Résumé : Dans un futur proche, la disponibilité croissantedes données imposera aux décideurs politiquesde modifier régulièrement les politiques urbaines afin d’intégrer l’évolution des comportements et les retours utilisateurs. Dans ce papier,nous proposons une architecture multi-agent générique permettant de concevoir et de modéliserdes politiques urbaines afin d’en éprouver la pertinence en la déployant sur un environnementspécifique. Ces environnements sont conçus enexploitant des données provenant de n’importequelle ville disposant de données ouvertes etcommunautaires (Open Street Map). Deux modèles multi-agent sont couplés dans une boucledynamique micro-macro et peuvent être modifiés à la fois par des techniques d’apprentissage par renforcement ainsi que par l’intégration du retour des décideurs politiques. Nousproposons une formalisation permettant de représenter les politiques urbaines pour initier uneco-construction entre le décideur politique etnotre Systèmes.Une expérimentation sur la régulation de la tarification d’emplacements de stationnement enzone urbaine permet de justifier l’usage de notrearchitecture pour concevoir des politiques urbaines pertinentes.