Extraction de données

L'extraction de données consiste à convertir les informations contenues dans une image ou un fichier non structuré en champs structurés sur lesquels un système peut agir. Dans le cadre de la vérification d'identité, cela revient à extraire d'une photographie d'un document un nom, une date de naissance, un numéro de document et une date d'expiration. Il s'agit de la première étape d'un processus de vérification et, en soi, elle ne permet pas de vérifier quoi que ce soit.

Saisie Une photo, un scan ou un fichier PDF — non structuré, de qualité variable
Résultat Champs nommés avec des valeurs, généralement accompagnés de scores de confiance par champ
Techniques Reconnaissance optique de caractères, décodage de codes-barres, analyse de la zone de lecture mécanique (MRZ), lecture de puces, analyse de la mise en page
Pièces d'identité Très structuré : les positions des champs sont connues dès que le type de document est classé
Documents autres que les pièces d'identité Beaucoup moins structurés : les relevés bancaires et les bulletins de salaire varient selon l'émetteur
Exigence de précision Un seuil exceptionnellement élevé : une seule erreur dans un numéro de document entraîne un échec
Contrôle qualité très rigoureux Recoupement d'une même valeur issue de deux encodages indépendants
Ce qu'il ne fait pas Vérifier l'authenticité du document ou des données

Comment fonctionne l'extraction des données d'une pièce d'identité

Ce processus est plus contraignant que le traitement général des documents, car les documents d'identité sont conçus pour être lus par des machines.

Le document se trouve dans le cadre, puis classifié — quel pays, quel type de document, quelle version. C’est cette classification qui rend tout ce qui vient ensuite gérable, car une fois le modèle connu, on connaît la disposition des champs. Un permis de conduire américain et une carte d’identité allemande n’ont pratiquement rien en commun sur le plan structurel, et aucun des deux n’est lu par le même modèle.

Ensuite, les encodages sont lus. Les champs imprimés passent par reconnaissance optique de caractères. Le zone lisible par machine est analysé conformément à la spécification de l'OACI, avec des chiffres de contrôle permettant de valider la lecture. Un Code-barres PDF417 Les informations figurant au dos d'un permis de conduire américain correspondent à un ensemble de champs bien défini. Lorsqu'une puce est présente, elle est lue via NFC et comporte une signature.

C'est la dernière étape qui est déterminante : Ce même fait est désormais disponible auprès de plusieurs sources, et celles-ci devraient s'accorder. La date de naissance figure dans le texte imprimé, dans la zone MRZ et dans le code-barres. Lorsque ces informations ne concordent pas, cela signifie soit que la lecture a échoué, soit que le document a été altéré — et dans les deux cas, le système détecte immédiatement un problème, sans qu'aucune analyse criminalistique ne soit nécessaire.

L'extraction n'est pas une vérification

C'est précisément cette distinction que le terme lui-même incite à brouiller, et il convient d'être sans détours à ce sujet.

Fonctionnement La question à laquelle elle répond
Extraction de données Que dit ce document ?
Vérification des dispositifs de sécurité Ce document est-il authentique ?
Détection des manipulations frauduleuses Cette image a-t-elle été retouchée ?
Comparaison biométrique Le présentateur est-il la personne décrite dans le document ?

Seule la première étape consiste en une extraction, et un processus qui s'arrête là a transformé une image non vérifiée en données structurées — qui circulent ensuite en aval en donnant l'impression d'être fiables, car elles sont bien formatées. Un document falsifié s'extrait sans problème. Une photo d'écran s'extrait sans problème. Une contrefaçon de haute qualité s'extrait parfaitement, car elle a été conçue pour cela.

L'autre type de défaillance est plus discret et plus courant : un résultat « confiant » pour une entrée qui aurait dû être rejetée. Un champ flou ou partiellement masqué peut tout de même générer une valeur qui semble plausible, et un système en aval n'ayant aucune visibilité sur la qualité de la saisie la considère comme un fait avéré. Les systèmes qui évaluent eux-mêmes leurs propres données d'entrée et demandent une nouvelle saisie évitent ainsi de créer un problème qui deviendrait invisible par la suite.

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

La qualité de l'extraction détermine la base sur laquelle reposent toutes les étapes suivantes. Une erreur de lecture du numéro de document entraîne l'échec d'une vérification dans la base de données qui aurait autrement abouti. Une date de naissance mal lue entraîne un résultat erroné concernant l’âge ou une correspondance avec des sanctions impossible à résoudre. Le coût d’une erreur d’extraction est rarement supporté par l’étape d’extraction elle-même : il se manifeste plus tard sous la forme d’un refus injustifié ou d’un réexamen inexpliqué.

Elle représente également la plus grande part individuelle des coûts d'intégration récupérables conversion. Les candidats qui ont effectué trois tentatives de saisie avant d'abandonner ont été perdus en raison de problèmes liés à l'extraction et à la qualité de la saisie, et non à la suite d'une décision de fraude.

Pour être honnête, il faut reconnaître que l'extraction constitue une infrastructure nécessaire, mais qu'elle ne constitue jamais une preuve suffisante. Vérification des pièces d'identité c'est-à-dire l'extraction, l'authentification et la mise en correspondance, et pour les documents non liés à l'identité — bulletins de salaire, relevés bancaires, justificatifs de domicile — vérification des documents autres que les pièces d'identité est confronté au même fossé, tout en disposant de moins de structures sur lesquelles s'appuyer.

Ce que l'extraction de données ne permet pas de faire

Cela ne permet pas d'authentifier quoi que ce soit. Elle détecte ce qui est présent, que ce soit authentique ou non.

Elle ne peut pas récupérer ce que la capture a perdu. La retouche améliore l'aspect de l'image sans pour autant restituer des détails qui n'ont jamais été enregistrés. Au-delà d'un certain seuil, la seule solution valable est de refaire la prise.

La confiance n'est pas synonyme de précision. Un score élevé obtenu à partir d'une entrée de mauvaise qualité constitue le résultat le plus dangereux du pipeline.

La couverture s'applique par type de document et par version. L'extraction dépend de la classification, et une version de document non reconnue se réduit, au mieux, à une lecture générique.

Foire aux questions

Qu'est-ce que l'extraction de données dans le cadre de la vérification d'identité ?

Conversion d'une photographie ou d'un document numérisé en champs structurés — nom, date de naissance, numéro de document, date d'expiration — sur lesquels un système peut agir. Ce processus combine la reconnaissance optique de caractères, le décodage de codes-barres, l'analyse des zones lisibles par machine et, le cas échéant, la lecture de puces électroniques.

L'extraction de données revient-elle à la vérification de documents ?

Non, et les confondre est une erreur courante qui a des conséquences importantes. L'extraction consiste à lire ce qui est écrit dans le document. La vérification permet de s'assurer que le document est authentique, que l'image n'a pas été altérée et que la personne qui le présente en est bien le titulaire. Un document falsifié ou une contrefaçon de bonne qualité peut être extrait sans problème.

Quel doit être le degré de précision de l'extraction ?

Plus précis que la plupart des applications de traitement de documents, car une seule erreur dans un numéro de document suffit à faire échouer une vérification en aval. C'est pourquoi le recoupement des informations est essentiel : la même valeur lue indépendamment à partir du texte imprimé, de la zone lisible par machine et d'un code-barres doit correspondre ; toute divergence signale un problème sans qu'il soit nécessaire de procéder à une analyse plus approfondie.

Pourquoi les erreurs d'extraction entraînent-elles une perte de clientèle ?

Car le coût se fait sentir plus tard. Un champ mal lu entraîne un échec de la validation ou un contrôle inexpliqué plutôt qu'une erreur manifeste, et les tentatives répétées de saisie poussent les utilisateurs à abandonner. Une grande partie du taux de conversion récupérable lors de l'inscription se joue au moment de la saisie et de l'extraction des données, plutôt qu'au moment de la décision relative à la fraude.

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