Comprendre la technologie de reconnaissance faciale en sciences judiciaires modernes
La technologie de reconnaissance faciale est devenue l'un des outils les plus transformateurs des enquêtes judiciaires contemporaines, modifiant fondamentalement la façon dont les services de détection et de répression identifient les suspects, résolvent les crimes et localisent les personnes disparues.
Au moins 3 750 organismes de police des États et des collectivités locales et 20 organismes fédéraux utilisent actuellement la technologie de reconnaissance faciale aux États-Unis, ce qui reflète son adoption généralisée dans le système de justice pénale. La technologie soutient déjà les enquêtes dans près de la moitié des États membres de l'Union européenne, ainsi que dans plusieurs organismes aux États-Unis et au Royaume-Uni, démontrant ainsi sa portée mondiale et son acceptation comme outil d'enquête.
La technologie fonctionne en créant des « cartes » numériques de traits faciaux à partir de photographies ou de vidéos, puis en comparant ces cartes à des bases de données contenant des millions d'identités connues. Des outils tels que Clearview AI, Amazon Rekognition et Oosto permettent d'accéder à plus de 50 milliards d'images identifiées extraites de sites Web publics, des enregistrements DMV, des passages aux frontières, etc. Cette échelle massive permet aux forces de l'ordre d'identifier des personnes inconnues de manière impossible par une enquête manuelle seulement.
La science derrière les systèmes de reconnaissance faciale
Comment fonctionnent les algorithmes de reconnaissance faciale
La technologie de reconnaissance faciale utilise des données biométriques pour identifier les individus en fonction de leurs caractéristiques faciales. Le processus implique plusieurs étapes sophistiquées qui transforment une photographie simple en une signature biométrique consultable. Les systèmes modernes analysent des dizaines de repères visage uniques, y compris la distance entre les yeux, la forme du nez, les contours de la mâchoire, la structure des pommettes et les modèles uniques de géométrie faciale qui font le visage de chaque personne.
Ces systèmes utilisent des algorithmes avancés d'apprentissage automatique formés sur des millions d'images faciales. Au niveau de base, ils créent des « cartes » des fonctionnalités des personnes à partir d'une photo ou d'une vidéo puis vérifient une base de données pour trouver une correspondance. Les algorithmes convertissent les fonctionnalités faciales en représentations mathématiques appelées « embenddings » ou « templates », qui peuvent être rapidement comparés aux modèles stockés dans les bases de données d'application de la loi.
La technologie de reconnaissance faciale a été considérablement améliorée grâce à l'introduction d'un apprentissage profond qui a permis d'extraire des modèles visuels même complexes, dépassant ainsi les performances des méthodes plus traditionnelles.Ces approches d'apprentissage profond peuvent identifier des visages même dans des conditions difficiles comme un éclairage insuffisant, une occlusion partielle ou des angles non frontaux.
Types de systèmes de reconnaissance faciale dans l'application des lois
Les organismes d'application de la loi emploient deux principaux types de systèmes de reconnaissance faciale, chacun servant à des fins d'enquête distinctes :
Reconnaissance faciale vive (LFR):[ Ces systèmes en temps réel scannent les visages dans les foules ou les espaces publics, les comparant instantanément aux listes de surveillance des personnes recherchées.Le Royaume-Uni utilise le FRT en direct dans les espaces publics en vertu des lignes directrices de la police et de la protection des renseignements personnels, en particulier pour surveiller les grands événements publics et les zones de haute sécurité.
Reconnaissance faciale rétrospective (RFR):[ Contrairement à leurs homologues « vivants », les systèmes de reconnaissance faciale rétrospective vérifient les correspondances d'identité après l'événement. Ils peuvent vérifier les photos ou les images enregistrées à partir de caméras de surveillance, de caméras de bord, de sonnettes de porte ou de téléphones cellulaires.
Un bon système peut correspondre à jusqu'à trois millions d'images par seconde, réduisant la recherche à une vitesse impossible à réaliser manuellement. Cette capacité de traitement extraordinaire représente un saut quantique par rapport aux méthodes d'identification traditionnelles, qui obligent les enquêteurs à examiner manuellement les photographies ou à se fier à des descriptions de témoins.
Sources des bases de données et considérations relatives à la qualité de l'image
L'efficacité de la reconnaissance faciale dépend fortement de la qualité et de l'exhaustivité des bases de données recherchées. Il faut pour cela des bases de données de photos liées à des identités connues, qui peuvent provenir de DMV (Département de l'automobile) d'État qui possèdent les photos d'identité de chaque citoyen détenteur d'identité.
Les systèmes existants sont susceptibles de poser des variations, l'occlusion, la basse résolution et même le vieillissement, même s'ils fonctionnent assez bien dans des conditions contrôlées. Les applications médico-légales du monde réel impliquent souvent des images dégradées des caméras de surveillance, qui peuvent souffrir de flou de mouvement, de mauvais éclairage, d'angles extrêmes ou de basse résolution.
Applications globales dans les enquêtes judiciaires
Identification du suspect
La reconnaissance faciale est principalement appliquée dans les services de police, qui identifient les suspects inconnus capturés sur des images ou des photographies de surveillance. L'application de la loi recueille un instantané d'un suspect tiré de méthodes d'enquête traditionnelles, telles que des images de surveillance ou des renseignements indépendants.
Un rapport récent a montré que l'utilisation efficace du RFR peut réduire le temps d'identification des suspects de 14 jours à minutes. Cette réduction spectaculaire du temps d'identification permet aux enquêteurs de rechercher des pistes alors que les preuves sont fraîches et que les souvenirs des témoins sont encore fiables.
En comparant les caractéristiques faciales des suspects avec les bases de données des individus connus, on peut créer des correspondances potentielles, ce qui aide à l'enquête. Le système renvoie généralement une liste classée de correspondances potentielles plutôt qu'une seule identification définitive, permettant aux enquêteurs humains d'examiner les candidats et de procéder à une vérification de suivi.
Enquêtes sur les personnes disparues et les cas de rhume
La reconnaissance faciale peut être utilisée pour identifier les personnes disparues en comparant des corps non identifiés ou des restes squelettiques avec des bases de données de personnes disparues. Elle peut également aider à résoudre les cas de froid en assortissant de vieilles photographies ou de croquis composites avec des images faciales actuelles.
La capacité de la technologie à expliquer le vieillissement est particulièrement précieuse dans les cas de personnes disparues à long terme. Les algorithmes avancés peuvent prédire comment l'apparence d'une personne peut changer au fil du temps, permettant des correspondances même lorsque l'on compare des photographies d'enfance à des visages adultes, ou des images de plusieurs décennies assorties à des images de surveillance actuelles.
Les enquêtes sur les cas de froid ont été révolutionnées par la capacité de faire passer des preuves anciennes à l'aide de bases de données modernes. Les cas qui n'ont pas été résolus en raison de l'absence de technologie d'identification peuvent maintenant être rouverts et résolus.
Analyse du réseau criminel et reconnaissance des caractéristiques
Les systèmes de reconnaissance faciale peuvent analyser de grands volumes de séquences de surveillance afin de cerner les tendances et les liens entre les personnes impliquées dans des activités criminelles, ce qui peut aider à découvrir les réseaux criminels et à identifier les récidivistes.
Cette capacité est particulièrement utile pour enquêter sur la criminalité organisée, les réseaux de trafic de drogues, les opérations de traite des êtres humains et le terrorisme, et elle peut révéler des liens entre des incidents apparemment non liés, aidant les enquêteurs à comprendre la portée et la structure des entreprises criminelles.
Identification des victimes
Dans les cas où les victimes ne peuvent être identifiées par des moyens traditionnels, la technologie de reconnaissance faciale peut être utilisée pour faire correspondre leurs caractéristiques faciales avec les bases de données des personnes disparues ou des photographies post mortem, ce qui facilite l'identification des victimes.
La valeur humanitaire de cette demande ne peut être surestimée. L'identification des victimes permet aux familles de se fermer, permet un enterrement approprié selon les pratiques culturelles et religieuses et garantit que les certificats de décès et les procédures judiciaires peuvent aller de l'avant.
Sécurité des frontières et vérification de l'identité
Au milieu de 2024, les douanes et la protection des frontières avaient traité plus de 540 millions de voyageurs en utilisant la reconnaissance faciale. Ce déploiement massif démontre l'évolutivité et la fiabilité de la technologie dans les scénarios de vérification d'identité à grand volume.
La technologie permet de vérifier que la personne qui présente un passeport ou un visa est le détenteur légitime de ce document, ce qui empêche le vol d'identité et la fraude de documents. Elle permet également de traiter rapidement les voyageurs légitimes tout en maintenant les normes de sécurité, réduisant les temps d'attente aux postes frontaliers et aux aéroports.
Avantages importants de la reconnaissance faciale dans le travail médico-légal
Vitesse et efficacité des enquêtes
La technologie de reconnaissance faciale offre de nombreux avantages dans les enquêtes judiciaires, y compris la rapidité, l'évolutivité et la non-intrusion. Elle peut aider les enquêteurs à réduire les listes de suspects, à réduire le temps d'enquête et à fournir des pistes précieuses.
Les méthodes d'identification traditionnelles obligeaient les enquêteurs à examiner manuellement les photographies, à montrer des tableaux de photos aux témoins ou à se fier à des descriptions verbales, processus qui pourraient prendre des semaines ou des mois. L'application de la loi fait valoir que cette technologie peut aider les enquêteurs à développer et à poursuivre des pistes à un rythme plus rapide.
En automatisant le processus d'identification initiale, la reconnaissance faciale permet aux enquêteurs de se concentrer sur d'autres aspects du travail de cas, comme l'interrogatoire de témoins, l'analyse des preuves et la construction de cas à l'abri de poursuites.
Objectif et analyse cohérente
La précision de la reconnaissance faciale est bien supérieure à celle de la comparaison humaine. Les logiciels associés à la vérification humaine dépassent la précision de l'un ou l'autre mode. La reconnaissance faciale humaine est sujette à de nombreux biais cognitifs, effets de fatigue et limitations de la capacité de traitement.
Les algorithmes de reconnaissance faciale appliquent des critères cohérents pour toutes les recherches, éliminant les variations quotidiennes du jugement humain. La technologie ne connaît pas de fatigue, de distraction ou de biais inconscient de la même manière que les humains. Lorsqu'elle est correctement mise en œuvre, elle fournit des résultats reproductibles qui peuvent être vérifiés et testés indépendamment.
Les recherches ont montré qu'un œil non entraîné – comme celui d'un témoin ou même d'un policier – peut avoir des taux d'erreur variant entre 10 et 60 %. En revanche, les systèmes modernes de reconnaissance faciale permettent d'obtenir des taux d'exactitude nettement plus élevés, surtout lorsqu'ils sont utilisés comme outil d'enquête plutôt que comme seule preuve d'identification.
Scalabilité et intégration des bases de données
L'évolutivité de la technologie de reconnaissance faciale permet de fouiller des bases de données contenant des millions, voire des milliards d'images, tâche qui serait physiquement impossible pour les enquêteurs humains. La technologie peut permettre aux utilisateurs de rechercher rapidement des milliards de photos pour aider à identifier un suspect inconnu sur une photo de scène de crime.
En tant que service hébergé de façon sécuritaire, les organismes peuvent collaborer étroitement en partageant des données, soit sur un service partagé, soit en utilisant la fonctionnalité de recherche interinstitutions unique de NEC qui permet aux enquêteurs d'identifier les criminels qui commettent des infractions dans les différentes administrations.Cette capacité intergouvernementale est particulièrement utile pour le suivi des délinquants mobiles qui commettent des infractions à plusieurs endroits ou pour la coordination des enquêtes aux frontières municipales, étatiques et fédérales.
Histoires de réussites dans le monde réel
Des affaires documentées démontrent l'utilité pratique de la technologie pour résoudre des crimes graves. Une enquête a donné lieu à 69 arrestations, 64 accusations, 44 peines privatives de liberté totalisant 117 ans, montrant la contribution de la technologie à la sécurité publique et à la responsabilité pénale.
La police de Scranton, Pennsylvanie, a utilisé FRT pour identifier un suspect d'agression sexuelle sur les photos des médias sociaux. Les autorités de l'Arizona ont utilisé l'outil pour comparer un suspect de vol de dépannage de dépannage de magasin de dépannage de la vidéo de surveillance. Et en Floride, FRT a aidé à dégager un homme faussement accusé d'homicide de véhicules en trouvant un témoin crucial.
Méthode d'enquête non intrusive
Contrairement à la collecte d'ADN, au prélèvement d'empreintes digitales ou aux lignes physiques, la reconnaissance faciale peut être effectuée sans contact direct avec des suspects ou des témoins.Les enquêteurs peuvent analyser les séquences de surveillance existantes, les images des médias sociaux ou d'autres preuves photographiques sans exiger la collaboration de sujets.
La technologie réduit également le besoin d'identifier en personne des victimes ou des témoins qui pourraient être traumatisants. Au lieu d'exiger qu'une victime voie une liste physique ou qu'elle assiste à un tribunal pour identifier un agresseur, l'identification préliminaire peut être effectuée par comparaison photographique, avec vérification humaine conformément aux protocoles établis.
Défis critiques et limitations techniques
Préoccupations et taux d'erreur
Une étude réalisée en 2024 par le NIST a révélé que les erreurs correspondantes sont « en grande partie attribuables au vieillissement à long terme, aux blessures faciales et à la mauvaise qualité de l'image ». De plus, lorsque la technologie est testée sur un site réel, comme un stade sportif, le NIST a constaté que la précision variait entre 36 % et 87 %, selon le placement de la caméra.
Bien que les environnements d'essais contrôlés montrent des résultats impressionnants, les applications médico-légales réelles impliquent souvent des conditions peu optimales. Les caméras de surveillance peuvent être mal positionnées, l'éclairage peut être insuffisant, les sujets peuvent être partiellement obscurcis et la résolution de l'image peut être insuffisante pour une correspondance fiable.
Les taux de faux positifs atteignent un sommet près de la qualité de l'image de base, tandis que les faux négatifs augmentent à mesure que la dégradation s'intensifie, surtout avec un flou et une faible résolution.Cette constatation contre-intuitive est particulièrement préoccupante parce que les systèmes de reconnaissance faciale sont les plus susceptibles de générer de faux positifs lorsque la qualité de l'image apparaît idéale.
Comme on l'utilise actuellement dans les enquêtes criminelles, la reconnaissance faciale est probablement une source peu fiable de preuves d'identité, selon des recherches du Centre de la protection de la vie privée et de la technologie de Georgetown Law.
Les problèmes démographiques de partialité et d'équité
L'une des préoccupations les plus graves concernant la technologie de reconnaissance faciale est sa performance différentielle entre les groupes démographiques. Bien que certains logiciels de reconnaissance faciale possèdent plus de 90% de précision, ce nombre peut être trompeur.
Les taux d'erreur sont toujours plus élevés chez les femmes et les Noirs, les femmes noires étant les plus touchées, ce qui suscite de vives préoccupations quant à l'équité et à l'égalité de traitement en vertu de la loi, et à l'équité et à la fiabilité lorsque le FRT est utilisé dans des contextes d'enquête réels.
Cependant, les améliorations récentes apportées à la conception des algorithmes ont réduit ces écarts. Chacun des 150 algorithmes les plus performants est plus de 99 % précis pour les données démographiques des hommes noirs, des hommes blancs, des femmes noires et des femmes blanches. Parmi les 20 algorithmes les plus performants, la précision des plus performants est de seulement 0,1 %, de 99,8 % à 99,7 %.
Ces améliorations démontrent que le biais démographique n'est pas une limitation inhérente à la technologie de reconnaissance faciale, mais plutôt une fonction de la conception d'algorithmes et de la qualité des données de formation.
Facteurs humains et partialité cognitive
En tant qu'outil d'enquête biométrique, médico-légale, la reconnaissance faciale peut être particulièrement sujette aux erreurs découlant du jugement subjectif de l'homme, des biais cognitifs, des preuves de mauvaise qualité ou manipulées et de la technologie sous-performante.
Tant les agences que le public sous-estiment le degré important de jugement humain en cause. Avant et après que la photo d'entrée soit transmise à l'algorithme, les opérateurs humains doivent sélectionner, modifier et revoir l'image, qui peuvent tous avoir un impact significatif sur la fiabilité des résultats de l'algorithme.
Par exemple, un opérateur pourrait améliorer ou manipuler une image avant de la chercher, en introduisant des artefacts qui affectent la précision de la correspondance. Il existe un cas documenté où un policier a copié des caractéristiques faciales à partir d'images haute résolution et les a collées sur une photo suspecte de mauvaise qualité à l'aide d'un logiciel informatique avant de procéder à une recherche dans une base de données.
Comme les visages contiennent des informations biaisantes intrinsèquement comme les données démographiques, les expressions et les traits de comportement supposés, il peut être impossible d'éliminer le risque de partialité et d'erreur. Les examinateurs humains peuvent inconsciemment favoriser des correspondances qui confirment leurs attentes ou préconceptions au sujet de l'identité d'un suspect, particulièrement lorsque l'information démographique est visible.
Faux positifs et fausses accusations
Ces erreurs ont des conséquences réelles — l'enquête et l'arrestation d'un nombre inconnu de personnes innocentes et la privation de la légalité de beaucoup d'autres, et de nombreuses autres.
L'application de la loi souligne que, comme la reconnaissance faciale ne peut pas être utilisée comme cause probable, les enquêteurs doivent utiliser les mesures d'enquête traditionnelles avant de procéder à une arrestation, en protégeant contre toute utilisation abusive de la technologie.
Sur sept cas seulement signalés au cours des six dernières années où l'utilisation de logiciels de reconnaissance faciale aurait conduit à de telles arrestations, il semble évident dans chacun d'eux qu'une rupture s'est produite dans le processus de détermination de la cause probable mené par l'homme. Ces cas soulignent l'importance cruciale de protocoles et de formation appropriés pour s'assurer que la technologie sert de chef de file d'enquête plutôt que de preuve concluante.
Vie privée, libertés civiles et préoccupations éthiques
Surveillance de masse et répercussions sur la vie privée
L'utilisation généralisée de la FRT soulève de sérieuses questions sur la vie privée. La technologie permet une surveillance en temps réel à grande échelle. Si elle est liée à des caméras publiques, la FRT peut suivre les mouvements d'une personne dans une ville à leur insu ou sans leur consentement.
La technologie de reconnaissance faciale ajoute une dimension supplémentaire à ce problème car des caméras de surveillance de toutes sortes peuvent être utilisées pour trouver des détails sur ce que les gens font dans les lieux publics et parfois dans les magasins.
La base de données FRT du FBI contient des centaines de millions de photos, dont beaucoup sont tirées des dossiers de permis de conduire. Dans les mauvaises mains, et sans restrictions légales, ces informations peuvent être utilisées pour la surveillance invasive, potentiellement refroidissant la liberté d'expression et décourageant les protestations publiques.
Questions relatives aux garanties d'un processus équitable et à la transparence
Les preuves obtenues grâce à la reconnaissance faciale sont déjà utilisées dans les affaires pénales, et l ' accusé n ' a pas eu la possibilité de contester cette reconnaissance, ce qui sape les principes fondamentaux de la justice pénale, notamment le droit de faire face aux preuves et les méthodes utilisées pour identifier les accusés.
Actuellement, FRT est souvent déployé sans divulgation aux accusés ou avocats, sapant les principes fondamentaux de la procédure régulière. Les avocats de la défense peuvent ne pas être conscients que la reconnaissance faciale a joué un rôle dans l'identification de leurs clients, les empêchant de contester la fiabilité de l'identification ou de remettre en question les méthodes utilisées.
Les défenseurs des droits civils et des libertés civiles ont averti qu'une dépendance excessive à l'égard de la technologie dans les enquêtes criminelles pourrait conduire à l'arrestation et à la poursuite de personnes innocentes, ou que son utilisation à certains événements (p. ex. les manifestations) pourrait avoir un effet dissuasif sur l'exercice par les individus de leurs droits au premier amendement.
Sécurité des données et risques d'utilisation abusive
En 2024, une entreprise australienne de reconnaissance faciale a eu une fuite de données à grande échelle, qui peuvent être utilisées pour diverses raisons, allant du vol d'identité au harcèlement. Les infractions aux bases de données de reconnaissance faciale pourraient exposer des millions de personnes au vol d'identité, au harcèlement ou à d'autres dommages.
Outre les menaces à la sécurité externe, il existe un risque d'abus interne. Le personnel de l'application de la loi peut utiliser des systèmes de reconnaissance faciale à des fins non autorisées, comme le suivi de partenaires romantiques, la surveillance des membres de la famille ou la surveillance sans rapport avec des enquêtes légitimes.
Impact disproportionné sur les collectivités marginalisées
La majorité des Américains croient que le recours généralisé à la reconnaissance faciale aiderait probablement à trouver les personnes disparues et à résoudre les crimes, mais la majorité pense aussi que la police utiliserait cette technologie pour suivre l'emplacement de tous et surveiller les communautés noires et hispaniques plus que les autres.
La combinaison de taux d'erreur plus élevés pour les personnes de couleur et le potentiel de surveillance ciblée crée un effet composé qui nuit de façon disproportionnée aux communautés marginalisées. Les critiques soutiennent que cette lacune de fiabilité met en danger les personnes de couleur, les rendant plus susceptibles d'être mal identifiées par la technologie.
De mauvaises interactions avec la police peuvent limiter l'implication des citoyens dans d'autres industries de surveillance, comme les hôpitaux ou les systèmes éducatifs. En outre, en ce qui concerne spécifiquement le FRT, sa mise en œuvre peut limiter les « troubles politiques », ce qui pourrait supprimer l'expression politique légitime et l'engagement civique dans les communautés déjà soumises à une trop-police.
Cadres réglementaires et réponses stratégiques
Paysage réglementaire des États-Unis
Aux États-Unis, l'absence de réglementation fédérale et les préoccupations croissantes au sujet de l'exactitude et de la protection des renseignements personnels ont incité de nombreuses villes à imposer des restrictions ou à élaborer des cadres de surveillance locaux.
Le logiciel de reconnaissance faciale est utilisé par les autorités locales, les États et les autorités fédérales, mais son adoption est inégale. Certaines villes, comme San Francisco et Boston, ont interdit son utilisation pour faire respecter la loi, tandis que d'autres l'ont acceptée. Ces interdictions reflètent de profondes préoccupations quant à la vie privée, à l'exactitude et au risque d'abus, bien qu'elles empêchent également les avantages potentiels dans les enquêtes criminelles.
Les sept organismes ont utilisé au départ des services de reconnaissance faciale sans exiger de personnel qu'il suive la formation connexe, ce qui, à compter d'avril 2023, a fait ressortir les lacunes dans la surveillance et la préparation, ce qui pourrait contribuer à l'utilisation abusive ou à une mauvaise interprétation des résultats.
Le Ministère a également élaboré une politique provisoire sur la technologie de reconnaissance faciale, qui porte sur des sujets tels que la protection des droits civils et des libertés civiles et les exigences en matière de formation. Ces politiques fédérales représentent des étapes importantes vers la normalisation et la responsabilisation.
Approche de l'Union européenne
L'Union européenne a reconnu ces risques par une législation globale, qui interdit presque complètement la reconnaissance faciale en temps réel par les forces de l'ordre, et qui reflète les valeurs européennes en matière de protection de la vie privée et de libertés civiles, bien qu'elle limite également les capacités de détection et de répression.
Le Royaume-Uni utilise le FRT en direct dans les espaces publics en vertu des directives de police et de protection de la vie privée, tandis que les pays nordiques comme la Finlande, les Pays-Bas et la Suède l'utilisent principalement pour l'identification rétrospective. Toutefois, la Suède prévoit d'étendre les bases de données biométriques et de vérifier les suspects avec des données migratoires depuis 2025.
Ce paysage européen varié démontre différentes approches pour concilier les besoins de sécurité et la protection de la vie privée. Le RGPD fournit un cadre de référence pour la protection des données, mais les pays individuels interprètent et mettent en œuvre des politiques de reconnaissance faciale différemment en fonction de leurs traditions juridiques spécifiques et des attitudes du public.
Meilleures pratiques et mécanismes de surveillance
Les incidences sur les politiques soulignent la nécessité d'une évaluation transparente, d'une coordination interinstitutions et d'un contrôle exécutoire pour assurer une utilisation responsable et équitable du FRT.
Les organismes d'application de la loi qui veulent utiliser cette technologie doivent le faire avec humilité et diligence, ce qui signifie que les agents de la police doivent être formés non seulement à l'utilisation des outils, mais aussi à leur moment et à leur raison.
Reveal maintient une piste de vérification complète de l'enquête – de l'entrée et de la présentation de cas à l'examen et à la décision de cas – pour suivre chaque étape prise dans chaque cas.
Si la validation et la réglementation sont appropriées, le FRT devrait être considéré comme un outil d'enquête précieux. Toutefois, l'exactitude algorithmique à elle seule n'est pas suffisante : nous devons également évaluer comment le FRT est utilisé dans la pratique, y compris la manipulation de données par les utilisateurs.
Perception et confiance du public
Attitudes publiques générales
46% des adultes américains disent que l'utilisation généralisée de la technologie de reconnaissance faciale par la police serait une bonne idée pour la société, tandis que 27% pensent que ce serait une mauvaise idée. 27% disent qu'ils ne sont pas sûrs que ce serait une bonne ou mauvaise idée pour la police d'utiliser largement la technologie de reconnaissance faciale.
La majorité des Américains (56 %) font confiance aux organismes d'application de la loi pour utiliser ces technologies de façon responsable, ce qui laisse croire que de nombreux Américains considèrent l'application de la loi comme un responsable approprié de la technologie, bien que les minorités importantes demeurent sceptiques.
La plupart des Américains, soit 86 % au total, ont entendu parler au moins de la technologie de reconnaissance faciale, 25 % disant avoir beaucoup entendu parler de ces systèmes. Cette prise de conscience généralisée indique que le discours public sur la technologie a atteint la conscience générale, bien que la compréhension des détails et des limites techniques soit limitée.
Différences démographiques dans les attitudes
Les plus petites parts d'adultes noirs et hispaniques que les Blancs pensent que l'utilisation de la technologie de reconnaissance faciale par les forces de l'ordre est acceptable, et il en va de même pour les démocrates par rapport aux républicains.
Une proportion beaucoup plus faible de jeunes adultes pensent qu'il est acceptable que les organismes d'application de la loi utilisent la reconnaissance faciale pour évaluer les menaces à la sécurité dans les espaces publics par rapport aux Américains âgés.
Ces variations démographiques de confiance et d'acceptation soulignent l'importance de faire participer diverses collectivités aux discussions sur la reconnaissance faciale, et les politiques qui ne répondent pas aux préoccupations des collectivités les plus touchées par la criminalité et le risque de sur-police exacerbent les tensions et les inégalités existantes.
Renforcer la confiance du public par la transparence
Il y a un consensus croissant parmi les professionnels de l'application de la loi sur la nécessité de la technologie, ainsi que sur les processus et les règles appropriés en ce qui concerne son utilisation.
Bien que la majorité des gens aux États-Unis approuvent la police en utilisant la technologie de reconnaissance faciale, les experts avertissent que certains peuvent en dépendre trop fortement et que le niveau d'implication humaine encore nécessaire ne peut être sous-estimé.
Les mesures de transparence pourraient comprendre la communication de rapports publics sur l'utilisation de la reconnaissance faciale, la contribution de la collectivité aux politiques, des vérifications indépendantes de l'exactitude et des préjugés et la divulgation claire lorsque la technologie joue un rôle dans les enquêtes criminelles, ce qui peut aider à renforcer la confiance tout en maintenant la sécurité opérationnelle pour les enquêtes en cours.
Développements futurs et progrès technologiques
Intelligence artificielle et amélioration de l'apprentissage automatique
La recherche continue vise à aborder les limites actuelles et l'expansion des capacités. La recherche vise à améliorer la précision, à corriger les biais et à développer des techniques de manipulation des variations des expressions faciales, du vieillissement et du déguisement.
Une nouvelle approche d'apprentissage profond pour la reconnaissance partielle du visage permet de tirer parti d'une architecture basée sur l'attention, fondée sur un épine dorsale tronquée ResNet-50. La méthode proposée démontre que le recalibrage attentionnel et l'agrégation spécifique à la région améliorent considérablement la reconnaissance partielle du visage, ce qui permet de faire correspondre efficacement les images du visage incomplètes ou occluses.
Les travaux futurs devraient non seulement évaluer les performances de ces nouveaux modèles, mais aussi développer des cadres de recherche adaptables qui peuvent suivre la vitesse des changements technologiques.
Intégration biométrique multimodale
L'intégration avec d'autres modalités biométriques, telles que la reconnaissance des empreintes digitales et de l'iris, peut améliorer encore les capacités de la technologie de reconnaissance faciale dans les enquêtes médico-légales.
Les systèmes multimodal peuvent combiner la reconnaissance faciale avec l'analyse de la démarche, la reconnaissance vocale ou la biométrie comportementale pour créer des systèmes d'identification plus robustes.
Faire face aux préjugés et à l'équité
Pour sa mise en oeuvre responsable, il est essentiel de répondre aux préoccupations éthiques telles que la transparence, l'équité et la responsabilisation algorithmique.
Les évaluations du NIST ont montré que la précision des algorithmes s'est améliorée de façon spectaculaire au cours des dernières années et qu'ils fournissent également au public et aux organismes d'application de la loi un classement des algorithmes qui fonctionnent le mieux dans certains domaines.
La recherche sur les techniques d'atténuation des biais consiste à élaborer des ensembles de données de formation plus diversifiés, à mettre en oeuvre des contraintes d'équité dans la conception d'algorithmes et à créer des protocoles d'essai qui évaluent spécifiquement le rendement des groupes démographiques.
Explicabilité et interprétabilité accrues
Les systèmes futurs intégreront probablement de meilleures caractéristiques d'explication, permettant aux enquêteurs et aux tribunaux de comprendre pourquoi une correspondance particulière a été suggérée. Plutôt que de fournir seulement une cote de similitude, les systèmes avancés pourraient mettre en évidence les caractéristiques faciales qui ont le plus contribué à une correspondance, permettant aux examinateurs humains de rendre des jugements plus éclairés.
Les techniques d'IA explicables peuvent aider à identifier les algorithmes qui reposent sur des corrélations ou des artefacts fallacieux plutôt que sur de véritables traits faciaux.Cette transparence est essentielle pour établir la confiance, permettre une surveillance efficace et s'assurer que la technologie sert la justice plutôt que de la saper.
Technologies de préservation de la vie privée
Les nouvelles techniques de protection de la vie privée peuvent permettre d'utiliser la reconnaissance faciale à des fins légitimes d'application de la loi tout en minimisant les risques de surveillance.
Les approches d'apprentissage fédérées pourraient permettre aux organismes de bénéficier de renseignements partagés sans centraliser les données biométriques sensibles, ce qui pourrait aider à équilibrer les avantages de la reconnaissance faciale et des protections de la vie privée, même si d'importants défis techniques et politiques subsistent.
Mise en œuvre de la reconnaissance faciale de manière responsable : recommandations pour l'application de la loi
Établir des politiques et des protocoles clairs
Les organismes d'application de la loi doivent élaborer des politiques détaillées régissant l'utilisation de la reconnaissance faciale avant le déploiement, qui précisent quand la technologie peut être utilisée, quels types d'enquêtes justifient son utilisation, qui est autorisé à effectuer des recherches et quelles procédures de vérification sont nécessaires avant d'agir sur les résultats.
Les politiques devraient interdire explicitement l'utilisation de la reconnaissance faciale comme seul fondement pour l'arrestation ou la poursuite, exigeant une corroboration indépendante par des méthodes d'enquête traditionnelles.
Besoin d'une formation complète
Tous les membres du personnel ayant accès aux systèmes de reconnaissance faciale devraient recevoir une formation approfondie couvrant non seulement l'exploitation technique, mais aussi les limites, les biais potentiels, les exigences légales et les considérations éthiques.
Les agents devraient comprendre comment la qualité de l'image, les facteurs démographiques et les limites de l'algorithme influent sur l'exactitude des résultats et être formés à reconnaître les situations où les résultats risquent d'être peu fiables et à appliquer le scepticisme approprié lors de l'examen des allumettes.
Sélectionner des algorithmes de haute qualité testés
Les organismes devraient choisir des systèmes de reconnaissance faciale qui ont été testés de façon indépendante et qui se sont révélés efficaces dans tous les groupes démographiques. L'algorithme NeoFace de NEC est classé en premier lieu pour la précision des cotes annuelles de l'Institut national des sciences et de la technologie des États-Unis.
Les organismes devraient continuer de connaître les caractéristiques de rendement de leur système, y compris les limites connues et les variations démographiques de l'exactitude. La transparence quant aux systèmes utilisés permet de rendre compte au public et de discuter des politiques en connaissance de cause.
Mettre en oeuvre des mécanismes robustes de vérification et de surveillance
Chaque recherche de reconnaissance faciale doit être enregistrée avec des renseignements détaillés sur qui a mené la recherche, sur le cas auquel elle se rapporte, sur les images utilisées et sur les résultats obtenus. Ces registres de vérification doivent être régulièrement examinés par les superviseurs et mis à la disposition des intéressés pour surveillance indépendante.
Les organismes devraient créer des organismes de surveillance comprenant des représentants de la collectivité, des experts en libertés civiles et des spécialistes techniques. Les rapports réguliers du public sur l'utilisation de la reconnaissance faciale, y compris le nombre de recherches, les taux de réussite et tout problème identifié, peuvent renforcer la transparence et la confiance tout en permettant d'affiner les politiques fondées sur des données probantes.
Assurer un processus équitable et la divulgation
Lorsque la reconnaissance faciale joue un rôle dans l'identification d'un défendeur, ce fait devrait être divulgué à l'avocat de la défense. Les défendeurs ont le droit de contester les preuves contre eux, y compris la fiabilité des méthodes d'identification. Les procureurs devraient fournir des informations sur le système spécifique utilisé, ses taux de précision, la qualité de l'image de la sonde et le score de confiance du match.
Les tribunaux devraient être informés de la technologie de reconnaissance faciale, de ses capacités et de ses limites. Il peut être nécessaire de témoigner par des experts pour aider les juges et les jurys à comprendre comment peser correctement les preuves de reconnaissance faciale en plus d'autres preuves d'identification.
Engager les collectivités et bâtir la confiance
Les organismes d'application de la loi devraient s'engager auprès des collectivités qu'ils servent en ce qui concerne l'utilisation de la reconnaissance faciale.
Une attention particulière devrait être accordée aux collectivités qui ont déjà fait l'objet de services de police discriminatoires ou qui peuvent être touchées de façon disproportionnée par le déploiement de la reconnaissance faciale.
La voie à suivre : équilibrer l'innovation et la protection des droits
La technologie de reconnaissance faciale est très prometteuse dans les enquêtes judiciaires, permettant aux services de détection et de répression d'identifier les suspects, de relier les individus aux activités criminelles et de résoudre des cas complexes.
Il faut toutefois s'attaquer avec soin aux problèmes d'exactitude, de partialité, de protection de la vie privée et de considérations éthiques. La fiabilité et l'équité des systèmes de reconnaissance faciale, la mise en oeuvre de protocoles rigoureux de protection des données et l'examen des répercussions éventuelles sur les droits individuels à la vie privée sont importants dans son utilisation responsable.
Même dans les conditions les plus difficiles et pour les sous-groupes les plus touchés, l'exactitude de la TRF demeure nettement plus élevée que celle de nombreuses méthodes médico-légales traditionnelles, ce qui laisse entendre que, s'il est validé et réglementé de façon appropriée, la TRF devrait être considérée comme un outil d'enquête utile.
La technologie de reconnaissance faciale offre d'énormes avantages potentiels à la sécurité publique, mais ces avantages viennent avec des chaînes attachées. L'exactitude est imparfaite. Le doute est réel. Les préoccupations de confidentialité sont valables. Et le cadre juridique est toujours en train de rattraper. Le défi pour les décideurs, les forces de l'ordre, les technologues et la société civile est de développer des cadres qui maximisent les avantages légitimes de la reconnaissance faciale tout en minimisant ses risques et ses méfaits.
La reconnaissance faciale n'est pas une balle d'argent. La technologie de reconnaissance faciale a un potentiel immense, mais ses dangers ne doivent pas être ignorés. Si la sécurité publique est le but, alors les organismes d'application de la loi doivent traiter cet outil avec le soin et la prudence qu'il mérite.
L'avenir de la reconnaissance faciale dans les enquêtes médico-légales dépendra de l'amélioration technologique continue, d'une réglementation réfléchie, d'une surveillance rigoureuse et d'un dialogue continu entre toutes les parties prenantes. Il invite ces communautés à remettre en question toute hypothèse selon laquelle l'utilisation actuelle de la reconnaissance faciale est adéquatement contrôlée et fiable.
En tirant des leçons des erreurs commises dans le passé avec les technologies judiciaires, en appliquant des normes rigoureuses, en assurant la transparence et la responsabilité, et en maintenant l'accent sur l'efficacité et l'équité, la reconnaissance faciale peut devenir un outil précieux pour la justice.
Le succès exigera une vigilance continue, une amélioration continue, une surveillance significative et un engagement à utiliser cette technologie puissante de manière à servir la justice tout en respectant les droits fondamentaux. La conversation sur la reconnaissance faciale en médecine légale est loin d'être terminée, et les décisions prises aujourd'hui façonneront l'avenir de la sécurité publique et des libertés civiles pour les générations à venir.
Ressources supplémentaires et lecture supplémentaire
Pour ceux qui souhaitent en savoir plus sur la technologie de reconnaissance faciale dans les enquêtes judiciaires, plusieurs ressources faisant autorité fournissent des renseignements détaillés :
- Le National Institute of Standards and Technology (NIST)[ effectue des évaluations continues des algorithmes de reconnaissance faciale, fournissant des données objectives sur le rendement des groupes démographiques. Leur programme de test de reconnaissance faciale des fournisseurs (FRVT) offre des évaluations techniques complètes disponibles à https://www.nist.gov/programs-projects/face-reconnaissance-vendor-test-frvt.
- Le Georgetown Law Center on Privacy & Technology a publié une vaste recherche sur la reconnaissance faciale dans l'application des lois, y compris des analyses détaillées de l'exactitude, des préjugés et des implications politiques.
- Le Bureau de la responsabilité du gouvernement des États-Unis a examiné l'utilisation de la reconnaissance faciale par les organismes fédéraux pour l'application de la loi, les politiques de documentation, les exigences en matière de formation et les protections des droits civils dans l'ensemble des organismes.
- La Electronic Frontier Foundation (EFF) et American Civil Liberties Union (ACLU)[ offrent une couverture continue de l'évolution des politiques de reconnaissance faciale, des défis juridiques et des implications en matière de protection de la vie privée aux niveaux local, étatique et fédéral.
- Des revues universitaires telles que Forensic Science International, Journal of Forensic Sciences et Computer Law and Security Review[ publient des recherches évaluées par des pairs sur les aspects techniques, juridiques et éthiques de la reconnaissance faciale dans les contextes médico-légaux.
À mesure que la technologie de reconnaissance faciale continue d'évoluer et que son utilisation dans les enquêtes judiciaires s'étend, il demeure essentiel pour tous les intervenants du système de justice pénale et les communautés qu'elle dessert de rester au courant des progrès technologiques, des politiques et des pratiques.