Pour tromper un algorithme de reconnaissance faciale, portez un masque chirurgical !
Si les masques FFP1 filtrent au moins 80 % des aérosols de taille moyenne (0,6 µm), il semblerait qu’ils bloquent également jusqu’à 50 % des algorithmes de reconnaissance faciale, selon une étude dévoilée par une agence américaine. 
Les masques sembleraient donc compliquer le travail des technologies de reconnaissance faciale, si l’on en croit une étude publiée au National Institute of Standards and Technology (NIST), une agence du département du Commerce des États-Unis.
Cette étude, menée par Mei Ngan, Patrick Grother et Kayee Hanaoka, démontre l’efficacité d’algorithmes de reconnaissance faciale (tous datant de 2019, avant la crise) lorsqu’une personne porte un masque. Résultat : les algorithmes peuvent faire jusqu’à 50 % d’erreurs en fonction du type de masque, de sa couleur et de la façon dont il est porté.
De 5 % à 50 % d’erreurs lors du port d’un masque pour les algorithmes de reconnaissance faciale
Plusieurs « types » de masques ont été appliqués — numériquement — sur une sélection de portraits, en variant la forme, la couleur, et la couverture du nez. Les résultats différent, et certains sont même étranges, puisqu’en l’occurrence, les masques noirs sont plus susceptibles de provoquer des erreurs que les masques bleu clair. La raison est cependant encore inexpliquée, selon l’étude. Par ailleurs, seuls des masques de couleur uniforme et sans motifs ont été appliqués sur les visages, l’étude ne révélant donc pas l’efficacité de certains textes, textures ou autres motifs ayant pour but de contrecarrer la reconnaissance faciale.
Voir aussi : Antennes 5G dans les masques, la nouvelle théorie du complot complètement absurde
L’interprétation de certains résultats apparaît cependant plus logique. Par exemple, plus le nez est recouvert par un masque, plus les algorithmes patinent pour identifier un visage. À ce titre, les masques N95 ont un taux d’erreur moins élevé que les masques de protection en tissu, moins ronds, qui englobent une plus grande partie du visage. Au total, plus de 6,2 millions d'images ont été utilisées, comprenant 1 million de personnes différentes.
Source : National Institute of Standards and Technology
Seuls des algorithmes pré-COVID-19 ont été testés
Au total, 89 algorithmes ont été mis à l’épreuve. Sur la liste des algorithmes utilisés apparaissent les noms de Samsung, de Synology, d’Asus ou encore, de Fujitsu. Notons que les données de toutes les photographies de personnes portant des lunettes n’ont pas été collectées.
Seul un type de reconnaissance faciale a été mis à l’épreuve, ceux de type one-to-one. Il s’agit du même genre d’algorithme qui est utilisé lors du contrôle des frontières et des passeports aux États-Unis, où il vérifie si le visage d’une seule personne correspond bien à son identité. La reconnaissance faciale en one-to-many (celle utilisée sur les foules par exemple) n’a pas été testée. L’équipe prévoit en plus et dès cet été de tester des algorithmes plus récents, développés en amont pour reconnaître le port du masque, comme Face ID. Notons que Sensory travaille actuellement sur un nouveau système de reconnaissance faciale capable d’identifier un utilisateur masqué en s’appuyant sur plusieurs signaux biométriques comme l’iris ou la voix.