Vision par ordinateur

La vision par ordinateur est le domaine qui consiste à extraire du sens à partir d’images et de vidéos — il ne s’agit pas simplement de traiter des pixels, mais de fournir une réponse structurée sur le contenu d’une image. C’est la technologie qui sous-tend chaque étape de la vérification automatisée des documents, et la décrire de manière générique ne rend pas compte de la complexité des problèmes qui se posent dès qu’un véritable document d’identité se trouve devant la caméra.

Question centrale Que voit-on sur cette image, et où ?
Tâches fondamentales Classification, détection, segmentation, reconnaissance, suivi
Méthode dominante Les réseaux neuronaux profonds, convolutifs et, de plus en plus, basés sur des transformateurs
Données d'entrée qu'il doit accepter Flou de mouvement, reflets, ombres, distorsion, faible luminosité, sujets abîmés ou usés
Dans le cadre de la vérification des documents Détection, classification, reconnaissance de texte, analyse des dispositifs de sécurité, détection des altérations
En biométrie Détection des visages, alignement, extraction de modèles, détection des attaques par présentation
Où il passe En local ou côté serveur, avec des contraintes sensiblement différentes
Le mode de défaillance qui compte Un résultat fiable malgré une entrée erronée

Les tâches, et ce que chacune d'entre elles implique

Tâche La question à laquelle elle répond
Classification De quoi s'agit-il sur cette image ?
Détection d'objets Où se trouve cet élément sur cette image, et quelle est son étendue ?
Segmentation Quels pixels précis composent cet élément ?
Reconnaissance de texte Quels personnages apparaissent, et dans quel ordre ?
Correspondance des caractéristiques Ces deux images représentent-elles le même objet ou la même personne ?

Une seule opération de capture de document exécute la plupart de ces étapes à la suite. L'image est analysée à la recherche d'une zone ayant la forme d'un document ; cette zone est classifiée afin de déterminer de quel type de document il s'agit ; ses coins sont localisés pour permettre la correction de la perspective ; les champs de texte sont lus ; et certaines zones spécifiques sont examinées à la recherche des éléments de sécurité qui devraient figurer sur ce type de document. Chaque étape dépend de la précédente, ce qui explique pourquoi une erreur survenant en début de processus se répercute sur la suite plutôt que de s’atténuer.

Pourquoi les documents d'identité constituent un casse-tête

Les tests de performance en vision par ordinateur s'appuient généralement sur des photographies de scènes de la vie quotidienne. Les documents d'identité remettent en cause la plupart des hypothèses sur lesquelles reposent ces tests.

Le sujet est propice à la réflexion, et ce souvent de manière délibérée. Les hologrammes, les encres optiquement variables et les laminés sont conçus pour être difficiles à reproduire, et leur comportement sous le flash d'un téléphone est imprévisible. Un élément de sécurité qui prouve l'authenticité d'un document n'est, pour un appareil photo, qu'un artefact de reflet.

La capture est incontrôlée. L'image provient de l'appareil dont dispose la personne, quelles que soient les conditions d'éclairage dans lesquelles elle se trouve et quel que soit l'angle sous lequel elle tient son appareil. Aucune des contraintes qu'imposerait un laboratoire n'est présente ici.

Le nombre de classes est énorme et présente une distribution à longue traîne. Il existe des milliers de types de documents en circulation à travers le monde, chacun comptant plusieurs versions encore valides, et leur répartition est très inégale : une poignée d’entre eux apparaissent constamment, tandis que la plupart apparaissent rarement. Le fait qu’un document soit rare ne signifie pas pour autant qu’il soit sans importance pour la personne qui le détient.

Les exigences en matière de précision sont inhabituelles. Une erreur de lecture d'un seul caractère dans un numéro de document est considérée comme un échec. La plupart des applications de reconnaissance optique de caractères tolèrent des réponses approximatives ; ce n'est pas le cas de celle-ci, c'est pourquoi il est nécessaire de recouper les résultats de la lecture avec le zone lisible par machine ou pourquoi un code-barres revêt une telle importance.

Pourquoi est-ce important pour la vérification d'identité ?

Chaque étape du processus de vérification relève de la vision. Reconnaissance optique de caractères lit les champs imprimés. La classification du document détermine quel modèle et quelles règles s'appliquent. L'analyse des caractéristiques de sécurité vérifie que tous les éléments requis sont bien présents. Détection des manipulations frauduleuses recherche les signatures de compression et de bruit d'une image retouchée. La détection des visages et l'extraction de modèles permettent d'effectuer la comparaison biométrique, tandis que la détection des attaques par présentation permet de déterminer si une personne réelle se trouve devant l'objectif.

Le mode de défaillance contre lequel il convient de se prémunir lors de la conception est celui d’un modèle qui renvoie une réponse « sûre » pour une entrée qu’il aurait dû rejeter. Un document flou ou partiellement masqué peut tout de même donner lieu à une lecture d’apparence plausible, et un système en aval ne disposant d’aucune indication sur la qualité de la capture traitera cette lecture comme un fait avéré. Les bons pipelines évaluent eux-mêmes leurs données d’entrée et demandent une nouvelle capture ; c’est pourquoi les consignes de capture font partie intégrante de la technologie plutôt que de l’interface.

C'est là l'essence même de vérification des pièces d'identité, et c'est la raison pour laquelle la couverture et la précision sont des propriétés d'une implémentation spécifique plutôt que du domaine lui-même. Vérification d'identité Un système fondé sur la vision par ordinateur ne vaut que par ses performances sur les cas extrêmes.

Ce que la vision par ordinateur ne peut pas faire

Cela ne suffit pas à prouver l'authenticité. Lire un document avec précision et vérifier son authenticité sont deux tâches distinctes ; un système qui ne s'acquitte que de la première a extrait des données d'un document non vérifié.

Il hérite de sa distribution d'apprentissage. Les performances sur les types de documents, les conditions d'éclairage ou les groupes démographiques sous-représentés lors de l'entraînement seront moins bonnes, et c'est précisément ce que masquent les chiffres globaux de précision.

Il ne permet pas de récupérer les informations perdues lors de la capture. La retouche améliore l'aspect de l'image ; elle ne permet pas de restituer des détails qui n'ont jamais été capturés. Au-delà d'un certain point, la seule solution valable est de refaire la prise de vue.

La confiance ne rime pas avec exactitude. Les modèles génèrent un score, et un score élevé attribué à une entrée de mauvaise qualité constitue la sortie la plus dangereuse de la chaîne de traitement.

Foire aux questions

À quoi sert la vision par ordinateur dans le cadre de la vérification d'identité ?

Détection et classification du document dans le cadre, correction de sa perspective, lecture des champs imprimés, vérification des éléments de sécurité qui doivent être présents pour ce type de document, détection des signes d'altération de l'image, ainsi que gestion de la détection et de la reconnaissance faciales pour la comparaison biométrique. Une seule capture permet d'exécuter la plupart de ces opérations les unes après les autres.

La vision par ordinateur, c'est la même chose que l'OCR ?

Non. La reconnaissance optique de caractères (OCR) est l'une des tâches relevant de la vision par ordinateur : elle consiste à convertir des images de texte en caractères. La vérification de documents nécessite également la détection, la classification, la segmentation, l'analyse des éléments de sécurité et la comparaison biométrique, autant de tâches que l'OCR ne réalise pas.

Pourquoi les documents d'identité posent-ils des difficultés à la vision par ordinateur ?

En effet, leurs éléments de sécurité sont délibérément réfléchissants et se comportent de manière imprévisible sous le flash d'un téléphone ; la capture est incontrôlée ; il existe des milliers de types de documents présentant une distribution à queue très longue ; et les exigences de précision sont exceptionnellement strictes : une seule erreur de lecture d'un caractère est considérée comme un échec.

La vision par ordinateur s'exécute-t-elle sur l'appareil ou dans le cloud ?

Les deux méthodes sont utilisées. Le traitement sur l'appareil permet de ne pas transmettre les images sur le réseau et de renvoyer les résultats sans aller-retour, au prix d'une limitation imposée par la puissance de calcul disponible sur l'appareil. Le traitement côté serveur permet d'utiliser des modèles plus volumineux. Ce choix a des implications en matière de confidentialité, de latence et des capacités du système en mode hors ligne.

Lectures complémentaires

Découvrez nos solutions

L’exploration de nos solutions est à portée de clic. Essayez nos produits ou discutez avec l’un de nos experts pour approfondir notre offre.

Rapport
Analyse de la montée en puissance de la fraude à l'identité alimentée par l'IA

L'IA n'a pas seulement accéléré la fraude. Elle en a fait un véritable système. Nous avons analysé des millions d'interactions liées à l'identité afin de cartographier l'évolution des attaques d'usurpation d'identité selon les régions, les types d'attaques et les niveaux de sophistication — et d'identifier ce que les organisations doivent repenser pour rester dans la course.

Consultez les données