Intelligence artificielle et sécurité routière : les États-Unis et le Royaume-Uni à l’avant-garde
Résumé de l’étude de cas
L’American Traffic Safety Services Association (ATSSA) vient de publier une étude de cas approfondie intitulée “Driving Transportation Safety Forward with AI”. Ce document, co-rédigé par Eric Perry (Directeur de l’Innovation) et Tim Luttrell (Maître instructeur ATSSA), compile des exemples concrets d’utilisation de l’intelligence artificielle dans le domaine de la sécurité routière, issus des États-Unis et du Royaume-Uni.
Objectif de l’étude
L’étude illustre comment l’IA transforme le secteur des transports en améliorant l’efficacité de traitement des données et en proposant des solutions proactives pour prévenir les accidents plutôt que d’en tirer des leçons a posteriori.
Applications concrètes de l’IA dans les transports
États-Unis :
Iowa DOT : gestion des incidents de circulation à l’aide de l’IA.
Hawaii DOT : plateformes d’analyse pour l’évaluation de l’état des marquages routiers.
Pennsylvanie : marquage automatique des routes via l’analyse d’images issues de caméras.
Californie : détection vidéo automatisée des incidents pour une meilleure conscience situationnelle.
Seattle : algorithme de régulation de trafic basé sur la logique floue.
Floride et Nevada : détection d’incidents par IA.
Loyola Marymount University : détection de nids-de-poule via caméras embarquées.
Royaume-Uni :
Technologies IA appliquées aux chantiers de construction routière.
Cinq grandes catégories d’application de l’IA identifiées :
Text AI : traitement automatique de données textuelles.
Visual AI : reconnaissance d’images et vidéos.
Interactive AI : interactions homme-machine (ex. : interfaces vocales).
Analytical AI : exploitation des données pour déductions statistiques ou prédictives.
Functional AI : IA embarquée dans des dispositifs techniques (ex. : machines de marquage).
Un changement de paradigme
Les auteurs insistent sur un basculement stratégique : passer d’une analyse rétrospective des données à une approche prédictive. Cela permet :
de prévoir les zones à risque,
d’automatiser les décisions d’entretien,
d’optimiser la gestion des infrastructures,
voire de communiquer avec les technologies embarquées des véhicules.
Questions clés soulevées par l’étude
L’IA peut-elle prédire où et quand un incident est susceptible de se produire ?
Peut-elle remplacer les inspections manuelles des routes ?
Est-elle capable de piloter des machines de marquage ?
Peut-elle s’intégrer aux technologies in-vehicle pour une action combinée ?
Conclusion
Cette étude de l’ATSSA démontre que l’IA est en train de devenir un pilier stratégique de la sécurité routière, capable de transformer radicalement la manière dont les agences anticipent, gèrent et réduisent les risques. Les travaux en cours sont riches de promesses : des routes plus sûres, mieux entretenues, et une politique de transport plus réactive et fondée sur la donnée.
Source :
ATSSA news