Qu'est-ce que la détection de présence ? Comment éviter d'être victime d'une usurpation d'identité ?

Pour lutter contre la fraude à l'identité, de plus en plus d'organisations adoptent la technologie de détection de vitalité, une méthode permettant de déterminer si un trait biométrique (comme un visage ou une empreinte digitale) est présenté par un être humain vivant plutôt que par un faux. Contrairement à la simple lecture biométrique traditionnelle, la détection de vie ajoute une couche de protection supplémentaire en analysant en temps réel les signes de vie, tels que les mouvements oculaires, les clignements des yeux ou les changements subtils de texture du visage. Cela permet de s'assurer que la personne qui tente d'accéder à un système n'utilise pas une photo, une vidéo, un masque ou des données biométriques synthétiques pour usurper l'identité d'une autre personne.

Si la détection de la présence du visage se généralise dans les processus d’inscription et de connexion numériques, elle n’est pas pour autant à l’abri des risques. Les fraudeurs recourent de plus en plus à des « attaques par présentation » (que nous aborderons plus en détail ci-dessous) sophistiquées, qui imitent la présence du sujet pour tromper les systèmes biométriques. À mesure que les attaques gagnent en sophistication, la détection de la présence doit sans cesse évoluer, faisant de la vérification d’identité et de la prévention de la fraude une lutte permanente entre innovation et supercherie.

Qu'est-ce que la détection de présence ? 

La détection de vitalité est une technique de sécurité utilisée pour déterminer si un échantillon biométrique — tel qu’un visage ou une empreinte digitale — provient d’une personne vivante physiquement présente lors du processus d’authentification. Au-delà de la simple utilisation de la reconnaissance faciale, rétinienne ou d'empreintes digitales comme moyen de vérification d'identité, la détection de vitalité va plus loin en déterminant si la source de l'échantillon est un être humain vivant ou s'il s'agit d'une attaque par présentation, également appelée « usurpation du système ». 

La technologie de détection de présence peut même être appliquée à la reconnaissance vocale, car il n'y a aucune limite au nombre de vecteurs qu'un pirate informatique peut exploiter lorsqu'il tente de commettre une usurpation d'identité.

Concrètement, la reconnaissance de vitalité utilise des algorithmes basés sur l’IA pour filtrer les attaques par présentation, que ce soit lors d’un processus initial de vérification d’identité (par exemple, lors de l’ouverture d’un compte bancaire) ou lors de toute tentative d’authentification (par exemple, lors de la connexion à un compte). Avec la détection de la présence humaine par reconnaissance faciale, par exemple, la vérification de la présence humaine s'appuie sur la technologie de vision par ordinateur pour déterminer avec plus de précision si l'échantillon (qu'il s'agisse d'un selfie ou d'une vidéo) correspond bien à un véritable visage humain et s'il correspond également à la pièce d'identité présentée.

Types de méthodes de détection de présence

Bien que les solutions varient en fonction du type d'échantillon biométrique considéré, il existe deux méthodes principales de détection de vitalité : la méthode active et la méthode passive. 

Détection active de la présence

La détection active de présence, comme son nom l’indique, nécessite une participation active de l’utilisateur. Dans le cadre de la reconnaissance faciale, cela peut consister à tourner la tête d’un côté à l’autre ou de haut en bas, ce qui permet au scanner de créer une carte 3D du visage du sujet grâce à la perception de la profondeur. Cette version de la détection active de présence est idéale pour lutter contre les tentatives d’usurpation en 2D, dans lesquelles un fraudeur peut tenter de contourner la demande de selfie en utilisant une photo de la personne dont il tente d’usurper l’identité.

Les contrôles actifs de présence peuvent également consister à faire clignoter des points à l'écran ou à les suivre du regard, autant de tâches difficiles à simuler de manière convaincante.

Détection passive de l'activité

La technologie de détection passive de la présence vivante fonctionne avec très peu, voire aucune interaction de la part de l'utilisateur. Un utilisateur peut prendre un selfie sans avoir à bouger la tête. Le système utilise des algorithmes avancés pour analyser l’image à la recherche de signes de vie, tels que la texture de la peau, les ombres naturelles et la cohérence de l’éclairage. Cette méthode de vérification de la présence est plus rapide et moins intrusive, ce qui contribue à réduire les frictions et les abandons lors de la procédure d’inscription.

Il existe également une méthode hybride appelée « vérification semi-passive de la présence », qui peut demander à l'utilisateur d'effectuer une action simple, comme sourire.

Avantages de la détection de présence

La détection de présence renforce considérablement la prévention de la fraude en garantissant qu’une personne réelle et vivante est présente lors de la vérification d’identité — et non un faux profil, un masque ou un « deepfake ». Ce niveau supplémentaire de sécurité biométrique contribue à réduire la fraude d’identité synthétique, les prises de contrôle de comptes et les attaques par présentation. Pour les secteurs soumis à une surveillance réglementaire — tels que la finance, la santé et le commerce en ligne —, la détection de présence vivante peut jouer un rôle essentiel pour garantir la conformité et éviter des violations coûteuses.

Au-delà de la prévention de la fraude, la détection de la présence physique renforce la fiabilité globale des systèmes de vérification d'identité, créant ainsi un environnement plus sûr tant pour les utilisateurs que pour les entreprises.

Comment mettre en œuvre la détection de présence

Il existe plusieurs approches pour mettre en œuvre la détection de présence, chacune présentant des niveaux de sophistication et de sécurité variables :

• La détection de profondeur en 3D utilise des infrarouges ou de la lumière structurée pour mesurer la profondeur et les contours du visage, ce qui rend difficile toute tentative de tromperie à l'aide d'images plates ou de masques.
  
• L'analyse des mouvements invite les utilisateurs à effectuer des actions telles que cligner des yeux, tourner la tête ou sourire, afin de détecter en temps réel si le trait biométrique réagit.
  
• L'évaluation passive de la vitalité basée sur l'IA analyse des indicateurs subtils tels que la texture de la peau, la cohérence de l'éclairage et les micro-mouvements, sans nécessiter d'interaction de la part de l'utilisateur — une solution idéale pour réduire les obstacles.
  

Lors du choix d'une méthode, il est essentiel de tenir compte de l'environnement dans lequel la vérification aura lieu, notamment les conditions d'éclairage, les capacités des appareils et les éventuels besoins en matière d'accessibilité.

Types d'attaques par présentation 

Comme indiqué plus haut, les pirates informatiques et les fraudeurs ont recours à plusieurs méthodes différentes pour contourner les systèmes de détection, et celles-ci évoluent à peu près au même rythme que les techniques mises au point pour contrer les attaques de fraude d'identité. 

Selon le niveau de sophistication du système de reconnaissance biométrique visé, les attaques par présentation peuvent impliquer une usurpation en 2D ou en 3D (c'est-à-dire une photographie ou une vidéo), ainsi que des mécanismes de modification ou de reproduction (modification de la pilosité faciale ou port d'un masque synthétique). Les attaques les moins sophistiquées consistent généralement en une tentative du fraudeur de contourner un système de reconnaissance faciale à l'aide d'une photo ou d'une vidéo de la personne visée.

Il existe toutefois des méthodes plus sophistiquées, faisant appel à divers types de masques (qu'ils soient en papier, en latex ou en silicone), qui visent à créer un rendu 3D exploitant une faiblesse particulière du scan biométrique. Les fraudeurs utilisent les mêmes techniques de simulation pour les scans rétiniens et les empreintes digitales, le niveau de sophistication correspondant généralement au niveau d’accès ou à la somme d’argent que le fraudeur cherche à obtenir, car les méthodes d’usurpation les plus avancées ont tendance à être plus coûteuses. 

Pour les fraudeurs cherchant à contourner les systèmes de reconnaissance faciale par vidéo, l’émergence de la technologie « deepfake » a joué un rôle prépondérant. Grâce aux deepfakes, l’image numérique d’une personne (jusqu’à ses mouvements faciaux) peut être reproduite et superposée, permettant ainsi aux pirates informatiques de se faire passer pour leurs victimes. À mesure que la qualité des deepfakes ne cesse de s’améliorer, même les solutions de détection de présence les plus avancées devront aller encore plus loin dans l’innovation pour mieux distinguer le faux du vrai. 

La détection de présence est particulièrement efficace lorsqu'elle est associée à des systèmes plus complets de vérification d'identité, ce qui permet d'améliorer à la fois les procédures de vérification « KYC » et l'authentification multifactorielle (MFA). L'intégration de contrôles de présence dans les processus d'inscription permet non seulement de renforcer la sécurité, mais aussi de garantir une expérience utilisateur fluide.

Cette intégration favorise également la conformité dans les secteurs fortement réglementés en ajoutant une barrière supplémentaire contre l'usurpation d'identité.

Détection de présence vs reconnaissance faciale de base

Bien qu'elles soient similaires, la détection de la présence d'un visage et la reconnaissance faciale ont des fonctions différentes. La reconnaissance faciale consiste à comparer un échantillon en temps réel à une image enregistrée, tandis que la détection de la présence d'un visage permet de s'assurer que cet échantillon provient bien d'une personne réelle et non d'une contrefaçon.

Sans vérification de la présence d'une personne, même les systèmes de reconnaissance faciale les plus avancés peuvent être facilement trompés à l'aide d'une photo ou d'un « deepfake ».

Impact de la détection de présence sur l'expérience utilisateur

Si elles sont mal mises en œuvre, les vérifications de présence peuvent créer des obstacles, entraînant de la frustration, des abandons et une baisse des taux de réussite des vérifications. Les utilisateurs âgés ou à mobilité réduite peuvent rencontrer des difficultés avec les vérifications basées sur le mouvement.

C'est pourquoi la technologie de détection passive de la présence est devenue la référence absolue. Elle fonctionne discrètement en arrière-plan, améliorant ainsi les taux de réussite tout en garantissant la sécurité.

Considérations relatives à l'évolutivité pour les applications à fort volume

Pour les entreprises qui doivent vérifier l'identité de milliers, voire de millions d'utilisateurs — comme les fintechs ou les places de marché —, la détection de présence humaine doit être évolutive. Les meilleurs systèmes sont basés sur l'IA, hébergés dans le cloud et optimisés pour offrir rapidité et faible latence sur tous les appareils.

Le recours au traitement par lots, aux flux asynchrones et aux SDK mobiles légers permet de s'assurer que les vérifications de disponibilité ne constituent pas un goulot d'étranglement pour les opérations et ne nuisent pas au taux de conversion.

L'approche Microblink en matière de détection de la présence humaine

Outre la vérification biométrique de la présence, Microblink propose deux services supplémentaires indispensables aujourd'hui pour lutter contre les formes avancées de fraude : la vérification de la présence sur les documents et celle sur les cartes de paiement.

Détection
de l'authenticité des documents d'identité : les solutions de vérification d'identité de Microblink intègrent une détection avancée de l'authenticité des documents d'identité, permettant aux organisations de vérifier non seulement ce qui s'affiche à l'écran, mais aussi si le document est authentique et physiquement présent. Grâce à la vision par ordinateur et à l’IA, notre technologie détecte les signes de falsification, de reproduction ou d’usurpation — tels que les incohérences de reflets, les décalages au niveau des bords et les artefacts de texture non naturels — avant de valider un document. Qu’elles soient intégrées aux processus d’inscription ou utilisées pour l’authentification continue, nos fonctionnalités de détection de l’authenticité des documents d’identité réduisent considérablement le risque de deepfakes et de fraudes documentaires, tout en garantissant une expérience utilisateur rapide et fluide.

Vérification de l'authenticité des cartes de paiement avec BlinkCard
Avec BlinkCard, nous avons repensé la lecture des cartes non seulement comme un moyen d’accélérer le processus, mais aussi comme un puissant dispositif de prévention de la fraude grâce à une détection robuste de l’authenticité des cartes de paiement qui évalue en temps réel si une carte de crédit, de débit ou prépayée est physiquement présente. En s’appuyant sur l’IA pour détecter les photocopies, les captures d’écran et autres éléments non réels, BlinkCard réduit les taux de fausses acceptations et de rejets d’environ 50 %, tout en conservant un taux de précision de 97 %. Cela se traduit par des transactions plus sûres, moins de rétrofacturations et une confiance accrue, sans compromettre l’expérience utilisateur.