Ces visages qui n’existent pas vont créer des outils de reconnaissance faciale

L'institut Idiap de Martigny va mener un nouveau projet de recherche pour créer des IA de reconnaissance des visages non biaisées. On sait que ces algorithmes présentent encore des lacunes, en particulier lorsqu'il s'agit d’identifier les individus non caucasiens. Ces outils sont en effet souvent biaisés car leurs modèles sont formés à partir de bases de données peu représentatives. L’IA de Facebook, qui récemment encore prenait des hommes noirs pour des singes, en constitue un exemple qui interpelle. Or, constituer des répertoires de photos de visage représentatifs pose de nombreux problèmes éthiques et scientifiques. Les stocks d’images à disposition «sont rarement représentatifs de la diversité de la population et, lorsqu’elles le sont, il est souvent impossible de les utiliser pour un autre projet de recherche, conformément à la réglementation sur la protection des données», explique Sébastien Marcel, responsable du groupe de recherche de vie privée et sécurité biométrique de l’Idiap.

Vers des visages de synthèse représentatifs de la réalité?

Financé par la fondation Hasler et mené en collaboration avec l’Université de Zurich, le projet SAFER vise à créer des bases de données représentatives à l'aide de visages de synthèse. C’est-à-dire des visages de personnes qui n’existent pas, telles que formées par les réseaux neuronaux de type «generative adversarial network» (GAN). Pour créer ces répertoires non biaisés, les chercheurs vont s'atteler à développer des outils permettant de générer des visages de synthèse qu’ils espèrent suffisamment représentatifs de la réalité. Pour les travaux préliminaires, une combinaison d’outils open source et développés par les chercheurs ont été utilisés, confie à ICTjournal Sébastien Marcel. On se souvient que les étudiants de l'institut de Martigny ont labellisé plusieurs millions d’images, afin de générer des métadonnées descriptives pour créer des algorithmes de reconnaissance des visages, ou corriger les biais de modèles existants. Les études préliminaires ont aussi permis de démontrer que des visages de synthèse peuvent être utilisés dans le cadre de benchmark pour comparer les différents modèles de reconnaissance, explique Sébastien Marcel.

Générer suffisamment de variation

«Contrairement à la collecte de données traditionnelle, nous allons pouvoir contrôler que les banques d’images générées soient équilibrées en termes de genre, d’âge ou encore d’origine de la personne représentée», poursuit le chercheur. Avant de souligner certains défis de la démarche. Notamment le fait que les images synthétiques sont réalistes mais presque trop propres. Il s’agira de pouvoir générer suffisamment de variations pour chaque identité synthétique créée, tant au niveau des expressions faciales que de la pose, de la lumière, etc.

Le projet SAFER, qui devrait durer trois ans, intègre dès le départ un partenaire industriel, l’entreprise SICPA. Cette dernière va tester et évaluer les solutions et bases de données mises au point par les chercheurs. L'objectif est d’assurer que les résultats des recherches sont non seulement transposables, mais aussi utilisables dans la pratique.