Le JAMB, au Nigeria, utilise la reconnaissance faciale par IA et la biométrie pour vérifier plus de 2,2 millions de candidats à l'UTME chaque année et empêcher la fraude par usurpation d'identité, mais des défaillances ont touché environ 80 000 candidats en 2023, et des fraudeurs utilisent désormais la fusion de visages par IA pour tromper le système.
2,243,816 candidates
Candidats à l'UTME enregistrés (cycle 2026) (2026)
~80,000 candidates
Candidats touchés par des défaillances de la vérification biométrique ayant nécessité un examen de rattrapage (2023)
1,787 candidates
Candidats ayant faussement déclaré un statut d'albinos (2025)
Le JAMB administre l'UTME du Nigeria et déploie une vérification par empreinte digitale et par reconnaissance faciale fondée sur l'IA dans les centres d'examen informatisé (CBT) à l'échelle nationale, afin d'empêcher l'usurpation d'identité des candidats (passage d'examen « mercenaire »). Le JAMB a enregistré 2 243 816 candidats pour l'UTME 2026.
Résultats
En 2023, environ 80 000 candidats ont été touchés par des défaillances de la vérification biométrique (incohérences, non-reconnaissance, autres erreurs), imposant un examen de rattrapage reprogrammé ; des défaillances similaires se sont reproduites lors des examens de rattrapage de 2025. Le registraire du JAMB, le Prof. Is-haq Oloyede, a décrit des fraudeurs utilisant l'IA pour fusionner les visages de deux personnes afin de tromper la reconnaissance faciale. En 2025, 1 787 candidats se sont faussement déclarés albinos — un chiffre suspect, le nombre réel de Nigérians albinos étant estimé à moins de 250 par an — apparemment pour exploiter des seuils de vérification faciale plus permissifs.
Conclusions
Ce cas se lit surtout comme un cas de mise en garde à preuves mitigées : le système fonctionne à une échelle nationale massive, mais n'a pas éliminé la fraude et a échoué à plusieurs reprises à vérifier des candidats authentiques, illustrant la fragilité opérationnelle d'une biométrie fondée sur l'IA déployée à l'échelle nationale sans capacité de gestion des erreurs à la hauteur.
Mise en œuvre
Coût indicatif
Élevé (500 k€–5 M€) — National biometric verification infrastructure covering over 2.2 million candidates per cycle; no specific cost figures disclosed.
Délai jusqu’aux résultats
Long (> 3 ans) — System in place since ~2015, with AI facial-recognition checks intensified 2023–2026.
Personnel et compétences
JAMB registrar Prof. Is-haq Oloyede, JAMB Head of Public Affairs and Protocol Dr. Fabian Benjamin
Conditions de réussite
Fingerprint plus AI facial-recognition verification deployed at CBT centres nationwide
Modes d’échec courants
Recurrent biometric verification failures requiring rescheduled 'mop-up' exams (~80,000 candidates in 2023, recurrence in 2025)
Fraudsters using AI to blend faces to defeat facial recognition
Suspicious over-declaration of albino status (1,787 in 2025) apparently to exploit looser verification thresholds
Operational fragility of AI biometrics deployed nationally without commensurate error-handling capacity
Habituellement financé par
National / regional programmes
Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.
Vous portez cette pratique ?
Revendiquez-la —
les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.
Sources de données
D'où proviennent les informations de cette pratique, et quand.
Depuis l'hiver 2012/13, la procédure de service orientée dialogue (DoSV) de l'Allemagne applique un algorithme national d'acceptation différée pour répartir …
