Le véhicule du futur
Perception, décision et sécurité en conduite automatisée
Travaux de recherche soutenus par la Fédération MIDOC
Prendre en compte l’humain dans les systèmes de conduite autonome et assistée
Les travaux regroupés dans cette catégorie s’intéressent au rôle de l’humain dans la conduite automatisée, en particulier dans les situations où l’attention, la vigilance ou la capacité de reprise de contrôle sont déterminantes pour la sécurité. Ils portent sur l’analyse des états cognitifs et physiologiques des conducteurs, ainsi que sur la détection et la prévention des situations à risque dans des contextes de transition entre conduite manuelle et automatisée.
Ces recherches visent à développer des outils et méthodes d’aide à la décision intégrés aux systèmes de véhicules autonomes ou semi-autonomes. En mobilisant des données issues de capteurs physiologiques et comportementaux, ainsi que des approches fondées sur l’intelligence artificielle, elles contribuent à concevoir des systèmes de conduite plus sûrs, plus inclusifs et mieux adaptés à la diversité des usagers.
Stage – Intégration des outils de prévention de l’hypovigilance aux systèmes de véhicules autonomes
🔍 Thématique 4 – Le véhicule du futur
👤 Stagiaire : Thouria Ben Haddi
👨🏫 Chercheuse associée : Nawal Guermouche (LAAS)
🏢 Start-up impliquée : WavBrain
🗓️ Période : Avril 2024 – Septembre 2024
WavBrain est une start-up issue de l’Université de Toulouse, spécialisée dans l’industrialisation de solutions d’IA légères. Elle développe notamment HypoEEG, un système de détection en temps réel de la somnolence à partir d’EEG mono-électrode.
Contexte / Missions
L’hypovigilance, souvent causée par la fatigue du conducteur, est un enjeu crucial pour la sécurité routière, particulièrement lors de la reprise de contrôle d’un véhicule autonome.
Ce stage a reposé sur l’utilisation du système HypoEEG de WavBrain, qui détecte l’hypovigilance en temps réel via des algorithmes d’IA analysant les signaux EEG. Cependant, la simple détection ne suffit pas, ce stage a permis de développer des mécanismes intelligents capables de à la fois d’alerter le conducteur et de le ramener à un état de vigilance optimal, par exemple en activant des signaux sonores, visuels, ou en passant en mode de conduite autonome.
Les tâches principales de Thouria incluent une revue de la littérature, la proposition et l’implémentation de solutions pour améliorer la vigilance, et l’évaluation de ces solutions sur des microcontrôleurs.
Portrait de Thouria
Étudiante en Master 2 d’Informatique, spécialité Intelligence Artificielle : Fondements et Applications à l’Université Toulouse III – Paul Sabatier, ce stage de fin d’études a constitué une expérience professionnelle enrichissante pour Thouria, concluant ainsi sa formation universitaire.
Cette opportunité lui a permis de découvrir le domaine de la mobilité intelligente et d’appliquer les connaissances et compétences acquises au cours de sa formation dans le cadre d’un projet de recherche innovant.
À l’issue de ce stage, elle a poursuivi en thèse de doctorat dans le domaine de la mobilité intelligente et inclusive, en continuité avec les travaux initiés durant cette expérience.
Stage – IMPACT : Modèles et algorithmes basés sur l’IA pour la détection et la prévention des perturbations chez les conducteurs TSA pour une mobilité intelligente et inclusive
🔍 Thématique 4 – Le véhicule du futur
👤 Stagiaire : Offre en cours
👨🏫 Chercheuse associée : Nawal Guermouche (LAAS CNRS) en collaboration avec le CERPPS
🗓️ Période : 2026
Ce stage consiste à développer des modèles et algorithmes basés sur l’intelligence artificielle pour aider les conducteurs avec des troubles du spectre autistique (TSA) à faire face aux perturbations de conduite, en rendant les véhicules plus inclusifs et adaptés.
En utilisant des capteurs IoT et des réseaux de neurones avancés, le stagiaire analysera les réactions des conducteurs TSA face aux événements routiers et développera un système capable d’anticiper et de minimiser les impacts cognitifs et émotionnels.
Les missions comprennent une revue de la littérature, l’analyse de données existantes et la mise en œuvre d’un modèle prédictif pour détecter et visualiser en temps réel les perturbations chez les conducteurs, contribuant à une mobilité intelligente et inclusive.
Offre en cours
Stage – Apprentissage et prédiction de la reprise volontaire du contrôle en conduite automatisée à partir de données physiologiques
🔍 Thématique 4 – Le véhicule du futur
👤 Stagiaire : Massiniassa Saheb
👨🏫 Chercheurs associés : Valérie Camps (IRIT), Céline Lemercier (CLLE), Robin Cazes (CLLE)
🗓️ Période : Mai 2026 – Aout 2026
Contexte / Missions
Avec l’arrivée des véhicules hautement automatisés, une question devient centrale : quand et pourquoi un conducteur décide de reprendre le volant alors que le système gère correctement la situation. Des émotions négatives comme la colère ou la frustration peuvent favoriser ces reprises « volontaires », susceptibles d’augmenter le risque d’accident en réintroduisant l’erreur humaine que l’automatisation cherche justement à limiter.
L’objectif est de développer et d’évaluer des méthodes d’apprentissage automatique capables de détecter et prédire une reprise imminente du contrôle à partir de données physiologiques enregistrées sur simulateur.
Les résultats attendus contribueront à concevoir des systèmes de conduite automatisée plus sûrs et adaptatifs, capables de mieux tenir compte de l’état du conducteur.
Portrait de Massiniassa
Prochainement