Au début de la pandémie mondiale, les applis de reconnaissance faciale ont eu du fil à retordre face à la généralisation des masques sanitaires – qui semblent là pour rester, même si un vaccin était diffusé demain. Plusieurs mois plus tard, comment les algorithmes de reconnaissance faciale se sont-ils adaptés à cette situation ?
À voir aussi sur Konbini
Prenons l’exemple du Face ID d’Apple, probablement le plus connu des logiciels de ce type. Depuis l’iPhone X, les mobiles Apple se déverrouillent avec la reconnaissance faciale à partir de l’interprétation de points projetés sur le visage de l’utilisateur. Or, cela ne fonctionne pas avec un masque. Pour le moment, Apple ne permet pas de déverrouiller directement son mobile en portant un masque. En revanche, la firme à la pomme croquée a déployé en mai une mise à jour iOS qui permet à Face ID d’identifier si l’utilisateur porte un masque et de lui proposer directement d’entrer un mot de passe au lieu de lui faire enlever son masque.
Un taux de réussite en augmentation
En juillet, la National Institute of Standards and Technology (NIST), agence du département du Commerce américain, annonçait dans une étude que le taux d’échec de 89 algorithmes de reconnaissance faciale commercialisés sur le marché s’établissait entre 5 et 50 % avec un masque. C’est-à-dire que les logiciels ne réussissaient pas à reconnaître le visage d’une personne une fois le masque enfilé.
Pour mesurer l’évolution au cours de ces derniers mois, la NIST vient de refaire une étude similaire, dont les résultats ont été publiés ce mardi 1er décembre. Cette fois, l’agence américaine s’est basée sur 150 algorithmes de reconnaissance faciale utilisés aux États-Unis, dont 65 nouveaux. Les résultats montrent une large progression de la capacité des algorithmes à reconnaître un visage masqué.
Sans masque, les meilleurs algorithmes du marché ont un taux d’erreur approximatif de 0,03 %. Avec masque, cette moyenne tombe désormais à 5 %. “Les performances actuelles de la reconnaissance faciale avec des masques sont comparables à l’état de l’art [de la reconnaissance faciale] sans maque à la mi-2017“, note ainsi le rapport de l’étude. “[…] Alors que des algorithmes prépandémie conservent un taux de réussite important avec des images masquées, certains développeurs ont créé des algorithmes durant la pandémie qui montrent une amélioration significative de la précision et font désormais partie des plus précis de notre essai.” Ainsi, huit algorithmes, parmi ceux ajoutés à l’étude après la publication des premiers résultats en juillet, atteignent un taux d’échec inférieur à 0,05 %.
Les auteurs soulignent toutefois une limite à leur étude. Dans celle-ci, les masques ont été ajoutés aux photos des personnes numériquement, par logiciel.
