Boluwaji Fagbuaro, chercheur et développeur nigérian en intelligence artificielle et apprentissage automatique, affirme avoir mis au point un système d'IA conçu pour signaler les comportements distrayants chez les conducteurs, à partir de données collectées sur les routes nigérianes. Il souhaite adapter cette technologie aux véhicules fabriqués ou assemblés au Nigeria.

Fagbuaro indique avoir collecté environ 48 heures de données de conduite auprès de conducteurs nigérians pour entraîner le modèle. Le système reconnaît des activités telles que manger ou boire au volant et alerte le conducteur en temps réel.

Il fait valoir que les systèmes de surveillance du conducteur conçus pour d'autres marchés peuvent ne pas prendre en compte les conditions locales. L'éclairage, les tons de peau et le positionnement des caméras, précise-t-il, peuvent tous affecter la fiabilité avec laquelle ces systèmes interprètent le comportement du conducteur. La surveillance du conducteur est déjà une catégorie établie de la sécurité automobile — les régulateurs européens exigent que les nouveaux véhicules soient équipés de systèmes avertissant contre la somnolence et la distraction, ce qui rend la surveillance par caméra de plus en plus courante dans les voitures neuves — et c'est ce qui met en lumière la question des données d'entraînement dans des conditions locales.

« À quoi ressemblerait un système de surveillance du conducteur s'il était conçu spécifiquement autour des conducteurs nigérians et des conditions de conduite au Nigeria ? », demande-t-il. Cette question est devenue le projet.

Le plan à plus long terme est une plateforme de coaching du conducteur. Elle suivrait le comportement dans le temps et générerait des rapports hebdomadaires sur la fréquence des distractions et sur l'amélioration ou la détérioration des habitudes du conducteur. Fagbuaro n'a pas précisé si cette fonctionnalité est déjà opérationnelle.

Il indique également que les constructeurs pourraient éventuellement utiliser un tel système, entraîné sur des données représentant les conducteurs locaux, pour développer et tester des technologies de sécurité.

Technext n'a pas pu vérifier de manière indépendante les performances du système. Fagbuaro n'a fourni aucun chiffre de précision ni cité aucun constructeur, exploitant de flotte ou entreprise de VTC le testant. Il n'existe donc pas encore de mesure publique de ses performances.

Les routes du Nigeria restent meurtrières. Le Corps fédéral de la sécurité routière (FRSC) a recensé 10 446 accidents de la route et 5 289 décès à l'échelle nationale en 2025. Les accidents ont augmenté de 9,2 % par rapport à 9 570 en 2024, tandis que les décès ont baissé de 2,4 % par rapport à 5 421. Cette baisse est restée en deçà de lobjectif de réduction de la mortalité de 10 % fixé par le corps.

La distraction figure déjà à l'agenda du FRSC. Le Corps Marshal Shehu Mohammed a lancé la campagne des mois d'Ember 2025 sous un thème appelant les automobilistes à cesser la conduite distraite. La vitesse excessive demeure toutefois la première cause recensée. Les dépassements de limitation de vitesse représentaient 41 % des causes d'accidents identifiées en décembre 2025. Les chiffres n'indiquent pas combien d'accidents ont été causés par la distraction, ce qui laisse non mesurée l'ampleur du problème qu'une telle technologie devrait affronter au Nigeria.

Le secteur des VTC est lui aussi en mutation. Uber a confirmé qu'il cesserait ses activités au Nigeria le 2 septembre 2026, mettant fin à 12 ans de présence sur ce marché. Moove, la société de financement de véhicules fondée à Lagos qui soutenait les chauffeurs de VTC, a annoncé le 8 octobre la cessation progressive de ses opérations nigérianes. Elle a indiqué que les véhicules éligibles, d'une valeur d'environ 35 milliards de nairas, passeraient en pleine propriété des clients existants, sans paiement supplémentaire à la société pour ces véhicules.

Fagbuaro n'a pas indiqué que son système était lié à l'une ou l'autre de ces sociétés ni conçu pour les chauffeurs de VTC. Qui pourrait éventuellement utiliser un système entraîné sur des données de conduite locales — conducteurs privés, exploitants de flottes ou constructeurs — et si les divulgations manquantes, des chiffres de précision à un partenaire de test nommé, finiront par arriver, sont les principaux points à surveiller à mesure que le projet évolue.