Assurer l'intégrité des examens grâce à la surveillance à distance assistée par l'IA
Aperçu
Avec la transition rapide du monde vers l’ère numérique, les examens en ligne sont devenus une exigence essentielle dans l’éducation, les tests de sélection et les certifications professionnelles. Ce changement a encore accru la demande pour garantir l’intégrité des examens. Une publication américaine de premier plan a identifié que les modèles traditionnels de surveillance d’examens, très manuels et gourmands en ressources, n’étaient pas capables de répondre à la demande croissante d’examens en ligne sécurisés, fiables et accessibles.
L’équipe d’ingénierie de l’IA de HCLTech a développé un système de surveillance à distance assisté par IA capable d’analyser les flux de webcam en direct en temps réel, même à partir d’appareils peu performants dotés de webcams de base (<1 mégapixel). Cette innovation a permis une surveillance évolutive, la détection en temps réel d’objets interdits et de comportements suspects, ainsi qu’une supervision centralisée de milliers de candidats simultanés.
Cette étude de cas explore comment notre collaboration a transformé le processus de surveillance des examens, de la réduction du ratio surveillant-candidat et des coûts opérationnels à l’amélioration de l’intégrité, de la réactivité et de la confiance dans les évaluations numériques à enjeux élevés.
Le défi
Notre client, un fournisseur multinational de services éducatifs, organise de grandes fenêtres d'examen limitées dans le temps avec des candidats à l'échelle mondiale. L’équité à grande échelle et la cohérence des processus présentaient des obstacles particuliers.
Bien que la supervision manuelle exigeait beaucoup de ressources et manquait de cohérence d’un programme à l’autre, les appareils des candidats étaient souvent dotés de webcams de base et de matériel plus ancien, ce qui limitait la précision de la détection.
Les risques de fraude, incluant l’utilisation d’articles interdits (téléphones, montres intelligentes, calculatrices, notes) ou de comportements préoccupants (présence de plusieurs visages, déplacements du regard, visages inclinés ou images vides) exigeaient une surveillance précise et à faible latence.
Des systèmes de détection inefficaces produisaient de nombreux faux positifs, distrayant les surveillants et augmentant l’effort opérationnel, ce qui créait ainsi de l’inefficacité.
La hausse de la demande exigeait que le système puisse gérer des milliers de flux simultanés de manière fiable.
Pour relever ces défis, le client avait besoin d’un système de surveillance assisté par l’IA précis, évolutif et économique, offrant des pistes d’audit claires et un minimum de friction pour les candidats.
Notre solution
HCLTech a collaboré avec le client pour développer un système de surveillance assisté par IA qui a amélioré l’interaction avec le Système de surveillance des examens du client (CPS). Le système est soutenu par une architecture microservices plug-and-play qui répond aux besoins futurs de mise à l’échelle.
La solution a été conçue avec des modèles d’IA personnalisés visant à capter des caractéristiques à plusieurs échelles à l’aide d’une structure pyramidale. Cela a réduit les erreurs d’échelle et de position, rendant le système efficace même avec des flux vidéo de faible résolution. Les couches résiduelles ont élargi le champ de vision du modèle, assurant une meilleure détection des objets et comportements dans des conditions réelles d’examen. Une méthode de régression à prise unique a également été utilisée pour dessiner des cases englobantes et attribuer des étiquettes de classe, permettant au réseau d’identifier en temps réel les objets et activités interdits via un pipeline unique et efficace.
Faits saillants
- Surveillance en direct des sessions d’examen avec un temps de réponse <2 secondes pour la détection de tricheries
- Détection et alertes automatiques pour les objets interdits, tels que téléphones, montres intelligentes, calculatrices, livres et instruments d’écriture
- Suivi du regard, surveillance de l’inclinaison de la tête et détection de visage(s) unique(s)/multiple(s) pour signaler les activités suspectes
- Qualité du flux d’entrée vérifiée pour la pertinence de l’IA avant le traitement
- Délimiteurs automatiques de début et de fin d’événement pour l’auditabilité et les révisions post-examen

Impact livré
Examens en ligne plus intelligents et sécurisés
- Ratio surveillant/examiné de 1:115, amélioré par rapport à 1:10, réduisant considérablement la dépendance humaine
- Taux de faux positifs inférieur à 10 % afin de permettre aux surveillants de se concentrer sur les risques réels plutôt que d’être dérangés par de fausses alertes
- Détection en temps réel d’objets interdits et de personnes non autorisées pour une plus grande crédibilité des examens
- Vérifications de la qualité des flux pour stabiliser la précision sur des webcams basse résolution et dans des environnements variés
Opérations rentables à grande échelle
- Coût analytique par flux inférieur à 0,50 $, rendant la surveillance massive abordable
- Surveillance centralisée de plusieurs examiné·e·s à l’échelle mondiale avec un minimum d’infrastructure permettant la passation à distance
- Réduction du personnel et des coûts opérationnels, libérant des ressources pour d’autres fonctions académiques essentielles
Conçu pour l’expansion
- 10 000 flux vidéo de webcam gérés simultanément pour absorber les pics de charge saisonniers
- Système d’IA entièrement configurable pour soutenir des opérations efficaces et garantir une évolutivité sans faille
En tant que partenaire d’ingénierie de confiance, nous avons aidé notre client à offrir une surveillance sécurisée, en temps réel et rentable des examens en ligne, établissant ainsi une nouvelle référence en matière d’équité et de fiabilité pour les évaluations à distance.
