Dans le cadre de son engagement pour l’innovation, Numeryx a développé TollXpress, un système de péage intelligent basé sur l’intelligence artificielle. Nous avons rencontré Ahlem Barhoumi, Senior AI Engineer chez Numeryx, pour découvrir les coulisses de ce projet ambitieux — de l’idée initiale aux premières réussites concrètes.
Q1. Ahlem, comment est née l’idée du projet TollXpress et quelle vision portait Numeryx derrière ce système de péage intelligent ?
Tout est parti d’une idée simple mais ambitieuse : rendre le péage plus fluide, plus rapide et totalement automatisé grâce à l’IA. Chez Numeryx, nous avons toujours eu cette volonté de transformer les infrastructures traditionnelles en solutions intelligentes, capables de s’adapter aux besoins locaux et d’optimiser l’expérience des usagers.
L’objectif de TollXpress était donc clair : automatiser la classification et la tarification des véhicules selon leur type, leur nombre d’essieux et la nature de leur marchandise. Au-delà de la technologie, c’est un projet visionnaire, né d’un esprit d’innovation et d’un désir d’avoir un impact concret sur la mobilité et la gestion des routes, en Afrique et au-delà.
Q2. Tu as mentionné qu’aucune donnée n’existait au départ. Comment as-tu abordé ce défi et posé les premières pierres du projet ?
Effectivement, c’était l’un des plus grands défis du projet : aucune base de données n’était disponible au départ. Nous avons donc dû faire preuve de beaucoup d’ingéniosité. J’ai commencé par rechercher et collecter des données publiques spécialisées, puis nous avons progressivement enrichi notre base avec des images réelles de véhicules détectés sur le terrain.
Pour renforcer la robustesse de nos modèles, nous avons utilisé des techniques d’augmentation de données : rotation, modification d’angles, ajout de bruit… afin d’imiter des conditions réelles (pluie, ombre, poussière). C’était une phase longue et exigeante, mais elle a révélé la créativité et la rigueur de l’équipe. C’est vraiment ce travail de fond qui a permis à TollXpress de poser des fondations solides et fiables.
Q3. Pourquoi avoir choisi YOLOv8 et le transfert learning pour ce projet, et qu’est-ce qui a rendu leur mise en œuvre si décisive ?
Nous avons choisi YOLOv8 pour sa rapidité et sa précision : il est capable de détecter plusieurs objets dans une image en temps réel — indispensable pour un système de péage.
Ensuite, nous avons appliqué le transfert learning, une technique qui consiste à adapter un modèle déjà entraîné sur des millions d’images comme (COCO) à une tâche spécifique : ici, la détection d’essieux, la classification de marchandises et la reconnaissance des tricycles.
Grâce à cette approche, nous avons obtenu des résultats performants dès le début, tout en démontrant notre expertise en IA appliquée. Ce choix illustre parfaitement la philosophie de Numeryx : combiner innovation et pragmatisme pour créer des solutions à fort impact.
Q4. Le projet a connu des contraintes structurelles et matérielles importantes, notamment liées aux GPU. Comment as-tu réussi à optimiser et livrer un prototype en seulement 4 jours ?
Oui, c’était une véritable course contre la montre ! Nous n’avions pas accès aux GPU NVIDIA, qui sont souvent indispensables à ce type de projet. Plutôt que de freiner, nous avons pris cela comme une opportunité d’innovation.
Nous avons converti nos modèles pour les rendre compatibles avec les GPU Intel, en optimisant chaque paramètre pour maximiser les performances malgré les contraintes. Grâce à cette approche agile, nous avons pu livrer un premier prototype fonctionnel en seulement quatre jours, du 14 au 18 avril 2025.
C’est un bel exemple de réactivité, d’innovation et de capacité d’adaptation — trois valeurs au cœur de l’ADN de Numeryx et de TollXpress.
Q5. Aujourd’hui, quels résultats concrets as-tu obtenus avec TollXpress, et comment vois-tu l’évolution du projet dans les mois à venir ?
Les résultats sont déjà très encourageants. TollXpress atteint aujourd’hui environ 70 % de précision, tout en maintenant un traitement en temps réel, ce qui est essentiel pour un système de péage.
Nous poursuivons maintenant sur une dynamique d’amélioration continue, notamment à travers l’intégration de Vision-Language Models (VLM) et du modèle CLIP d’OpenAI pour renforcer la détection des tricycles — un vrai défi dans certains pays.
Notre objectif est clair : faire de TollXpress une solution d’IA complète, modulable et adaptée aux spécificités locales, capable d’évoluer au rythme des besoins du marché. Ce projet dépasse la simple dimension technique : il représente une étape clé vers le transport intelligent, où l’IA devient un véritable moteur d’efficacité, de durabilité et d’innovation.
Chaque étape de cette aventure a été un apprentissage et un défi stimulant : absence de données, contraintes techniques, diversité des véhicules… autant d’occasions de réinventer nos méthodes et de repousser les limites de l’IA appliquée au transport.
Avec TollXpress, nous ne créons pas seulement un système de péage automatisé, mais une solution capable de transformer la mobilité, d’améliorer la sécurité et l’efficacité sur les routes, tout en ouvrant la voie à de nouvelles innovations.
