La Grèce leur a promis qu’elle serait très heureuse en automatisant la surveillance du trafic par une IA. Jusqu’à ce qu’il commence à recevoir une amende

Installer des caméras dotées d’intelligence artificielle pour surveiller les bruits de la circulation, sur le papier, est une solution presque inévitable : moins de paperasse, plus de rapidité et une administration capable de détecter les infractions sans dépendre de la présence d’un agent au bon endroit. Le problème apparaît lorsque cette promesse se résume à l’asphalte et que ce que nous avons vu en Grèce nous oblige à poser une question beaucoup plus difficile pour tout système automatisé : que se passe-t-il lorsque la machine signale une éventuelle infraction, mais que quelqu’un doit alors vérifier si elle a réellement existé.

Le problème. Ta Nea a publié un chiffre qui nous oblige à regarder le système de l’intérieur, et pas seulement en termes d’amendes qui parviennent au conducteur. Selon les médias grecs, pendant la phase pilote, le pourcentage d’échecs ou d’enregistrements incorrects aurait atteint entre 90 et 95 %. L’échelle aide à comprendre le problème : sur 5 500 enregistrements générés par le système, seuls 400 ont été validés comme étant corrects après examen par la police grecque. Les cas restants comprenaient 1 300 cas attribués à l’utilisation du téléphone portable et 3 800 cas dus à un excès de vitesse qui ont finalement été écartés.

La clé. Le système grec prévoit une longue chaîne : des caméras enregistrent une éventuelle infraction, cette information passe par une validation par l’autorité compétente et seulement ensuite elle peut être diffusée et notifiée numériquement au citoyen. C’est pourquoi les données de Ta Nea sont si pertinentes. Il ne s’agit pas simplement de conducteurs qui recourent après avoir reçu une sanction, mais d’un goulot d’étranglement antérieur : une énorme quantité de dossiers générés par le système et que la police doit examiner avant de les considérer comme bons.

Nouveau modèle de gestion des infractions. Depuis fin mars, la Grèce dispose d’un système numérique de certification des infractions au code de la route dans une phase pilote, conçue pour remplacer progressivement les amendes manuscrites par un processus d’enregistrement et de traitement numérique. Dans cette première étape interviennent deux sources principales : les caméras de la société de transports publics OSY dans les couloirs de bus, destinées aux infractions au code de la route et au stationnement, et le réseau de caméras « intelligentes » lié au ministère de la Gouvernance numérique.

Puis un autre avion arrive. Jusqu’au 30 mai 2026, selon Euronews, le nouveau mécanisme avait généré 2 453 amendes numériques, pour lesquelles 420 allégations ont été présentées, soit 17,12 % du total. Parmi ces demandes, 52 ont été acceptées, ce qui équivaut à 2,11 % de toutes les amendes infligées. La plupart des cas acceptés étaient liés à des problèmes techniques ou procéduraux, tels que des décalages horaires, des données difficiles à lire ou des exceptions liées au port de la ceinture de sécurité.

La distinction. Une chose, ce sont les enregistrements générés par la caméra et qui doivent ensuite être examinés par la police avant de devenir une sanction valable. Une autre chose est que les amendes qui ont déjà passé ce filtre, ont été émises, ont été notifiées au citoyen et peuvent ensuite faire l’objet d’allégations. En d’autres termes : le système fait l’objet d’un examen humain avant l’arrivée de l’amende, mais cela n’empêche pas certains conducteurs de continuer à faire appel des sanctions déjà passées par ce circuit.

Point de conflit. Comme l’explique un expert en transport cité par Ta Nea, la défaillance ne résiderait pas tant dans les violations externes que dans celles qui se produisent à l’intérieur du véhicule. Le franchissement d’un feu rouge ou le dépassement de la limite de vitesse peuvent être enregistrés plus fidèlement, tandis que la détection du port de la ceinture de sécurité ou de l’utilisation d’un téléphone portable dépend de facteurs beaucoup plus variables. Les ombres, les couleurs, les angles de caméra ou les objets tels qu’une cigarette peuvent altérer la lecture et transformer une image douteuse en une prétendue contrefaçon.

Images | Ministère grec de la gouvernance numérique

À Simseo | Un conducteur allemand a décidé de découvrir jusqu’où il pouvait étirer le réservoir de sa vieille voiture diesel. Et il a parcouru 2 400 kilomètres