L’effervescence n’est pas seulement dans les couloirs d’Aevena Pavilon College en cette rentrée académique. Au cœur de notre AI Garage, notre laboratoire d’innovation en intelligence artificielle, une équipe hybride vient de franchir une étape significative dans un projet qui touche le quotidien de chaque Abidjanais : la modélisation prédictive des embouteillages.
Ce projet, baptisé en interne “YARA” (Y’a Route Abidjan?), n’est pas une simple simulation théorique. Il représente l’aboutissement de six mois de travail intensif mené conjointement par trois étudiants de deuxième année de Licence en Sciences Informatiques et deux élèves de Terminale, suivant la spécialité Numérique et Sciences Informatiques (NSI) de notre cycle Lycée.
L’objectif était ambitieux : développer un modèle d’apprentissage machine (machine learning) capable de prédire les congestions aux points névralgiques d’Abidjan, non pas en se basant sur des données globales souvent inaccessibles, mais en utilisant des sources de données alternatives et locales.
Le Professeur Amadou Bamba Diop, co-directeur de l’AI Garage, supervise le projet. “Nous savons que les grands modèles de trafic existent”, explique-t-il, “mais ils peinent souvent à saisir les dynamiques propres à Abidjan : l’impact des pluies soudaines, l’influence des ‘gbakas’ ou des ‘wôrô-wôrôs’ sur la fluidité, ou les micro-blocages sur des axes cruciaux comme le Carrefour de l’Indénié.”
L’équipe “YARA” a donc adopté une approche granulaire. Les étudiants de Licence, forts de leur formation en analyse de données, se sont concentrés sur le développement d’un algorithme LSTM (Long Short-Term Memory), un type de réseau neuronal récurrent idéal pour les séries temporelles, afin d’analyser les flux de données.
Le véritable défi, cependant, fut la collecte de ces données. C’est là que l’ingéniosité de nos élèves de Lycée est entrée en jeu. Encadrés par leurs aînés, les deux lycéens ont été chargés d’une mission critique : l’acquisition et le nettoyage des données. Ils ont développé des scripts pour agréger des informations issues de sources hétérogènes : données météorologiques historiques, images anonymisées de webcams publiques surplombant le Pont HKB, et analyse des sentiments sur les réseaux sociaux locaux mentionnant le trafic.
“L’expérience était incroyable”, témoigne Aïcha, élève en classe de Terminale. “En cours de NSI, nous apprenons Python et les bases de données. Ici, nous avons dû appliquer cela pour nettoyer des milliers de lignes de données ‘sales’ afin que le modèle d’IA puisse les comprendre. Voir les étudiants de Licence transformer nos données en une prédiction réelle était… concret.”
Le modèle n’est pas encore parfait. “La qualité et la rareté des données en temps réel restent notre principal goulot d’étranglement”, admet le Prof. Diop. “Nous faisons parfois face à des résultats contre-intuitifs. Mais c’est précisément le but de la recherche : se confronter au réel.”
Malgré ces défis, l’équipe a présenté ses premiers résultats lors de notre symposium interne de rentrée. Le modèle “YARA” a atteint un pic de précision de 82% dans la prédiction des pics de congestion au Carrefour de l’Indénié avec une fenêtre d’anticipation de 30 minutes.
Cette réussite illustre parfaitement la philosophie d’Aevena Pavilon : l’excellence académique n’est pas un but en soi, mais un outil pour résoudre des problèmes concrets. En faisant collaborer nos lycéens et nos étudiants universitaires sous la supervision de chercheurs actifs, nous ne formons pas seulement des ingénieurs ou des bacheliers ; nous formons des solutionneurs de problèmes, prêts à relever les défis de notre métropole.
La prochaine étape pour l’équipe “YARA” ? Tenter d’intégrer des données de partenaires logistiques pour modéliser l’impact du trafic des poids lourds sortant du port. L’aventure ne fait que commencer.
Leave a Reply