La reconnaissance faciale: entre sécurité et surveillance

La Reconnaissance faciale, une technologie biométrique.

La technologie biométrique a énormément progressé ces dernières années, elle est présente sous différents angles dans de nombreux dispositifs tels que la reconnaissance de l’iris et des empreintes digitales. Le concept n’est pas nouveau : les Américains se sont intéressés à ce genre de scanner virtuel depuis le milieu des années 60.[1]

Aujourd’hui, la nouvelle tendance est à la reconnaissance faciale. Considérée il y a peu comme un outil marginal et pas encore bien développé, elle gagne désormais beaucoup de terrain et s’intègre de plus en plus dans notre quotidien.[2]

La reconnaissance faciale est un domaine de la vision par ordinateur consistant à reconnaitre automatiquement une personne à partir d’une image de son visage. Il s’agit de l’identifier – qui est-ce ? – ou de l’authentifier –est-ce la bonne personne ? – après analyse automatique de son visage. Moins intrusive que les autres techniques de biométrie (scan rétinien, empreinte digitale, reconnaissance vocale), elle offre une ergonomie d’usage et permet un gain de temps non-négligeable par rapport aux autres techniques.

Alors que l’intérêt accordé à la reconnaissance faciale avait pu se tasser[3], l’actualité récente lui redonne ses lettres de noblesse[4]. Les problématiques de sécurité favorisent l’usage et la mise en place de systèmes incluant cette technologie (systèmes de vidéosurveillance ou des installations de sécurité dans des lieux comme les aéroports ou les banques)[5].

Actuellement, différentes méthodes sont utilisées pour la reconnaissance faciale mais jusqu’à présent, toutes nécessitent une base de données très fournie pour pouvoir être utilisées. Cependant, des entreprises comme Smart Me Up intègrent désormais l’Intelligence Artificielle pour permettre une analyse faciale en temps réel[6]. Cela nous laisse espérer des moyens de dépasser les limites en terme de temps, efficacité, besoin de données préalables.

Qu’apporte l’Intelligence Artificielle à la Reconnaissance Faciale, garantit-elle une meilleure identification et authentification des visages ? Va-t-on passer, grâce à l’Intelligence Artificielle à une nouvelle étape de la reconnaissance faciale ?

 I – La Reconnaissance faciale : de celle d’aujourd’hui à celle de demain.

La Reconnaissance Faciale repose aujourd’hui sur quatre technologies. La courbe de Foster ci-dessous donne à voir leur état actuel en terme de stade de développement. Chacune étant indispensable à la Reconnaissance Faciale, explicite l’état actuel des choses et les espoirs que l’on pourrait porter en la Reconnaissance Faciale.

CF RF Nanovalor

Tout d’abord, à la base même de la reconnaissance faciale, il y a le traitement d’image. En effet, la reconnaissance faciale repose sur quelque chose qui existe depuis toujours : le procédé de reconnaissance que l’homme pratique constamment – être capable de “re-“connaître quelqu’un que l’on a déjà vu. Ce procédé est théorisé en 1879 par Alphonse Bertilon a des fins policières : ainsi nait le “bertillonnage”[7], une technique criminalistique basée sur la mesure des écartements de points précis du visage. Ce procédé a évolué pour déboucher sur quatre méthodes utilisées actuellement par les fabricants de systèmes biométriques[8] : le traitement automatique de visage (calcul de distances), l’Eigenface (“représentation des éléments caractéristiques d’une image de visage à partir d’images modèles en niveau de gris” ), l’analyse de points particuliers (similaire à l’Eigenface en plus précis), les réseaux de neurones.

Cependant, même la technique du réseau de neurones, réputée la plus efficace ne dépasse pas 78% de taux de reconnaissance et nécessite plus de 2h d’apprentissage. Des procédés sont en cours de développement tels que les “réseaux des neurones à spikes” [9](similaires aux réseaux de neurones classique mais avec des modes de calculs différents) ou la stéréo photométrie (reconstituer à partir d’une image simple, un visage en 3 dimensions) pour pallier les problèmes majeurs des techniques actuelles, à savoir : nécessité d’une qualité suffisante des images pour assurer la fiabilité, réglages du seuil de sensibilité nécessaire pour éviter un nombre excessif de faux positifs (erreur sur la personne identifiée) ou de faux négatifs (non-détection d’une personne qui aurait dû être identifiée), problèmes d’identification dus à l’éclairage, au port de lunettes, de moustache barbe, ou maquillage et à l’angle sous lequel les photos sont prises. Ainsi, selon les publications de Gartner, “faster and more accurate image processing will enable gaming and automotive applications that rely on instant responsive systems”.[10]

Deuxième technologie : la détection faciale. En effet, avant la reconnaissance, il faut repérer les points qui vont permettre les mesures. La méthode de Viola et Jones [11] permet de repérer des visages et objets dans une image – et donc les éléments particuliers du visage : yeux, bouche, nez et autres points distinctifs du visage. Inventée en 2011, elle est aujourd’hui largement utilisée. Cependant, comme le traitement d’image lui-même, elle nécessite plusieurs milliers d’exemples de l’objet à détecter. La rupture technologique pourrait donc venir de l’implémentation d’une méthode nécessitant moins de données en amont.

En réalité, cette problématique des données est un élément à part entière de la Reconnaissance Faciale. Pour que l’image soit traitée, il est nécessaire d’avoir une base de données préalable avec les images de référence. Il y a actuellement un véritable engouement pour le Big Data et déjà de nombreuses utilisations. Cependant, selon les publications de Gartner, la gestion des données s’avère encore immature dans de nombreux secteurs. “Gartner clients have made it clear that big data technologies must be able to process data in streams, and that they need an extensible service framework for processes that encompass more than one variety of data.” [12]

Enfin, pour pouvoir identifier, encore faut-il capturer l’image du visage à étudier. Dernière technologie impliquée et non des moindre, la caméra. Née à la fin du XIXeme siècle, elle a évolué, laissant derrière l’argentique pour passer aux signaux numériques et finalement pouvoir transmettre directement les images recueillies à un réseau (webcam) dès les années 1990. Si certaines évolutions continuent (résolution, mode de capture), la technologie est déjà bien implantée. Une rupture technologique serait peut-être en phase d’apparaître avec les caméras 3D en phase de développement (avec une optimisation de la qualité du flux, une évolution significative dans la résolution d’image, une association de plusieurs capteurs).

Mais plus que les technologies déjà impliquées, c’est peut-être l’ajout d’une nouvelle technologie qui pourrait le plus bouleverser la Reconnaissance Faciale. Les entreprises comme Smart Me Up repensent la reconnaissance faciale en venant œuvrer à la base même du procédé. Le traitement d’image est conservé mais il doit se faire beaucoup plus vite et en contexte : c’est là que l’Intelligence Artificielle entre en jeu.

Revenons d’abord sur l’Intelligence Artificielle : il s’agit d’”élaborer des programmes informatiques capables d’effectuer des tâches accomplies par des humains demandant un apprentissage, une organisation de la mémoire et un raisonnement”[13]. Actuellement, diverses utilisations d’intelligence artificielle faible ont vu le jour (robots serveurs, robots médecins) et diverses technologies s’y rattachent :

  • Machine learning (filtres anti-spam, les moteurs de recherche…)
  • Machine perception (reconnaissance d’image, de son)
  • Natural language processing (traduction automatique, claviers intelligents, smartphones pour comprendre une question et y répondre)
  • Automated planning (calcul d’itinéraire, prise de décision…).

Les objets dotés d’une technologie de type « Machine Learning » seront auto-apprenants. C’est-à-dire, la capacité de reconnaissance du visage va s’améliorer au fil du temps grâce aux multiples photos qui seront recueillies à chaque opération de contrôle d’accès. Ce qui permet d’obtenir des taux de reconnaissance pouvant aller au delà de 99%. Cependant, tout dépend des conditions d’éclairage, de la qualité et de la distance de détection de la caméra. Dès lors, le contrôle d’accès autorisera le passage en fonction des droits qui lui auront été attribués.

La technologie est en pleine expansion avec des géants et des start up qui profitent depuis 5 ans de l’émergence du big data ou encore du deep learning [14] c’est-à-dire, l’utilisation de réseaux de neurones artificiels pour aller plus loin que l’apprentissage supervisé – qui nécessite qu’on présente à la machine des milliers d’images étiquetées pour apprendre – en faisant en sorte que le programme apprenne par lui-même en étudiant l’image en profondeur, sans image de référence préalable. Nous sommes ainsi dans une phase de recherche et d’investissements intenses (notamment de la part des GAFA (Google, Amazaon, Facebook, Apple) et d’autres acteurs du secteur comme IBM et Microsoft) pour développer cette technologie.

Avec l’Intelligence Artificielle et en particulier le Deep Learning, la reconnaissance faciale pourrait dépasser ses problématiques de données (elle fonctionne pour l’instant selon une logique “d’apprentissage supervisé “) et s’adapter à de nouveaux usages.

Une technologie, plusieurs utilisations.

Le marché mondial de la biométrie faciale augmentera de 1.92 milliards de dollars en 2013 à 6.5 milliards de dollars en 2018, avec un taux de croissance annuel de 27,7% de 2013 à 2018[15].

CA RF Nanovalor

La reconnaissance de visage a de nombreuses applications en vidéo-surveillance, biométrie, robotique, indexation d’images et de vidéos, ou encore recherche d’images par le contenu. L’intérêt de la biométrie faciale réside en ce qu’elle est non intrusive (sans contact), et travaille a priori, en circuit fermé (une seule base de données). Elle est nécessairement une application en temps réel d’analyse de visages multi-personnages en contexte peu, voire non contrôlé, à l’instar d’une application portique ou de contrôle d’accès puisque le sujet est volontairement coopératif.

Précis, rapide et peu gourmand en puissance de calcul, un système de reconnaissance faciale développé par la start-up grenobloise Smart Me Up se présente sous la forme d’une librairie logicielle qui s’intègre à n’importe quelle application et dans tous types de machines. Comme par exemple un smartphone ou une caméra.

À partir d’un flux vidéo, la technologie détecte votre âge, sait si vous êtes un homme ou une femme, devine vos émotions grâce à l’étude de votre sourire ou encore la fatigue à travers l’état de vos iris. La start-up Smart Me Up met en avant plusieurs perspectives prometteuses, comme la détection de somnolence pour les automobilistes, et a déjà signé un accord avec Photomaton, pour vérifier en temps réel la conformité de photos d’identité. Elle pourrait également s’avérer très utile dans la recherche de personnes disparues. Une technologie très prometteuse, donc, qui, couplée à une caméra de vidéosurveillance, pourrait aussi être utile dans l’analyse statistique de foules.[16]

Ainsi la technologie développée sait non seulement détecter des visages mais elle sait aussi les analyser, donner le genre et l’âge d’une personne, analyser son comportement en temps réel et détecter ses émotions. Ce qui ouvre un très large champ d’applications. L’apport et la plus value de la reconnaissance faciale dans les objets connectés ? C’est le directeur de Smart Me Up qui nous donne la réponse : « Notre métier consiste à rendre intelligent les objets connectés ».[17]

Nous avons distingué trois acteurs qui officient dans le secteur de la reconnaissance faciale avec l’intégration d’une technologie basée sur la reconnaissance artificielle. D’une part, il y a les programmes Deep Face et Open Face développés respectivement en interne par Facebook et Google. Ces deux entreprises disposent donc d’actifs complémentaires très élevés, avec un avantage pour Google en terme de chercheurs et de trésorerie. D’autre part, il s’agit de cette start-up grenobloise qui possède plusieurs brevets autour de la technologie en question, toutefois elle n’évolue pas dans un écosystème aussi favorable que celui de Google et Facebook.

 

MT RF Nanovalor

La biométrie faciale permet une copie d’une fraction de nous-même dans une base de données. La reconnaissance faciale ne date cependant pas d’hier. Ce qui a changé, c’est le traitement informatique de ces données, parfois récoltées à l’insu de la personne.

Cependant, ces promesses ont des limites. Il faut se souvenir de la distinction identification/ authentification : l’utilisation de l’intelligence artificielle telle que décrite précédemment (selon l’utilisation développée par Smart me Up ) permet l’identification mais pas l’authentification – on peut définir le sexe/ l’âge, mais on ne peut rien dire sur qui est la personne en question. Les technologies actuelles ne peuvent se passer des bases de données et de l’apprentissage supervisé pour authentifier des personnes. Du point de vue de l’authentification, les projections doivent donc plutôt se tourner vers l’amélioration des technologies actuellement intégrées à la reconnaissance faciale (big data, caméra, traitement de l’image).

Le débat actuel porte de plus sur les techniques biométriques et la façon de protéger vie privée et libertés personnelles. Il faut finir par admettre qu’il existe une tension entre le désir de sécurité et de protection qui pousse à perfectionner les techniques d’identification biométrique et le souci de respecter la dignité des personnes et la protection de leur vie privée.[18]

Auteurs: A. Andriamanana, L-M. Aubry, Y. Bargaa, C. Belquaid & M. Berraho

[1] « Décryptage : la reconnaissance faciale, mais jusqu’où ira-t-elle ? », Sciences et avenir. Publié le 20/05/2014 et consulté le 10/04/2016. http://www.sciencesetavenir.fr/decryptage/20140520.OBS7856/decryptage-la-reconnaissance-faciale-mais-jusqu-ou-ira-t-elle.html

[2] « Décryptage : la reconnaissance faciale, mais jusqu’où ira-t-elle ? », Sciences et avenir. Publié le 20/05/2014 et consulté le 10/04/2016. http://www.sciencesetavenir.fr/decryptage/20140520.OBS7856/decryptage-la-reconnaissance-faciale-mais-jusqu-ou-ira-t-elle.html

[3] Goertz.W ,Reinhart.M (2015) “Hype Cycle for Human-Machine Interface”, Available at : http://www.gartner.com/document/3093220.

[4] Champeau.G (2016), “Cazeneuve envisage la reconnaissance faciale dans les aéroports – Politique”,

Available at: http://www.numerama.com/politique/154355-cazeneuve-envisage-reconnaissance-faciale.html.

[5] Guidicelli.L (2016), “Euro 2016 : Nice en quête de reconnaissance faciale-Le Point”.

Available at: http://www.lepoint.fr/politique/euro-2016-estrosi-veut-utiliser-la-reconnaissance-faciale-a-nice-15-04-2016-2032555_20.php.

[6] Bergounhoux.J (2016) “Intelligence artificielle : la start-up française Smart Me Up va lever 3 millions d’euros”. Available at:  http://www.usine-digitale.fr/editorial/intelligence-artificielle-la-start-up-francaise-smart-me-up-va-lever-3-millions-d-euros.N383267.

 

[7] Larousse, Éditions. “Encyclopédie Larousse en ligne – biométrie”. Available at: http://www.larousse.fr/encyclopedie/divers/biométrie/27110.

[8] Guillerm.D, « Visage ». Available at : http://www.biometrie-online.net/technologies/visage

[9] Adjoudj.R, Gafour. A, Boukelif.A, Lehireche.A (2008), “La reconnaissance des visages: une comparaison entre les réseaux des neurones compétitifs et les réseaux des neurones à spike”, GRETSI, Saint Martin d’Hères, France.

           [10]  Goertz.W ,Reinhart.M (2015) “Hype Cycle for Human-Machine Interface”, Available at : http://www.gartner.com/document/3093220.

          [11]  Wikipedia (2015) “Méthode de Viola et Jones”. Available at:  https://fr.wikipedia.org/w/index.php?title=M%C3%A9thode_de_Viola_et_Jones&oldid=118986266.

[12] Beyer.M (2015) , “Hype Cycle for Information Infrastructure” . Available at: http://www.gartner.com/document/3112217?ref=exploreResearch.

[13] “Site francophone sur l’intelligence artificielle”. Available at: http://www.intelligenceartificielle.fr/.

[14] Tual.M (2015), “Le « deep learning », une révolution dans l’intelligence artificielle”. Le Monde.fr

Available at: http://www.lemonde.fr/pixels/article/2015/07/24/comment-le-deep-learning-revolutionne-l-intelligence-artificielle_4695929_4408996.html.

 

 

[15] Robin.JM (2014) « Reconnaissance faciale : “pas vu, pas pris” disait le dicton », Available at : http://www.contreligne.eu/2014/09/reconnaissance-faciale-pas-vu-pas-pris-disait-le-dicton/

[16] Grallet.G (2015), « 2015. CES 2015 : attention, les Français arrivent ! ». Le Point. Available at :  http://www.lepoint.fr/technologie/ces-2015-attention-les-francais-arrivent-04-01-2015-1893863_58.php

[17] Kan.E (2015) « Smart Me Up démocratise la reconnaissance faciale », Available at : http://www.expoprotection.com/site/FR/Smart_Me_Up_democratise_la_reconnaissance_faciale,I1602,Zoom-b83efd7ce3898278fd0ac3851179f21a,KW-,FromPage-Search.htm

[18] Robin.JM (2014) « Reconnaissance faciale : “pas vu, pas pris” disait le dicton », Available at : http://www.contreligne.eu/2014/09/reconnaissance-faciale-pas-vu-pas-pris-disait-le-dicton/

Leave a Reply

Your email address will not be published. Required fields are marked *