Reconnaissance faciale

La reconnaissance faciale consiste à comparer automatiquement un visage à une ou plusieurs références faciales enregistrées. Deux applications très différentes portent ce nom, et c'est le fait de les confondre qui est à l'origine de la majeure partie de la confusion dans le débat public : vérification individuelle, ce qui permet de confirmer qu'une personne correspond bien à une référence spécifique qu'elle a présentée, et identification « un-à-plusieurs », qui effectue une recherche dans une base de données pour identifier une personne.

En tête-à-tête (vérification) Ce visage correspond-il à cette référence spécifique ? — utilisé dans le cadre de la vérification d'identité et de la connexion à un appareil
Relation « un-à-plusieurs » (identification) À qui appartient ce visage, parmi ceux d'une base de données ? — utilisée dans le cadre de la répression et de la surveillance
Qu'est-ce qui est comparé ? Un modèle mathématique dérivé de l'image, et non l'image elle-même
Mesures de précision Taux de fausses concordances et taux de fausses non-concordances, mis en regard l'un par rapport à l'autre en fonction d'un seuil
Évaluation comparative indépendante Programme d'évaluation de la reconnaissance faciale du NIST
Problème connu Des écarts démographiques en matière de précision, qui varient considérablement d'un algorithme à l'autre
Sous le contrôle de La loi BIPA de l'Illinois et les lois similaires des autres États américains, le RGPD et la loi européenne sur l'IA
Attaque principale Attaques par présentation et médias synthétiques injectés

La distinction qui compte

Ces deux applications présentent des profils de précision différents, des risques différents et, de plus en plus, un traitement juridique différent. Les considérer comme une seule et même technologie est à l'origine de la plupart des arguments erronés, dans un sens comme dans l'autre.

Vérification individuelle Identification « un-à-plusieurs »
La question S'agit-il de la personne figurant sur ce document ? Qui est cette personne ?
Référence Une image fournie par le sujet Une base de données dont l'intéressé n'a peut-être aucune connaissance
Consentement Inhérent — c'est le sujet qui en a pris l'initiative Souvent absent
Conséquence de l'erreur Une vérification ayant échoué, nouvelle tentative Une erreur d'identification, susceptible d'entraîner des conséquences juridiques
Précision à grande échelle Stable La qualité diminue à mesure que la base de données s'étoffe : plus il y a de candidats, plus le risque de faux positifs est élevé.
Traitement prévu par la loi européenne sur l'IA Autorisé, sous certaines conditions L'utilisation à distance en temps réel dans les espaces publics est fortement restreinte

L'effet d'échelle en est le cœur technique. Un taux de faux positifs acceptable pour une seule comparaison se traduit par un nombre absolu élevé de faux positifs lorsqu'on effectue une recherche parmi des millions d'enregistrements. C'est pourquoi un système qui donne de bons résultats en vérification peut s'avérer peu performant en identification, sans que l'algorithme lui-même ne présente de défaut.

Comment ça marche ?

L'image n'est ni enregistrée ni comparée directement. L'extraction de caractéristiques génère un modèle — une représentation numérique de la géométrie du visage — et la comparaison consiste à mettre en regard des modèles pour obtenir un score de similarité. Ce score est ensuite comparé à un seuil, lequel relève d’une décision stratégique plutôt que technique : l’augmenter permet de rejeter davantage d’usurpateurs et d’utilisateurs légitimes ; le réduire produit l’effet inverse.

En matière de précision, il faut reconnaître en toute honnêteté que les algorithmes modernes sont très performants et que les chiffres globaux de précision masquent d’importantes variations. Les évaluations du NIST ont mis en évidence des écarts démographiques significatifs dans les taux de fausses correspondances, qui varient considérablement d’un algorithme à l’autre — ce qui signifie que ces écarts sont propres à une implémentation spécifique, et non à la technologie en tant que catégorie, et qu’ils peuvent être vérifiés. Acheter sans exiger ces tests est une erreur.

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

Dans un processus de vérification d'identité, la reconnaissance faciale remplit une fonction spécifique : elle établit un lien entre un document et la personne qui le présente. La vérification du document permet de s'assurer de l'authenticité de celui-ci. La comparaison faciale permet de vérifier que la personne qui le présente est bien celle à qui il a été délivré. Aucune de ces deux vérifications n'est suffisante à elle seule : un document authentique prouve l'existence d'une personne, tandis qu'un visage en direct prouve sa présence physique.

Il s'agit d'une vérification individuelle s'appuyant explicitement sur les informations fournies par la personne concernée, ce qui constitue une activité fondamentalement différente de la surveillance des bases de données ; il convient de le préciser clairement plutôt que de laisser les termes se confondre.

La fiabilité de cette comparaison dépend également de la certitude qu’une personne réelle se trouve devant la caméra. Une photographie, un enregistrement d’écran, un masque ou un flux vidéo injecté correspondront tous à un modèle si aucun contrôle n’est effectué, c’est pourquoi détection de présence Ce n'est pas un élément facultatif, mais ce qui donne tout son sens à ce match. Biométrie dans un vérification des pièces d'identité le workflow constitue l'étape déterminante, et vérification d'identité qui lit un document sans avoir vérifié l'identité de son auteur et sans s'adresser à quelqu'un en particulier.

Ce que la reconnaissance faciale ne peut pas faire

Cela ne prouve pas la présence d'une personne vivante. C'est justement le rôle de la détection de vie, et sans elle, une photo imprimée pourrait passer pour authentique.

Cela ne suffit pas à établir l'identité. Une correspondance confirme la similitude avec une référence. La question de savoir si cette référence fait autorité est une autre affaire : une correspondance avec un document frauduleux est tout de même considérée comme une correspondance réussie.

La précision n'est pas uniforme. Les performances varient en fonction de l'algorithme, de la qualité de l'image et des groupes démographiques. Seuls des tests indépendants permettent de déterminer où se situe un système donné.

Un visage ne peut pas être réémis. Les modèles doivent être protégés de manière appropriée et stockés sous une forme qui ne permette pas leur réutilisation ailleurs s'ils venaient à être divulgués.

La légalité varie considérablement. La loi BIPA de l'Illinois, les lois étatiques similaires, le RGPD et la loi européenne sur l'IA imposent des obligations différentes, les plus strictes d'entre elles visant les utilisations de type « un-à-plusieurs » plutôt que la vérification fondée sur le consentement.

Foire aux questions

Quelle est la différence entre la reconnaissance faciale et la vérification faciale ?

La vérification faciale consiste en une comparaison « un à un » avec une référence spécifique fournie par la personne concernée — généralement la photo figurant sur sa pièce d'identité. La reconnaissance faciale, au sens large, désigne souvent une identification « un à plusieurs », c'est-à-dire la consultation d'une base de données pour déterminer l'identité d'une personne. Ces deux techniques présentent des niveaux de précision différents, des exigences différentes en matière de consentement et un traitement juridique distinct.

Une image du visage est-elle enregistrée lors de la vérification ?

Dans un système bien conçu, la comparaison s'appuie sur un modèle mathématique plutôt que sur l'image elle-même, et la conservation des données doit se limiter à ce qui est nécessaire au regard de l'objectif visé et des règles applicables en matière de conservation des données. Les modèles constituent des données biométriques et doivent être protégés en tant que tels, car un visage compromis ne peut pas faire l'objet d'une nouvelle émission.

La reconnaissance faciale est-elle fiable ?

Les algorithmes modernes offrent d'excellentes performances en vérification « un à un » lorsque la qualité de l'image est raisonnable. La précision diminue lors des recherches « un à plusieurs » à mesure que la base de données s'étoffe, et les évaluations du NIST ont mis en évidence des écarts démographiques importants d'un algorithme à l'autre — ce qui fait que la question pertinente porte davantage sur les tests indépendants du système spécifique que sur la technologie en général.

La reconnaissance faciale peut-elle être trompée ?

Oui, si rien ne permet de vérifier la présence d'une personne réelle. Les photographies, les enregistrements d'écran, les masques et les flux vidéo injectés peuvent tous donner lieu à une correspondance avec un modèle enregistré. La détection de la présence d'une personne réelle et la détection des attaques par injection permettent de pallier ce problème, et leur absence constitue une faille plus courante que la précision de la correspondance.

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