Dispositif d’acquisition de données montrant un participant sur le simulateur de conduite et les capteurs utilisés pour enregistrer les paramètres physiologiques. Crédit : Engineering Applications of Artificial Intelligence (2025). DOI : 10.1016/j.engappai.2025.112585
Des scientifiques de l’Université de Sharjah ont mis au point un nouveau modèle d’apprentissage automatique capable de prédire la probabilité qu’un conducteur soit impliqué dans un accident avant même de prendre le volant. Les accidents de la route sont fréquemment liés à des erreurs humaines, pourtant les méthodes traditionnelles de sélection des conducteurs, notamment dans les secteurs des taxis et des transports commerciaux, reposent souvent essentiellement sur l’expérience et les vérifications des antécédents. Selon les chercheurs, ces critères sont souvent insuffisants pour identifier les conducteurs présentant un risque plus élevé sur la route.
Leur étude, publiée dans la revue Engineering Applications of Artificial Intelligence , explore une question fondamentale : comment identifier les conducteurs à risque avant qu’ils ne prennent la route ? Pour y répondre, les chercheurs ont développé un cadre d’évaluation basé sur les données, combinant profilage psychologique, surveillance physiologique et simulation des performances de conduite.
Les participants ont commencé par remplir un questionnaire structuré mesurant des traits de personnalité tels que la recherche de sensations et la conscience professionnelle. Ils ont ensuite conduit dans un simulateur très réaliste conçu pour reproduire les conditions de circulation urbaine de Dubaï, une ville cosmopolite connue pour ses embouteillages chroniques et son réseau routier qui voit passer plus de 3,5 millions de véhicules par jour.
Vue du conducteur dans un simulateur de conduite urbaine. Crédit : Engineering Applications of Artificial Intelligence (2025). DOI : 10.1016/j.engappai.2025.112585
« Au cours de la séance, nous avons enregistré la fréquence cardiaque et des indicateurs détaillés des mouvements oculaires, notamment la fréquence de clignement des yeux et la déviation du regard », a déclaré le Dr Malek Masmoudi, auteur principal de l’étude et professeur agrégé de génie industriel.
« À l’aide de modèles d’apprentissage automatique, nous avons analysé cet ensemble de données intégré afin de classer les conducteurs comme présentant un faible risque ou un risque élevé en fonction de résultats objectifs tels que les accidents et les infractions au code de la route enregistrés au cours de la simulation. »
Distinguer les conducteurs sûrs des conducteurs à risque
L’importance de ce travail réside dans son approche préventive et évolutive. Plutôt que de réagir aux accidents après coup, le cadre proposé permet aux entreprises de transport d’évaluer les tendances à risque avant même leur mise en œuvre.
Outre son rôle de facilitateur pour des décisions d’embauche plus sûres et éclairées, ce modèle peut également servir d’outil de formation ciblé, aidant les conducteurs à identifier leurs comportements à risque et à améliorer leur attention et leur autorégulation. Il contribue ainsi non seulement à la sécurité routière, mais aussi à des programmes de formation des conducteurs plus structurés et fondés sur des données probantes.
« L’analyse a révélé que la distraction du regard, la recherche de sensations, la conscience professionnelle et le sexe sont les meilleurs prédicteurs du comportement au volant », notent les scientifiques. « Ces résultats suggèrent que notre modèle peut constituer un outil d’aide à la décision précieux pour les compagnies de taxis et les agences de transport souhaitant améliorer leurs processus de sélection des conducteurs en identifiant ceux présentant les risques d’accident les plus faibles. »
D’après les auteurs, les résultats valident l’utilité pratique du cadre de classification proposé pour distinguer les conducteurs sûrs des conducteurs à risque. « Ces résultats offrent des perspectives précieuses aux compagnies de taxis et aux agences de transport qui souhaitent optimiser leurs processus de sélection des conducteurs en identifiant ceux présentant un faible risque d’accident, grâce à une analyse des facteurs clés mis en évidence dans l’étude », écrivent-ils.
Le Dr Masmoudi a souligné que la sécurité routière ne doit pas être une priorité après un accident, mais avant même l’embauche d’un conducteur. « L’accident le plus sûr est celui qui n’arrive jamais. C’est pourquoi la sécurité doit être une priorité avant même que le conducteur ne prenne le volant », a-t-il déclaré.
« À l’ère de l’Industrie 4.0, nous disposons des outils nécessaires pour prédire les risques au lieu de simplement réagir aux crises. La question n’est plus : « Comment pouvons-nous le mesurer ? » mais : « Pourquoi ne l’utilisons-nous pas ? » »
Les personnes disciplinées et responsables conduisent prudemment
Les résultats montrent que la sécurité au volant ne dépend pas uniquement des compétences techniques, mais aussi fortement des traits de personnalité et des habitudes de concentration visuelle. Par exemple, les conducteurs dont le regard se détourne fréquemment de la route sont nettement plus susceptibles d’être impliqués dans des accidents simulés.
Le Dr Masmoudi a expliqué : « Les personnes naturellement disciplinées et responsables ont tendance à conduire avec plus de prudence. Celles qui ont un fort penchant pour les sensations fortes, c’est-à-dire qui sont attirées par l’excitation et le risque, sont plus susceptibles d’adopter des comportements de conduite dangereux. »
En clair, certains traits de personnalité et habitudes attentionnelles mesurables indiquent systématiquement un risque d’accident plus élevé. L’analyse conjointe de ces facteurs grâce à l’apprentissage automatique permet aux compagnies de taxis ou de transport de prédire ce risque avec une grande précision.
Au-delà du dépistage, les enseignements de cette étude peuvent également éclairer les programmes de formation ciblés. Les conducteurs identifiés comme présentant un risque plus élevé peuvent bénéficier d’un accompagnement spécialisé en matière de maîtrise de l’attention, de gestion du stress et de prise de décision sécuritaire.
Pour les compagnies de taxis et les gestionnaires de flottes, cette approche pourrait entraîner une diminution du nombre d’accidents, une réduction des coûts d’assurance et de réparation, une amélioration de la sécurité des passagers, un renforcement de la confiance du public et une amélioration générale de la réputation de l’entreprise.
« La conduite à risque n’est pas un comportement aléatoire ; elle reflète des schémas mesurables d’attention et de personnalité », a déclaré Imad Alsyouf, professeur de génie industriel à l’Université de Sharjah et co-auteur de l’étude. « En combinant psychologie, physiologie et apprentissage automatique, nous passons d’un recrutement basé sur l’intuition à des décisions de sécurité fondées sur des preuves. »
Implications concrètes
Le professeur Alsyouf a souligné que, même si leur modèle identifie avec succès les conducteurs à haut risque, « l’intelligence artificielle ne doit pas remplacer le jugement humain ; elle doit le renforcer par des données objectives. Notre objectif n’est pas seulement de filtrer les risques, mais aussi d’aider les conducteurs à comprendre et à améliorer leur propre profil de sécurité. »
Le professeur Alsyouf a expliqué que la recherche avait été conçue en vue d’une application concrète. « Son application la plus immédiate concerne le recrutement dans le secteur des taxis et des véhicules commerciaux. Au lieu de se fier uniquement à l’historique de conduite ou aux entretiens, les entreprises peuvent intégrer une courte évaluation sur simulateur, combinée à un examen psychologique et à un suivi physiologique. »
Il est important de noter que ce cadre s’étend bien au-delà du simple recrutement. Le Dr Masmoudi a souligné que ce modèle pourrait servir d’outil structuré de formation et d’évaluation, permettant aux entreprises de concevoir des programmes de perfectionnement personnalisés pour leurs conducteurs.
« L’avantage principal réside dans le fait que le système fonctionne avant le déploiement », a-t-il ajouté, « ce qui permet de passer d’une gestion de la sécurité réactive, consistant à réagir après la survenue d’incidents, à une gestion préventive et évolutive, où les risques sont identifiés précocement et traités de manière proactive. »
https://techxplore.com/news/2026-03-ai-flag-high-motorists-road.html
https://linkinghub.elsevier.com/retrieve/pii/S0952197625026168
