IA et vérification biométrique, éliminer les biais !
La vérification biométrique par reconnaissance faciale ou selfie, utilisée comme outil d’identification et de sécurité, est au cœur de nos modes de vie. Pourtant, elle est aujourd’hui accusée d’aggraver les discriminations. Quels sont ces fameux biais technologiques et comment y remédier pour être en mesure d’identifier tous les utilisateurs, sans reculer sur la confiance que l’on peut accorder à ce type de technologie ? Aujourd’hui, explorons ensemble les relations ténues entre vérification biométrique et intelligence artificielle pour dessiner un monde connecté plus juste.
Le fonctionnement de la vérification biométrique
La voix, le visage, les empreintes digitales, l’iris… Ces caractéristiques propres à chacun sont utilisées dans le cadre de la vérification biométrique afin de s’assurer qu’une personne est bien celle qu’elle prétend être. Ne pouvant être perdues et oubliées, contrairement aux mots de passe ou aux documents justificatifs, les caractéristiques biométriques comportementales s’avèrent difficilement falsifiables. Voilà pourquoi la vérification biométrique est un outil puissant et hautement sécurisé. Son principe ? Identifier des individus par le biais de caractéristiques biologiques ou comportementales uniques en s’appuyant sur trois étapes :
• l’enregistrement des données biométriques à l’aide d’un scanner ou d’un lecteur,
• la conversion numérique des données biométriques enregistrées ou scannées et leur comparaison avec toute nouvelle donnée grâce à l’IA,
• la création d’une base de données contenant l’ensemble des données biométriques afin de réaliser des vérifications si besoin.
Aujourd’hui, on dénombre quatre types de vérification biométrique : la reconnaissance faciale, la vérification par selfie, la vérification par vidéo et la reconnaissance des empreintes digitales. Ils sont généralement utilisés pour enregistrer un nouveau client au sein d’un système (banque, assurance…) ou pour donner l’accès à un système, un compte ou un service.
Les biais de la vérification biométrique : discrimination et inégalité
La reconnaissance faciale et la vérification par selfie sont majoritairement utilisées pour identifier ou authentifier une personne. En fonction d’un score de similitude entre les données caractéristiques d’une personne et le modèle de référence biométrique de cette dernière, le système décide si le visage est reconnu ou non. Le problème ? Ce processus n’est pas infaillible !
Deux types d’erreurs existent : les faux négatifs qui correspondent à une reconnaissance faciale qui n’a pas abouti, les individus âgés étant plus souvent concernés, et les faux positifs qui signifient qu’une reconnaissance établie n’aurait pas dû l’être (ce qui équivaut à une usurpation d’identité). Joy Buolamwini* (chercheuse au MIT) a également mené une étude qui pointe les biais de la vérification biométrique : les hommes blancs seraient plus facilement identifiés que les femmes noires, le logiciel d’IBM parvenant par exemple à trouver le genre dans 95 % des cas pour les personnes à peaux claires, contre 77,6 % pour celles à peaux foncées, tandis que celui de Face++ affiche un taux d’erreur qui concerne à 95,9 % les femmes. La cause de ces disparités ? Des programmes d’intelligence artificielle qui sont « entraînés » à partir de bases de données d’images jugées discriminantes, avec une surreprésentation des personnes à la peau claire, et en particulier des hommes.
D’autres dysfonctionnements relatifs à la reconnaissance faciale ont été identifiés lorsqu’un changement important apparaît entre les données biométriques initiales (comme la photo d’un document d’identité) et la personne en réel : une frange, l’excès de maquillage, une barbe très fournie, une perruque, un chapeau… Tous ces éléments peuvent également rendre la solution de vérification biométrique beaucoup moins efficace, à raison !
Wizidee, une solution qui rend la vérification biométrique plus fiable et plus équitable
Contrairement à de nombreuses solutions de reconnaissance faciale ou de vérification par selfie, Wizidee ne demande pas à l’utilisateur de se prendre en photo, il lui suffit de se tenir devant la caméra de son téléphone, sans avoir besoin de faire des mouvements. En couplant une solution de reconnaissance faciale basée sur l’intelligence artificielle et la caméra du téléphone, c’est Wizidee qui déclenche la capture de plusieurs photos, sur un laps de temps très court, quelques secondes seulement, et pendant lesquelles la personne se tient seulement face à la caméra, inactive. Wizidee compare en temps réel les données biométriques avec la pièce d’identité. Pratique et rapide, cette solution est beaucoup moins intrusive pour l’utilisateur, tout en étant parfaitement sécurisée.
Mais là où Wizidee se démarque plus encore, c’est dans « l’entraînement » de son algorithme. Pour lutter contre les biais discriminants, la solution s’appuie sur une base de données élargie qui comprend davantage de morphologies de visage, de couleurs de peau et de caractéristiques ethniques afin de garantir une plus grande fiabilité. Des conseils dispensés par la solution – ajustement de la luminosité ou du contraste en se positionnant plus ou moins proche d’une fenêtre ou d’un point lumineux – permettent également de maximiser la réussite de la vérification biométrique.
Dans le même temps, la solution offre une certaine flexibilité. Il est possible d’ajuster le score de similitude pour laisser passer un plus grand pourcentage de différences, ce qui peut entraîner indéniablement un risque de fraude plus grand… Ce n’est donc à utiliser que dans certains cas où l’on pourrait s’accorder cette marge d’erreur.
À l’inverse, opter pour une analyse biométrique très stricte peut potentiellement moins bien fonctionner, non pas par rapport au genre ou à la couleur de peau de la personne, mais vis-à-vis de l’aspect du visage : maquillage, pilosité, accessoires… Ce qui, in fine, est plutôt positif, car en cas de non reconnaissance, cela signifie que le visage est trop « différent » du visage réel, limitant ainsi le risque d’usurpation d’identité.
*Résultats de l’étude de Joy Buolamwini à découvrir ici : http://gendershades.org/overview.html
