IA et accidents : Peut-on (et doit-on) identifier les conducteurs à risque avant un sinistre ?

Les logiciels de flotte disposent désormais de suffisamment de données pour tenter d’évaluer le risque d’accident avant qu’il ne se produise. Une bonne chose, certes. Mais à condition de ne surtout pas transformer l’algorithme en outil de surveillance ou de sanction automatique.

Du score de conduite à la probabilité d’accident

Pendant longtemps, la sécurité d’une flotte a été gérée en regardant dans le rétroviseur. Après un accident, l’entreprise en analysait les circonstances, identifiait le cas échéant un comportement dangereux puis mettait en place une formation ou un rappel des règles. La télématique a changé cette logique en faisant remonter des événements survenus avant le sinistre.

L’IA veut désormais aller plus loin : utiliser ces données pour estimer la probabilité d’un futur accident. Ce passage d’une sécurité réactive à une prévention prédictive mérite toute l’attention des gestionnaires de flotte. Et pour cause : selon la Sécurité routière, 549 personnes ont été tuées en 2024 lors d’un déplacement lié au travail, dont 407 sur un trajet domicile-travail et 142 lors d’un déplacement professionnel.

Deux outils à distinguer

1. Le score conducteur traditionnel,qui additionne ou pondère des événements constatés : freinages brusques, accélérations fortes, virages, kilomètres parcourus ou temps passé au-dessus d’un seuil défini.

2. L’analyse prédictive, qui cherche à déterminer si ces comportements sont associés à un risque accru de collision dans le futur.

Pour ce faire, prenons l’exemple de Geotab qui propose un modèle baptisé Predictive Collision Risk qui utilise un modèle d’apprentissage automatique pour estimer la probabilité et le nombre potentiel de collisions d’un véhicule, d’un conducteur ou d’une flotte à partir des comportements et accidents historiques. L’éditeur calcule alors cette estimation en se basant sur les 100 000 prochains kilomètres parcourus.

Quels comportements l’IA peut-elle analyser ?

Les données peuvent provenir de plusieurs sources.

• La télématique. Elle fournit notamment des informations sur les accélérations, freinages, virages, kilométrages ou caractéristiques des trajets.

• Les caméras embarquées. Les systèmes équipés d’une IA peuvent détecter certaines situations : distraction, téléphone tenu en main, non-port de la ceinture ou distance insuffisante.

Attention : Prédire ne signifie pas savoir qui aura un accident

Bien évidemment, un score de risque ne constitue jamais une prédiction 100% certaine. Un conducteur classé à risque peut très bien ne jamais avoir d’accident alors qu’un autre affichant d’excellents indicateurs pourra être impliqué demain dans une collision.

En clair, l’IA identifie avant tout des signaux statistiques, mais ne connaît pas nécessairement toutes les conditions de travail du salarié. Un nombre élevé de freinages brusques peut traduire une conduite agressive, mais aussi des tournées quotidiennes dans un environnement urbain dense. Même chose pour les accélérations ou les virages : sans contexte, le score peut donc être mal interprété.

RGPD : Attention à la frontière entre prévention et surveillance

Le sujet devient particulièrement sensible dès lors que les données sont rattachées à un salarié identifiable. La CNIL rappelle qu’un employeur peut contrôler l’activité professionnelle, notamment pour assurer la sécurité des personnes, mais que le dispositif doit cependant être justifié, proportionné et transparent.

Pour la géolocalisation des véhicules, certaines utilisations sont totalement exclues. Elle ne peut en aucun cas servir à contrôler le respect des limitations de vitesse ni à surveiller un salarié en permanence, notamment. 

De même, pour tout projet de sécurité par IA, le DPO et les RH doivent être associés dès la conception. Et, selon le périmètre du dispositif, une analyse d’impact relative à la protection des données (AIPD) devra également être réalisée. Par exemple lorsque le traitement combine profilage, scoring, surveillance systématique ou données de géolocalisation.

Une sanction automatique serait particulièrement risquée

C’est probablement là la ligne rouge. Prendre une décision disciplinaire exclusivement et automatiquement à partir d’un score généré par une IA poserait un problème juridique majeur.

L’article 22 du RGPD encadre strictement les décisions fondées exclusivement sur un traitement automatisé lorsqu’elles produisent des effets juridiques ou affectent significativement la personne concernée. Comme on l’a dit plus haut, le modèle peut se tromper, et le salarié doit pouvoir comprendre et contester les données utilisées.

Checklist : Utiliser l’IA pour prévenir les accidents sans déraper

Voici répertoriées les différentes étapes à envisager avant de déployer un système de scoring prédictif :

• Définir précisément l’objectif : prévenir les accidents et améliorer la sécurité, et non surveiller globalement le salarié.
• Limiter la collecte aux données réellement nécessaires à la prévention.
• Informer clairement les conducteurs sur les données collectées, leur utilisation et les personnes qui pourront y accéder.
• Associer le DPO, les RH et les représentants du personnel selon les obligations applicables.
• Distinguer score de conduite et risque prédictif, qui ne mesurent pas exactement la même chose.
• Vérifier le contexte des alertes avant toute intervention.
• Utiliser les scores pour cibler formation et coaching, et non pour automatiser les sanctions.
• Analyser l’organisation du travail : planning, fatigue, pression temporelle et état des véhicules.
• Limiter les accès aux données aux seules personnes habilitées.
• Mesurer les résultats du programme : évolution de la sinistralité, fréquence des événements dangereux et efficacité des actions engagées.

L’IA peut alerter, certainement pas condamner

La prévention routière entre donc dans une nouvelle phase. Pour les grandes flottes, l’intérêt est évident : repérer plus tôt les situations et comportements associés à un risque accru afin d’intervenir avant le sinistre. Mais un salarié n’est pas « dangereux » parce qu’un algorithme l’a décidé. Dans ce domaine plus encore que dans la maintenance ou le TCO, l’automatisation doit impérativement rester sous contrôle humain.

FAQ