Reconnaissance faciale : quand le Zimbabwe vend le visage de ses citoyens

C’est une curieuse performance chinoise. Ses systèmes de reconnaissance faciale sont les plus efficaces au monde. A l’opposé, les compagnies occidentales doivent reconnaitre leurs échecs dans la reconnaissance faciale en milieu ouvert. Le fondateur de la compagnie Kairos, spécialisée dans ce secteur, a admis que cette technologie ne pourrait jamais être utilisée dans les affaires judiciaires. Dans les tribunaux du Royaume-Uni, 91% des prévenus présentés par la police étaient de faux suspects.
 
Le géant Amazon lui-même est en pleine tempête. Son logiciel de reconnaissance Rekognition est accusé de ne pas être fiable. Selon l’American Civil Liberties Union (ACLU), le logiciel a fait 28 erreurs sur un test de reconnaissance. 28 membres du Congrès ont été confondus avec des criminels ! En réponse, Amazon précise que son logiciel n’est qu’une aide à la décision et ne constitue en rien une preuve ultime. L’ACLU, explique le site 01net.com, demande un moratoire sur la distribution de Rekognition.
 
Tout est dans la base de données
En fait, le taux de réussite repose sur la taille de la base de données. La Chine est en train de constituer le plus vaste fichier de reconnaissance faciale en utilisant les images enregistrées de ses 1,3 milliard de concitoyens. En Occident, la constitution d’une base de données si vaste est juste impossible. Cela se heurterait tout simplement aux principes de liberté individuelle. Voilà pourquoi les compagnies chinoises brillent là où leurs concurrents occidentaux échouent. Voilà aussi pourquoi les individus à la peau noire intéressent les Chinois.

Car les Chinois manquent de données sur les individus à la peau noire. Cela se traduit par un taux d’échec très élevé. 1% d’erreur pour la reconnaissance photographique d’un homme blanc, contre 35% pour une femme noire.
 
Or visiblement au Zimbabwe, les notions de liberté individuelle et d’éthique ne sont pas plus élevées qu’en Chine. Aucun assentiment n’est demandé à la population qui va se retrouver en fiche afin d’améliorer la performance d’un outil auquel elle n'aura pas accès.