Téléphone, bâillement, main levée : une petite IA marocaine sait déjà reconnaître 20 situations
Quatre chercheurs marocains ont conçu une intelligence artificielle de seulement 229 Ko capable de repérer vingt comportements, personnes et objets dans une salle de classe. Le modèle fonctionne sur un microcontrôleur et peut traiter localement les images, sans transmettre continuellement les vidéos des élèves.
Lire, écrire, lever la main, discuter, bâiller, regarder son téléphone ou utiliser un ordinateur : le système a été développé par Chaymae Yahyati, Ismail Lamaakal, Khalid El Makkaoui et Ibrahim Ouahbi. Tous travaillent au laboratoire MIASI de la Faculté des sciences appliquées de Nador, rattachée à l’Université Mohammed Premier d’Oujda.
Leur étude, publiée le 27 septembre dans la revue Discover Artificial Intelligence, cherche à résoudre deux faiblesses des systèmes de surveillance automatisée : leur besoin important en puissance informatique et la centralisation d’images montrant des élèves.
Sur Bladi.net : Des caméras de surveillance dopées à l’IA dans les écoles marocaines
Les chercheurs ont développé un modèle TinyML, conçu pour fonctionner sur des appareils disposant de peu de mémoire et de puissance. Après élagage de 40 % des canaux du réseau et conversion en nombres entiers INT8, sa taille est passée de 742,6 à 228,9 Ko, soit une réduction de 69,2 %.
Le modèle a ensuite été installé sur une carte NXP équipée d’un processeur Arm Cortex-M4F cadencé à 120 MHz, avec 1 Mo de mémoire Flash et 256 Ko de mémoire vive. Il y traite 15,43 images par seconde, opérations de détection et de filtrage comprises.
Dans les tests menés sur leur principale base d’images, sa performance atteint 95,64 % en mAP@0.5, un indicateur mesurant sa capacité à localiser et classer correctement les éléments observés. Avec un critère de localisation plus exigeant, le score descend à 78,86 %.
Vingt catégories, mais pas uniquement des comportements
L’apprentissage repose principalement sur SCB-Dataset5, une base comprenant 7 428 images et 106 830 annotations. Elle distingue des actions comme lever la main, lire, écrire, parler, applaudir, bâiller ou utiliser un téléphone, mais aussi des personnes et objets tels que l’enseignant, l’écran, le tableau et l’ordinateur.
Les chercheurs ont également confronté leur système à deux autres bases d’images, UK_Dataset et SiTBehavior, afin de mesurer sa capacité à fonctionner sur des scènes différentes de celles utilisées pendant son développement.
Aucun élève marocain n’a participé à l’expérience et aucune nouvelle donnée personnelle n’a été collectée. Les travaux reposent exclusivement sur des bases déjà existantes. Le système reste donc un prototype de recherche, alors que le ministère marocain de l’Éducation avait déjà évoqué l’utilisation de caméras dotées d’intelligence artificielle dans les établissements scolaires.
L’autre particularité du projet réside dans son apprentissage fédéré. Cinq clients entraînent localement le modèle à partir de leurs propres images, puis transmettent au serveur les mises à jour mathématiques produites, et non les photos ou les vidéos elles-mêmes. Une fois entraînée et compressée, l’IA fonctionne directement sur l’appareil sans envoyer de flux vidéo.
Sur Bladi.net : Un chercheur d’origine marocaine révolutionne l’IA
Les auteurs ne présentent pas encore leur système comme un outil de vidéosurveillance continue. Sa mémoire limitée le destine plutôt à l’analyse périodique, événementielle ou en basse résolution. Ils veulent maintenant le tester dans des classes plus diverses, sur davantage d’appareils, et renforcer la protection des échanges par l’agrégation sécurisée et la confidentialité différentielle.
