Aux Pays-Bas, un automobiliste affirme n’avoir fait que se gratter la tête lorsque qu’une caméra dopée à l’IA l’a repéré.
Aux Pays-Bas, un conducteur néerlandais conteste une amende de 380 euros, soit environ 400 dollars, infligée après qu’une caméra de contrôle routier assistée par une intelligence artificielle a estimé qu’il téléphonait au volant. Son histoire, racontée par le site d’actualités insolites Oddity Central, met en lumière les limites très concrètes de ces dispositifs automatisés.
Un simple geste au volant, une amende de 380 euros à la clé
Les faits remontent à l’automne dernier. En novembre, Tim Hansen, un Néerlandais, reçoit par courrier une contravention pour usage du téléphone portable au volant, relevée un mois plus tôt. Montant de l’amende : 380 euros, un tarif dissuasif aux Pays-Bas pour ce type d’infraction.
Sur le moment, Tim tombe des nues. Il ne se souvient pas avoir utilisé son téléphone en conduisant ce jour-là. Intrigué, il se connecte alors au site de l’Agence centrale de recouvrement judiciaire, l’organisme néerlandais chargé de gérer ces contraventions, pour consulter la fameuse photo prise par la caméra.
À première vue, le cliché semble accablant : on le voit de profil, la main contre la tête, dans une posture typique d’un conducteur en pleine conversation. Mais en agrandissant l’image, un détail saute aux yeux : sa main est vide. Aucun téléphone n’apparaît sur la photo. Tim explique qu’il se grattait simplement le côté de la tête à ce moment précis.
La caméra d’IA a interprété une main posée près de l’oreille comme un téléphone, entraînant une amende de 380 euros.
Plus surprenant encore, un agent humain a validé l’amende après avoir vérifié la photo. Le « faux positif » n’a donc pas été détecté, alors qu’il s’agissait d’un cas limite relativement évident pour un œil attentif.
Monocam, la caméra intelligente qui traque les téléphones au volant
La contravention de Tim Hansen repose sur un système bien précis : une caméra baptisée Monocam, utilisée par la police néerlandaise. Ce dispositif photographique se combine à un algorithme d’intelligence artificielle chargé de repérer les comportements interdits, comme l’usage d’un téléphone portable au volant.
Tim ne parle pas d’un sujet qu’il ignore. Il travaille lui-même dans l’informatique, où il conçoit des algorithmes d’édition et d’analyse d’images. Il n’a pas pu tester directement Monocam, mais il décrit son fonctionnement général, basé sur les mêmes principes que les modèles de vision artificielle qu’il manipule au quotidien.
Dans un texte qu’il a rédigé pour raconter son expérience, il explique qu’un tel modèle doit, pour chaque image, répondre oui ou non à une question précise : « y a-t-il un téléphone dans la main du conducteur ? ».
« Si un modèle doit prédire si quelque chose est “oui” ou “non”, il peut évidemment aussi se tromper », écrit-il. « Dans le cas de mon amende, le modèle a indiqué que je tenais un téléphone, alors que ce n’est pas le cas. On parle alors de faux positif. Un modèle parfait ne produirait que de vrais positifs et de vrais négatifs, mais une prédiction 100 % correcte reste rare. »
Comment l’algorithme s’est trompé
Tim Hansen détaille les étapes classiques d’entraînement d’un algorithme comme Monocam :
- un jeu d’entraînement, qui sert à apprendre au modèle à reconnaître des objets sur des images et leurs caractéristiques (formes, couleurs, lignes) ;
- un jeu de validation, qui permet d’ajuster les paramètres internes du modèle ;
- un jeu de test, qui mesure la qualité réelle des prédictions sur des images nouvelles.
Selon lui, le cœur du problème se situe dans la manière dont les images d’exemple ont été sélectionnées. L’algorithme de la police, comme celui qu’il utilise dans son travail, s’appuie fortement sur les positions typiques du bras et de la main pour repérer un téléphone.
« L’algorithme que nous utilisons, comme celui de la police, peut suspecter la présence d’un téléphone parce que le jeu d’entraînement contient de nombreux exemples de personnes en train d’appeler, le téléphone à la main, à côté de l’oreille », explique-t-il. Il ajoute qu’il est possible que ce jeu d’images contienne très peu, voire pas du tout, de photos de personnes posant simplement une main vide sur leur oreille.
Si le modèle n’a presque jamais vu de mains vides près de l’oreille, il finit par considérer la position de la main comme un signe suffisant de présence d’un téléphone.
Dans ce cas, l’algorithme se focalise moins sur la présence réelle de l’objet que sur la posture générale. Dès qu’une main se trouve à proximité de l’oreille, il classe la scène comme un usage de téléphone. Pour réduire ces erreurs, Tim estime qu’il faudrait enrichir les données d’entraînement avec de nombreuses photos de conducteurs se touchant la tête sans appareil en main.
Une vérification humaine qui ne suffit pas
Conscient des limites de ces systèmes, Tim insiste sur la nécessité d’un « filtre humain » pour limiter les faux positifs. L’idée est simple : laisser la machine repérer les cas suspects, mais confier la décision finale à un agent chargé d’examiner les clichés.
Dans son cas, cette étape n’a pas joué son rôle de garde-fou. L’agent qui a regardé la photo a confirmé l’amende, sans remarquer que la main de Tim était vide. Ce raté pose une question sensible : jusqu’où peut-on déléguer la surveillance routière à des dispositifs automatisés, si même le contrôle humain se contente parfois de valider la décision de la machine ?
Le conducteur néerlandais a décidé de contester l’amende. Il s’attend à une issue favorable, mais le délai annoncé atteint 26 semaines, soit six mois d’attente pour espérer faire annuler une contravention qu’il juge infondée.
Un cas qui fait débat aux Pays-Bas et en Belgique
L’histoire de Tim Hansen a rapidement circulé aux Pays-Bas, puis en Belgique, relaie Oddity Central. Dans ce pays voisin, certaines institutions réclament justement la mise en place de caméras capables de détecter automatiquement l’usage du téléphone au volant.
Ce cas concret arrive donc au mauvais moment pour les défenseurs de ces dispositifs. Il rappelle que ces caméras dites « intelligentes » restent des outils probabilistes, qui fonctionnent bien dans la majorité des situations, mais peuvent se tromper dans des scénarios atypiques.
Le risque, pour les conducteurs, tient au caractère peu contestable d’une image supposée « objective » couplée à une décision algorithmique. Tim Hansen, lui, a bénéficié d’un écho médiatique et d’une expertise technique qui lui permettent d’argumenter. D’autres automobilistes pourraient ne jamais repérer que la photo ne montre en réalité aucun téléphone.
Et en France, où en sont les caméras intelligentes au volant ?
En France, l’usage du téléphone tenu en main au volant constitue déjà une infraction sévèrement sanctionnée, contrôlée principalement par les forces de l’ordre, mais aussi par des radars et caméras sur certains axes. Les autorités testent ou utilisent des dispositifs capables de repérer automatiquement le non-port de la ceinture ou la présence d’un téléphone en main, même si leur déploiement reste encadré.
Comme aux Pays-Bas, ces systèmes reposent sur l’analyse d’images, parfois avec des algorithmes d’IA. La logique française reste similaire : la machine signale, l’humain confirme. Le principe, en théorie, consiste à éviter que des algorithmes ne sanctionnent seuls des comportements.
Pour les conducteurs français, le cas néerlandais rappelle plusieurs points concrets :
- une photo issue d’un radar ou d’une caméra n’est pas infaillible ;
- un automobiliste peut demander à consulter le cliché pour vérifier l’infraction ;
- une contestation reste possible si l’image ne prouve pas clairement le manquement reproché.
Les forces de l’ordre françaises, comme la police néerlandaise, doivent veiller à ne pas se reposer entièrement sur l’IA pour qualifier une infraction. L’examen attentif des images reste indispensable, surtout lorsque le cliché montre une situation ambiguë : main sur le visage, geste de coiffure, manipulation d’un objet non identifié, etc.
Comprendre la notion de faux positif en matière d’IA
Le cas de Tim illustre un problème bien connu en intelligence artificielle : les faux positifs. Dans le langage des données, un faux positif désigne une situation où le système signale un problème alors qu’il n’y en a pas. À l’inverse, un faux négatif correspond à une infraction ou un événement passé inaperçu.
Dans le cadre de la sécurité routière, réduire les faux négatifs permet de repérer davantage de comportements dangereux. Mais si l’on pousse trop loin la sensibilité du système, les faux positifs augmentent : plus de conducteurs respectueux de la règle risquent alors d’être sanctionnés à tort.
Rendre un système plus strict contre le téléphone au volant peut mécaniquement accroître le nombre de conducteurs verbalisés à tort.
Les autorités doivent donc arbitrer entre deux objectifs : maximiser l’efficacité de la lutte contre l’usage du téléphone au volant, et limiter au strict minimum les erreurs pénalisant des conducteurs innocents. Ce compromis se joue à la fois dans la conception technique de l’algorithme et dans l’organisation du contrôle humain.
Comment un automobiliste peut réagir face à une erreur d’IA
Pour un lecteur français, l’affaire néerlandaise fournit quelques réflexes utiles. En cas d’amende liée à une caméra ou à un radar :
Ces démarches ne garantissent pas l’annulation d’une contravention, mais elles permettent au moins de corriger certaines erreurs manifestes, notamment lorsque le cliché ne démontre pas clairement l’usage du téléphone.
L’IA sur les routes, entre gain de sécurité et nouvelles zones grises
L’histoire de Tim Hansen montre enfin que l’IA, même lorsqu’elle fonctionne correctement dans la majorité des cas, crée de nouvelles zones grises. Les conducteurs adaptent leurs comportements en sachant qu’ils sont observés par des systèmes automatiques, mais ils peuvent aussi se retrouver sanctionnés pour un geste anodin, comme se gratter la tête.
À mesure que ces technologies se répandent, le débat porte autant sur leur précision que sur la manière de les encadrer : transparence sur les critères de détection, contrôle humain effectif, voies de recours accessibles. Le cas néerlandais illustre très concrètement ce qui se joue derrière un simple cliché de la route : un arbitrage permanent entre sécurité routière, confiance dans la technologie et respect des droits des automobilistes.
