Vérification biométrique et par reconnaissance faciale IA du JAMB pour l'examen national d'entrée à l'université au Nigeria
Nigeria
Le JAMB, au Nigeria, utilise la reconnaissance faciale par IA et la biométrie pour vérifier plus de 2,2 millions de …
Nigeria · Abuja · Voir le profil de Nigeria
Lors de l'examen nigérian UTME 2025, un comité spécial a documenté plus de 6 000 cas de fraude facilitée par la technologie, dont 190 cas de morphing d'image par IA pour tromper la vérification faciale, menant à des recommandations de détection biométrique d'anomalies par IA.
Le Joint Admissions and Matriculation Board (JAMB) gère l'Unified Tertiary Matriculation Examination (UTME) du Nigéria, un examen informatisé passé par bien plus d'un million de candidats par an, avec une vérification par empreintes digitales et reconnaissance faciale dans les centres d'inscription et d'examen depuis environ 2015. En 2025, à la suite d'un important scandale de fraude et de dysfonctionnements techniques, le JAMB a réuni un comité spécial sur les infractions aux examens, présidé par le Pr/Me Jake Epelle, pour enquêter sur des défaillances systémiques d'intégrité lors de la session UTME de cette année-là.
Les conclusions du comité, rapportées par plusieurs médias nigérians indépendants, ont documenté plus de 6 000 cas de fraude facilitée par la technologie, dont 4 251 cas de « finger-blending » (manipulation délibérée des empreintes digitales pour déjouer les contrôles biométriques d'identité), 190 cas de morphing d'image généré par IA utilisés pour usurper l'identité de candidats lors de la vérification faciale, et 1 878 fausses déclarations de handicap utilisées pour obtenir des aménagements d'examen. Le comité a recommandé l'annulation des résultats de 6 319 candidats et a qualifié la fraude d'« hautement organisée, portée par la technologie et culturellement normalisée ».
Plutôt que de présenter une solution d'IA opérationnelle, ce cas documente une IA détournée contre un système d'intégrité existant, ainsi que la réponse d'un régulateur : le comité a explicitement recommandé que le JAMB déploie une détection d'anomalies biométriques par IA, une surveillance en temps réel et un centre national des opérations de sécurité des examens, ce qui laisse entendre que des contre-mesures robustes fondées sur l'IA n'étaient pas encore en place. Il est inclus ici comme un cas d'alerte honnête et bien documenté sur la nature à double tranchant de l'IA dans l'intégrité des évaluations à fort enjeu, plutôt que comme une réussite.
Les détails de mise en œuvre (coût, calendrier, personnel, conditions de réussite) ne sont pas encore disponibles pour cette pratique.
D'où proviennent les informations de cette pratique, et quand.
Nigeria
Le JAMB, au Nigeria, utilise la reconnaissance faciale par IA et la biométrie pour vérifier plus de 2,2 millions de …
Australie
Au lieu d'une course aux armements IA-détection qu'on ne peut pas gagner, Sydney a restructuré l'évaluation en deux voies — …
Royaume-Uni
Outil gratuit de Cambridge UP&A (sept. 2016) attribuant des niveaux CECRL A1–C2 aux textes d'apprenants et signalant les erreurs ; …
Hong Kong
En juin 2023, le Sénat de HKU a désigné l'IA générative « cinquième littératie » et offert à tous un …
Ouvrir le copilote complet Fondé sur des pratiques citées — vérifiez toujours les sources.