Faire de son visage une identité : que peut réellement garantir la reconnaissance faciale ?

Le cadre de référence du NIST (SP 800-63-3) distingue plusieurs opérations que le langage courant confond sous le terme unique de « reconnaissance faciale ». La CNIL retient une distinction voisine dans sa définition de la reconnaissance faciale : une comparaison un contre un vérifie qu'un visage correspond à une référence précise ; une recherche un contre plusieurs compare un visage à une base contenant un grand nombre de références ; une observation continue suit un visage dans le temps ou l'espace, sans qu'une vérification ponctuelle ait été demandée.

Vérification (1:1)

Comparer un visage présenté à une seule référence déjà connue, pour confirmer une identité déclarée — c'est l'opération évaluée par le programme FRVT Verification du NIST.

Identification (1:N)

Rechercher un visage parmi un ensemble de références, sans identité déclarée au départ. Le risque d'erreur augmente avec la taille de la base comparée.

Reconnaissance faciale (usage large)

Terme générique employé par la CNIL pour désigner l'ensemble des technologies de comparaison de visages, quel que soit le mode (1:1, 1:N ou continu).

Détection d'attaque de présentation (PAD)

Capacité d'un système à distinguer un visage réel d'une photo, d'un masque ou d'un écran présenté devant la caméra, évaluée séparément par le NIST (FRVT/FATE PAD).

Le NIST évalue en continu, dans le cadre du programme FRVT, la performance des algorithmes de vérification faciale un contre un soumis par les fournisseurs du monde entier. Ces campagnes publient des taux de faux positifs (le système valide à tort une correspondance) et de faux négatifs (le système rejette à tort une correspondance réelle) pour chaque algorithme testé. Aucun système évalué n'atteint un taux d'erreur nul : l'erreur est une propriété structurelle mesurée, pas un défaut ponctuel d'un fournisseur particulier.

Le NIST évalue également, séparément, la détection des attaques de présentation (photographies, masques, rejeux vidéo) et la détection du morphing, technique consistant à fusionner deux visages pour tromper un contrôle documentaire. Ces évaluations distinctes montrent que la fiabilité d'un système ne se résume pas à un seul chiffre : un algorithme performant en vérification peut avoir une résistance différente face à une tentative de fraude délibérée.

Le rapport NISTIR 8280, publié par le NIST en 2019, mesure les écarts de performance des algorithmes de reconnaissance faciale selon l'âge, le sexe et l'origine géographique des visages, sur un grand nombre de systèmes testés. Ce travail établit que les erreurs ne se répartissent pas au hasard dans la population : certains groupes démographiques connaissent, selon l'algorithme considéré, des taux de faux positifs ou de faux négatifs plus élevés que d'autres.

Ce constat n'établit pas que tous les algorithmes présentent ces écarts dans les mêmes proportions : l'amplitude mesurée varie fortement d'un système à l'autre selon le rapport. Il établit en revanche qu'un déploiement à grande échelle, sans vérification de ces écarts pour l'algorithme retenu, expose à un risque d'erreur inégalement réparti selon les personnes concernées.

L'ENISA (agence de l'Union européenne pour la cybersécurité) documente les méthodes existantes de vérification d'identité à distance et les niveaux d'assurance qui leur sont associés. Elle recense aussi, dans un rapport dédié, une typologie des attaques visant spécifiquement ces procédures : présentation d'un leurre physique, injection directe d'un flux vidéo falsifié dans le système, rejeu d'une capture antérieure, ou usage de visages synthétiques générés artificiellement.

Ces travaux établissent que la vérification à distance constitue une surface d'attaque connue et activement étudiée par les autorités de cybersécurité, ce qui explique pourquoi le NIST maintient des évaluations séparées de détection d'attaque. Ils n'établissent en revanche pas l'existence de dispositifs capables de produire, à l'insu d'une personne, une identité biométrique parallèle indétectable : un tel scénario resterait une extrapolation, pas une description de l'état de l'art documenté.

Le guide NIST SP 800-63B, consacré à l'authentification, situe la biométrie parmi les facteurs possibles tout en précisant ses limites : contrairement à un mot de passe ou à une carte, un facteur biométrique ne peut pas être révoqué puis réémis à l'identique si sa référence numérique est compromise. Le document recommande en conséquence de prévoir des mécanismes de repli et de ne pas reposer uniquement sur la biométrie pour l'authentification à distance.

Le National Cyber Security Centre britannique (NCSC) formule une recommandation voisine : les systèmes biométriques doivent s'accompagner de solutions alternatives, précisément parce qu'un gabarit facial compromis ne peut pas être simplement changé comme on changerait un code d'accès. Cette limite technique, documentée indépendamment par deux agences de cybersécurité, distingue structurellement la biométrie des autres facteurs d'authentification.

Ce que ces standards recommandent concrètement pour limiter ce risque :

• —Conserver une solution de repli non biométrique pour les cas d'échec ou de compromission.
• —Ne pas faire reposer une décision d'accès uniquement sur une seule correspondance biométrique.
• —Combiner, quand c'est possible, plusieurs facteurs de nature différente plutôt qu'un facteur unique.

Le RGPD classe les données biométriques utilisées à des fins d'identification comme une catégorie particulière de données, soumise à des conditions de traitement renforcées. Le règlement européen sur l'intelligence artificielle (2024/1689) va plus loin en interdisant ou en encadrant strictement plusieurs usages d'identification biométrique à distance, et en classant ces systèmes parmi ceux à haut risque. L'EDPB (Comité européen de la protection des données) a par ailleurs publié des lignes directrices spécifiques sur l'usage de la reconnaissance faciale dans le cadre des activités policières, posant des exigences de nécessité et de proportionnalité.

L'identité numérique européenne en cours de déploiement s'inscrit dans une logique différente de celle d'un registre facial généralisé. Le règlement eIDAS 2 (2024/1183) décrit un portefeuille numérique où la personne choisit les attributs qu'elle communique, et le programme français France Identité s'appuie sur la carte d'identité électronique associée à un code personnel choisi par l'utilisateur, plutôt que sur un facteur biométrique unique et permanent.

L'étude réalisée pour le Parlement européen (STOA, 2021) sur l'identification biométrique à distance souligne les risques d'exclusion que ferait peser un dispositif reposant sur un facteur unique, et appelle à préserver des alternatives. La recommandation de l'OCDE sur la gouvernance de l'identité numérique et les principes d'identification pour le développement de la Banque mondiale (ID4D) formulent des exigences voisines : couverture universelle, absence de discrimination, et mécanismes de contestation effectifs en cas d'erreur.

Un travail publié dans les Proceedings of the National Academy of Sciences (PNAS, 2018) apporte un éclairage complémentaire : la combinaison du jugement d'examinateurs humains entraînés et des résultats d'un algorithme donne de meilleurs résultats que l'un ou l'autre pris isolément. Cela suggère qu'un contrôle humain associé à l'outil technique, plutôt qu'une automatisation intégrale, reste une piste documentée pour réduire le risque d'erreur — sans qu'aucune source ne prétende que cette combinaison élimine l'erreur.