO₂ évités sur un trajet type domicile-travail. Ces informations, intégrées dans le calculateur d’itinéraire, agissent comme un révélateur concret des bénéfices de la mobilité partagée.
L’impact sur l’autosolisme est particulièrement fort lorsque la plateforme intègre des services de covoiturage et d’autopartage adossés à des incitations publiques : voies réservées, parkings dédiés, subventions à l’usage, tarification différenciée selon le niveau d’occupation du véhicule. Dans ce cadre, la plateforme joue le rôle de « tour de contrôle » qui organise la rencontre entre l’offre et la demande de mobilité partagée, tout en fournissant aux collectivités les indicateurs nécessaires pour ajuster leurs politiques (taux de remplissage, déplacements évités, report modal).
Enfin, la mobilité intégrée peut devenir un levier puissant pour lutter contre les inégalités territoriales et sociales. En facilitant l’accès aux services de transport dans les zones périurbaines ou rurales, en rendant lisibles les aides à la mobilité, en proposant des abonnements solidaires intégrant plusieurs modes, elle contribue à une mobilité plus juste et inclusive. À condition, bien sûr, d’être pensée comme un outil au service d’un projet de territoire, et non comme une simple vitrine technologique. C’est dans cette articulation entre plateforme numérique, infrastructures physiques et volonté politique que la mobilité intégrée sur une plateforme unique déploiera pleinement son potentiel de transformation.