JAMB's Biometric and AI Facial-Recognition Verification for Nigeria's National University Entrance Exam
Nigeria
Nigeria's JAMB uses AI facial recognition plus fingerprint biometrics to verify over 2.2 million UTME candidates a year and block …
Nigeria · Abuja · See the Nigeria profile
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.
Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.
Where this practice's information was retrieved from, and when.
Nigeria
Nigeria's JAMB uses AI facial recognition plus fingerprint biometrics to verify over 2.2 million UTME candidates a year and block …
Australia
Instead of an unwinnable AI-detection arms race, Sydney redesigned assessment into two lanes — secure in-person assessment of core capability, …
United Kingdom
Free AI writing-feedback tool by Cambridge University Press & Assessment (Sept 2016); assigns CEFR A1–C2 levels to EFL essays and …
Hong Kong
In June 2023 HKU's Senate named GenAI a "fifth literacy" and gave every student and staff member free ChatGPT-class access. …
Open full copilot Grounded in cited practices — always check the sources.