Détection de la fatigue au volant

La fatigue au volant est un phénomène qui prend racine dans de multiples causes et a pour conséquence des accidents pouvant entraîner des dommages matériels et humains. Tout le monde s’accorde là-dessus mais lorsque l’on essaye de détecter la fatigue au volant pour prévenir ces accidents, les choses se compliquent. Existe-t-il une mesure directe de la fatigue ? Quels capteurs sont les plus adaptés ? Sur quels paramètres et sur quelles valeurs faut-il baser la détection ? Un système de détection est-il efficace pour des personnes au profil différent ? Beaucoup de questions peuvent émaner de la problématique de la fatigue au volant.

En dressant un portrait de la fatigue selon les différentes communautés nous allons explorer ses manifestations, ses causes et les manières de l’expérimenter. La pluralité des facteurs qui composent et influent sur la fatigue rendent sa modélisation complexe. Les chercheurs utilisent plusieurs méthodes d’acquisition des paramètres avec ou sans contact. Il est aussi possible d’observer le comportement du conducteur dans la conduite et l’environnement dans lequel il évolue. L’hétérogénéité des données nécessite des systèmes intelligents pour agréger ces données et prendre des décisions en temps réel.

Une grande variété de systèmes intelligents existent. Ils sont souvent décomposés en trois parties : organes de perception, organes de traitement et raisonnement et enfin les organes de décision. Pour la détection de la fatigue au volant, la perception peut être faite par des caméras ou des biocapteurs. Le traitement et le raisonnement se basent sur des techniques d’apprentissage automatique ou Machine Learning (ML). D’autres techniques comme les systèmes à base de règles sont aussi utilisées mais paraissent moins performantes face à l’apprentissage automatique profond ou Deep Learning (DL), sous-famille de techniques au sein de l’apprentissage automatique, qui est plus flexible et permet aux modèles de mieux s’adapter aux données complexes issues de la fatigue du conducteur.

Cependant il reste encore du chemin à parcourir avant de pouvoir concevoir des systèmes qui sont fiables et détectent réellement la fatigue du conducteur. Parmi les différentes étapes de conception des systèmes intelligents il est possible d’introduire des biais que ce soit dans le recueil des données, le traitement ou le raisonnement. Enfin les nouveaux champs de recherche dans l’intelligence artificielle, comme l’« explicabilité », permettent d’ouvrir de nouvelles pistes de réflexion pour développer des modèles plus robustes.