Que signifie le « taux de faux rejets » (FRR) et quelle est son importance ?
Vous est-il déjà arrivé de ne plus pouvoir accéder à votre téléphone parce qu'il ne reconnaissait pas votre visage ? C'est là que le taux de faux rejet (FRR) entre en jeu : un indicateur que vous ne pouvez pas vous permettre d'ignorer, notamment dans la prise de décision et l'évaluation de la précision.
Le FRR, un indicateur couramment utilisé en biométrie, est un facteur clé dans la validation globale des identités, en particulier celle des documents d'identité. Il mesure le taux de rejets erronés d'identités valides par le système. En d'autres termes, il indique la probabilité que le système rejette une identité authentique.
Cet indicateur revêt une importance particulière lorsqu'il s'agit de vérifier la validité des pièces d'identité, telles que les passeports ou les permis de conduire, car il garantit que seules les personnes disposant d'une pièce d'identité valide se voient accorder l'accès à certains services ou zones.
Dans cet article, nous allons examiner en détail ce que signifie le FRR, en quoi il diffère du taux de fausses acceptations (FAR) et pourquoi il est important pour vous et votre entreprise de bien maîtriser ces indicateurs. C'est parti.
Qu'est-ce que le taux de faux rejets ?
Le taux de faux rejet (FRR) mesure la fréquence à laquelle un système rejette à tort un utilisateur légitime ou autorisé. Dans les systèmes biométriques, un faux rejet peut également être qualifié de « fausse non-concordance », et cet indicateur est alors appelé « taux de fausse non-concordance » (FNMR).
Dans la terminologie de la classification statistique, un rejet erroné peut également être considéré comme une erreur de type II, ou faux négatif, car le système ne reconnaît pas une correspondance valide. À l'inverse, une acceptation erronée correspond généralement à un faux positif, ou erreur de type I, car un utilisateur non autorisé est accepté à tort.
Comment calcule-t-on le taux de faux rejets ?
Le taux de faux rejets est calculé en divisant le nombre de tentatives légitimes qui ont été rejetées à tort par le nombre total de tentatives légitimes, puis en multipliant le résultat par 100 :
FRR = (faux rejets ÷ nombre total de tentatives légitimes) × 100
Par exemple, supposons que 1 000 utilisateurs légitimes tentent de procéder à une vérification d'identité et que 30 d'entre eux soient rejetés à tort. Le taux de faux rejets serait alors :
FRR = (30 ÷ 1 000) × 100 = 3 %
Cela signifie que le système a rejeté à tort 3 % des tentatives de vérification légitimes.
Un FRR plus faible signifie généralement que moins d’utilisateurs légitimes sont confrontés à des obstacles inutiles. Cependant, le FRR ne doit pas être évalué isolément. Le fait d’ajuster un système de vérification pour accepter davantage d’utilisateurs peut potentiellement augmenter son taux de fausse acceptation (FAR), qui mesure la fréquence à laquelle des tentatives non valides ou non autorisées sont acceptées à tort. Le juste équilibre dépend du cas d’utilisation de l’organisation, de sa tolérance au risque et de l’expérience client souhaitée.
Quelle est la différence entre le taux de faux rejets (FRR) et le taux de fausses acceptations (FAR) ?
Le FRR et le FAR sont des indicateurs essentiels dans les systèmes conçus pour valider une identité, mais ils ont des objectifs différents. Le FRR mesure la fréquence à laquelle le système rejette à tort des utilisateurs légitimes. Un FRR élevé peut être un véritable casse-tête, car cela signifie que le système est un peu trop méfiant, allant même jusqu’à refuser l’accès à des personnes qui devraient pourtant y avoir droit.
À l'inverse, le FAR mesure la fréquence à laquelle le système accepte à tort des utilisateurs non autorisés. Un FAR élevé constitue un signal d'alerte en matière de sécurité. Il indique que votre système est un peu trop confiant et laisse entrer des personnes qui n'ont rien à y faire.
Cependant, le FRR et le FAR ne sont pas les seuls indicateurs utilisés pour évaluer les systèmes d’identité et de sécurité. Le taux d'acceptation réel (TAR) et le taux de rejet réel (TRR) constituent également des indicateurs importants. Le TAR mesure la proportion d'utilisateurs légitimes correctement acceptés par un système, tandis que le TRR mesure la proportion d'usurpateurs correctement rejetés. Ces indicateurs offrent une vision plus complète de la précision d'un système.
Mais en matière de vérification d'identité, le taux de reconnaissance faciale (FAR) est souvent l'un des indicateurs les plus importants à prendre en compte.
Quelles sont les interactions entre le FAR et le FRR ?
L'interaction entre le FAR et le FRR est cruciale. Ces taux dépendent de la valeur seuil définie dans le système.
Considérez la valeur seuil comme un gardien à l'entrée. Si vous la fixez à un niveau trop bas, vous réduirez le taux de refus faux (FRR), mais vous risquez d'obtenir un taux d'acceptation faux (FAR) élevé, ce qui permettra à des personnes non autorisées d'accéder au système. Si vous la fixez à un niveau trop élevé, c'est l'inverse qui se produira : vous augmenterez le FRR en refusant l'accès à des utilisateurs légitimes.
En ce qui concerne le point d'intersection de ces courbes, on parle souvent de « taux d'erreur égal » (EER), c'est-à-dire le point où le FRR et le FAR sont égaux. Il s'agit d'un indicateur pratique pour déterminer une valeur seuil équilibrée qui ne compromette pas trop la sécurité ni l'expérience utilisateur.
Quelles sont les causes d'un taux élevé de faux rejets ?
Les faux rejets ne sont pas toujours dus à un seul facteur. La précision d'un système de vérification d'identité ou biométrique peut être influencée par la qualité des informations qu'il reçoit, les caractéristiques de l'utilisateur, les conditions environnementales et le niveau de sophistication de la technologie chargée d'évaluer la tentative.
Facteurs liés à l'environnement et à la qualité de la capture
Une mauvaise qualité des données d'entrée peut compliquer la tâche d'un système de vérification chargé d'évaluer avec précision un utilisateur légitime. Dans le domaine de la reconnaissance faciale et de la vérification d'identité, des facteurs tels qu'un mauvais éclairage, des reflets, un image floue, la qualité de la caméra, un mauvais positionnement ou des informations partiellement masquées peuvent réduire la qualité des données mises à la disposition du système.
La numérisation des documents pose des défis similaires. Un document d'identité valide photographié dans de mauvaises conditions d'éclairage ou sous un angle extrême, par exemple, peut être plus difficile à analyser avec précision. Améliorer la qualité de la numérisation avant la vérification peut donc jouer un rôle important dans la réduction des faux rejets évitables.
Facteurs liés à l'utilisateur
Les caractéristiques biométriques ne sont pas nécessairement immuables. Le vieillissement, la pilosité faciale, le maquillage, les blessures, les changements d'apparence, le port de lunettes et d'autres différences physiques peuvent influencer le degré de similitude entre un nouvel échantillon biométrique et les informations enregistrées précédemment.
Le comportement de l'utilisateur peut également jouer un rôle. Une mauvaise position du visage, un mouvement pendant la capture, une mauvaise présentation d'un document ou une mauvaise compréhension des instructions peuvent entraîner une baisse de la qualité des données saisies. Des instructions claires et des retours d'information en temps réel peuvent aider les utilisateurs à fournir au système les informations dont il a besoin pour prendre une décision précise.
Niveau de sophistication des algorithmes
Les algorithmes sous-jacents utilisés pour extraire, analyser et comparer les informations d’identité ont également un impact significatif sur le taux de rejet des personnes autorisées (FRR). Les systèmes plus sophistiqués sont mieux à même de faire la distinction entre les variations naturelles des données légitimes et les signaux indiquant une fraude.
Cela revêt une importance particulière dans la mesure où les systèmes de vérification d'identité évaluent plusieurs signaux. L'authenticité des documents, les données extraites, la biométrie faciale, la détection de la présence d'une personne vivante, la qualité de l'image et les indicateurs de fraude peuvent tous apporter des informations sur une interaction d'identité. L'efficacité avec laquelle un système analyse ces signaux et détermine leur pertinence peut avoir une incidence tant sur la détection de la fraude que sur le risque de rejet par erreur d'utilisateurs légitimes.
Les performances d'un algorithme ne doivent donc pas être évaluées uniquement en fonction du nombre de fraudes détectées par le système, mais aussi en fonction de son efficacité à distinguer les activités frauduleuses des variations légitimes. Un système qui bloque davantage de tentatives suspectes, mais qui rejette également un nombre nettement plus élevé d'utilisateurs légitimes, peut créer des frictions inutiles et nuire au taux de conversion.
Conséquences d'un taux de refus élevé (FRR)
Les faux rejets ne sont pas seulement un désagrément passager. Ils perturbent les processus de travail des utilisateurs.
Chaque fois qu'un utilisateur légitime se voit refuser l'accès, cela entraîne une interruption. Ces interruptions, surtout si elles sont fréquentes, peuvent s'accumuler et entraîner des temps d'arrêt importants.
Pour les entreprises, cela se traduit par des retards dans l'exécution des tâches, des réunions reportées et un ralentissement général du rythme de travail. À long terme, cela peut entraîner des pertes financières concrètes, en particulier dans les secteurs où l'accès en temps réel est essentiel.
Au-delà des aspects concrets, la FRR a un coût psychologique. Les refus répétés peuvent éroder la confiance des utilisateurs dans le système. Se sentir exclu de son compte ou se voir refuser l'accès à des données essentielles, surtout lorsque l'utilisateur est légitime, peut être suffisamment frustrant pour le pousser à quitter définitivement le service.
En quoi les règlements FAR et FRR influent-ils sur les niveaux de sécurité ?
Ces deux indicateurs peuvent avoir une incidence considérable sur le niveau de sécurité des systèmes de gestion des identités. C'est pourquoi le taux d'erreur égal (EER) constitue souvent un point de référence essentiel pour optimiser le niveau global de sécurité d'un système. Dans la pratique, ne pas parvenir à trouver cet équilibre peut avoir des conséquences désastreuses.
Une étude récente a démontré que plus de 6 millions d’enregistrements ont été exposés lors de fuites de données à l’échelle mondiale au cours du seul premier trimestre 2023. Imaginons un centre de données victime d’une faille de sécurité en raison d’un taux de fausses acceptations trop élevé, permettant ainsi à des acteurs malveillants d’accéder à des systèmes critiques et à des informations sensibles. Un tel point de défaillance unique peut avoir des conséquences en cascade.
Pensons également au secteur de la santé. L’accès aux dossiers médicaux via des systèmes biométriques peut présenter un risque de sécurité en milieu hospitalier.
Un seuil de déclenchement (FRR) trop bas peut sembler être une bonne idée pour garantir aux médecins un accès immédiat à des informations vitales. Mais si cela entraîne une augmentation du taux de faux positifs (FAR), cela risque d'exposer les données confidentielles des patients, d'enfreindre la législation sur la protection de la vie privée et de compromettre la confiance des patients.
Taux de faux rejets dans Action
Lors d'un incident marquant qui remet en cause l'infaillibilité des systèmes de sécurité biométriques, le système de reconnaissance vocale de HSBC s'est heurté à une faille surprenante. Lancé en affirmant que les empreintes vocales étaient aussi uniques que les empreintes digitales, le système s'est révélé faillible lorsque Dan Simmons, journaliste de l'émission BBC Click, a découvert que son jumeau non identique, Joe, pouvait imiter sa voix suffisamment bien pour contourner la sécurité.
Même si Joe ne pouvait pas effectuer de retraits d'argent, il avait accès aux soldes de ses comptes, à l'historique de ses transactions et pouvait effectuer des virements entre ses comptes. Fait inquiétant, le système a accordé à Joe sept tentatives pour imiter la voix de son jumeau avant de lui accorder l'accès à la huitième tentative.
Cet incident a sonné l’alarme, mettant en évidence les risques potentiels liés au recours exclusif à la reconnaissance vocale, en particulier lorsque des données financières sensibles sont en jeu. HSBC a défendu la sécurité globale du système, affirmant qu’il offrait une protection supérieure à celle des mots de passe traditionnels. Néanmoins, cet incident constitue un avertissement quant aux défis complexes liés à la sécurité biométrique et à la nécessité permanente de l'améliorer et de la surveiller.
Garantir une identification précise
Le FRR n'est pas un simple mot à la mode. Il s'agit d'un indicateur essentiel qui renseigne sur la fiabilité et la sécurité de vos systèmes. Trouver le juste équilibre entre le FRR et le FAR est indispensable pour garantir un environnement à la fois sécurisé et efficace.
Ne laissez donc pas cette question passer au second plan. À mesure que les technologies évoluent et que la sécurité gagne en complexité, il sera dans votre intérêt de suivre de près les avancées et les applications liées au FRR.
Si vous recherchez une solution efficace et précise pour la validation des pièces d'identité, ne cherchez pas plus loin : optez pour BlinkID.
Grâce à ses algorithmes avancés d'apprentissage automatique et à sa technologie de pointe, cette solution offre une expérience de vérification d'identité fluide et sécurisée, avec un faible taux de faux refus (FRR). Commencez dès aujourd'hui avec un essai gratuit.
