Les algorithmes de reconnaissance faciale buttent sur le masque

Le port du masque par 80% de la population a un impact fort sur la propagation du virus

Pandémie de Covid-19 oblige, le port du masque se généralise. Problème, le masque perturbe fortement les algorithmes de reconnaissance faciale (one-to-one) avec des taux d’erreur compris entre 5 et 50%.

La lutte contre la pandémie de Covid-19 a permis l’éclosion de nouveaux cas d’usage pour l’intelligence artificielle. Afin de mesurer le respect du port du masque dans certains lieux publics, des startups proposent par exemple des technologies de computer vision.

Mais il y a un domaine de l’IA qui souffre en revanche de la multiplication des porteurs de masque : la reconnaissance faciale. Les taux d’erreur de ces technologies grimpent en flèche depuis le début de la crise. C’est la conclusion d’une étude préliminaire du National Institute of Standards and Technology (NIST).

Plus le nez est couvert, moins l’algorithme est performant

L’agence américaine a mené des tests sur 89 algorithmes commerciaux de reconnaissance faciale « one-to-one ». La fonction de ces modèles est de déterminer si l’identité d’une personne donnée est bien la bonne. Cette reconnaissance faciale se distingue donc du one-to-many, consistant cette fois à déterminer l’identité d’un individu parmi les identités d’une base.

Dans la première configuration (1 :1), l’efficacité des algorithmes pâtit donc du port du masque. D’après le NIST, les différentes technologies testées affichent des taux d’erreur pouvant atteindre jusqu’à 50%, contre 0,3% habituellement pour les plus performantes.

Taille, forme et couleur du masque influent sur la performance des algorithmes Credit: B. Hayes/NIST
Taille, forme et couleur du masque influent sur la performance des algorithmes Credit: B. Hayes/NIST

Plusieurs caractéristiques influent sur ce taux d’erreur. Il s’agit notamment de la couleur, de la forme des masques ou de la taille de la zone de masquage. Et première conclusion : « Aucun de ces algorithmes n’a été conçu pour traiter les masques faciaux. »

La reconnaissance faciale s’adapte au masque

Autre constat de l’étude : Plus le nez est couvert par un masque, plus la précision de l’algorithme est faible. La performance tend ainsi à se dégrader à mesure que le nez est couvert. La forme et la couleur du masque sont également des paramètres importants.

Ainsi, le taux d’erreur des algorithmes s’avère plus faible avec les masques ronds. Les masques noirs dégradent quant eux les performances des algorithmes par rapport aux masques chirurgicaux bleus. En « raison de contraintes de temps et de ressources, l’équipe n’a pas pu tester complètement l’effet de la couleur » précise cependant le NIST.

L’étude souligne par ailleurs que ces algorithmes ont été développés avant la pandémie. Depuis, des adaptations ont été apportées par les éditeurs des technologies de reconnaissance faciale. Un test est prévu cet été pour mesurer l’efficacité de ces nouveaux algorithmes.

A lire également sur MyData

Les masques ont rapporté 94 millions d'euros à la grande distribution en 3 semaines

Data du jour : 94 millions d’euros de CA pour la vente de masques

La grande distribution sort pour le moment gagnante de la vente de masques, dont le chiffre d’affaires avoisine 94 millions d’euros sur trois semaines. Les masques génèrent ainsi un CA supérieur à la vente de produits de grande consommation comme le beurre ou les œufs.

A propos de Christophe Auffray 268 Articles
De formation initiale en marketing Web et en économie, je me suis spécialisé par la suite dans la presse B2B consacrée à l'économie numérique et dispose dans ce secteur de 15 ans d'expérience. Spécialiste de la transformation numérique, de l'innovation et des nouveaux business models des entreprises, j'ai développé des compétences dans les domaines du marketing éditorial, de la stratégie éditoriale, de la production de contenus premium et la gestion de sites d'information et d'équipe dans l'univers des médias en ligne et du marketing des solutions innovantes.