La reconnaissance faciale permet d’identifier des personnes à l’aide de bases de données biométriques stockées à des fins d’authentification et de surveillance, tandis que l’analyse des expressions faciales interprète les mouvements des muscles faciaux pour déduire des schémas émotionnels et comportementaux sans révéler l’identité de la personne. Bien que ces deux techniques s’appuient sur le visage, l’analyse des expressions faciales est largement utilisée dans la recherche et les études de consommation, alors que la reconnaissance faciale soulève d’importantes questions éthiques concernant la vie privée, les biais et les abus.
Table of Contents
Le visage est au centre de l’attention. Partout dans le monde, les gouvernements et les entreprises prennent rapidement conscience que nos visages en disent bien plus long que ce que les mots peuvent exprimer. Les réactions des individus à des stimuli peuvent être trop subtiles pour être perçues sans aide numérique, ce qui a ouvert de nouvelles voies de recherche tant académiques que commerciales. Cependant, si la plupart des gens voient l’intérêt de la recherche sur le visage, beaucoup ignorent encore qu’il existe deux domaines très distincts dans ce domaine : la reconnaissance faciale et l’analyse des expressions faciales. De nature très différente, ces deux domaines se concentrent pourtant sur la même caractéristique physiologique : le visage.
Il est important de noter que chez iMotions, nous sommes des experts de premier plan dans le domaine des logiciels d’analyse des expressions faciales, mais nous ne proposons ni ne prenons en charge en aucun cas la reconnaissance faciale, que ce soit à des fins universitaires ou commerciales.
Comme pour toutes les autres méthodologies de recherche, il convient de tenir compte de certains éléments lors de la conduite et de l’utilisation de recherches sur le visage. Cet article met en lumière certaines différences entre la reconnaissance faciale et l’analyse des expressions faciales, certains pièges éthiques, ainsi que les bonnes pratiques en matière de collecte de données.
Qu’est-ce que la reconnaissance faciale ?
La plupart des gens connaissent le concept de reconnaissance faciale. Il s’agit de l’une des méthodes d’authentification et d’identification biométriques les plus utilisées, juste après l’empreinte digitale, et elle est intégrée à un large éventail de procédures de sécurité dans notre vie quotidienne.
Par exemple : pour déverrouiller votre smartphone haut de gamme, vous devez regarder l’appareil photo, tout comme lors des contrôles de sécurité dans de nombreux aéroports. Certaines caméras de vidéosurveillance fonctionnant 24 heures sur 24 et 7 jours sur 7 dans les lieux publics enregistrent même vos traits distinctifs afin de vérifier votre identité. La reconnaissance faciale est de plus en plus omniprésente dans notre société.
Sans entrer dans les détails techniques du codage de la reconnaissance faciale, le logiciel utilise un algorithme pour vérifier les traits du visage d’une personne à l’aide d’une image stockée dans une gigantesque base de données d’images. Concrètement, cette technologie analyse les éléments du visage d’une personne et les compare aux images déjà enregistrées, afin d’identifier la personne en question.
Bien qu’elle soit généralement utilisée à des fins de sécurité, on commence à voir que la reconnaissance faciale permet aux entreprises et aux gouvernements d’exploiter cette technologie pour une multitude d’autres applications.
La société chinoise Alibaba a déjà mis en place le paiement par reconnaissance faciale dans ses magasins en Chine. Il suffit d’adresser votre plus beau sourire au caissier et de repartir le cœur léger. Jusqu’à très récemment, la reconnaissance faciale était encore principalement utilisée comme outil d’identification, comme vous le savez sans doute grâce au déverrouillage de votre smartphone à l’aide de votre visage, mais cela évolue rapidement, comme le montre clairement l’exemple ci-dessus.
Les dilemmes éthiques liés à l’utilisation de la reconnaissance faciale
L’utilisation de la reconnaissance faciale dans le cadre de la surveillance de masse soulève certaines questions éthiques cruciales. Au premier rang de celles-ci figure l’atteinte à la vie privée, car elle pourrait permettre un suivi injustifié et un profilage potentiel. Les risques d’abus de pouvoir et de ciblage de groupes spécifiques sont liés à une utilisation abusive potentielle par les autorités, en particulier en l’absence de cadres réglementaires solides. De plus, les préoccupations relatives à la sécurité des données et aux violations risquent d’exposer des informations personnelles sensibles. Si elle n’est pas contrôlée, l’utilisation de la reconnaissance faciale dans le cadre de la surveillance de masse peut modifier fondamentalement les espaces publics, restreindre la liberté d’expression et remettre en cause l’équilibre entre la sécurité publique et les droits individuels.
Ce n’est pas seulement dans le domaine de la surveillance que la technologie de reconnaissance faciale peut être détournée. La reconnaissance faciale peut, et c’est souvent le cas, conférer un faux vernis de légitimité à la pseudoscience. En prétendant fournir des informations « fondées sur des données », elle risque d’être utilisée à mauvais escient pour étayer des théories sans fondement, comme la prédiction du comportement ou de la personnalité à partir des traits du visage, reprenant ainsi des idées fausses historiques telles que la phrénologie, mais sous le couvert de la technologie moderne.
Le cas de SciMatch.com illustre bien l’utilisation de la reconnaissance faciale à des fins pseudoscientifiques. Cette application de rencontre prétend utiliser l’intelligence artificielle et des algorithmes d’apprentissage profond pour mettre en relation les utilisateurs sur la base d’une analyse faciale et de traits de personnalité déduits. Cependant, sa méthode, qui fait écho à des théories discréditées telles que la physionomie et la phrénologie, n’est pas validée scientifiquement. Les détracteurs remettent en cause son affirmation selon laquelle elle atteindrait une précision de 87 % dans la mise en relation en fonction de la personnalité, la qualifiant de pseudoscientifique et exprimant des inquiétudes quant à son impact sur les véritables relations humaines.
Ces exemples illustrent certaines applications de la reconnaissance faciale, mais soulignent également les limites de la recherche sur le comportement humain. Il s’agit d’un logiciel capable de comparer de vastes quantités de données d’images à une seule image afin de trouver une correspondance. Il aboutit à une conclusion binaire. Il n’est pas inconcevable que la reconnaissance faciale puisse trouver des applications dans des projets de recherche, mais, au mieux, son champ d’application restera limité. Il en va tout autrement de l’analyse des expressions faciales.
Qu’est-ce que l’analyse des expressions faciales ?
Tout comme la reconnaissance faciale, l’analyse des expressions faciales (FEA) s’intéresse à vos traits faciaux, mais pas au fait qu’ils vous appartiennent spécifiquement. La FEA trouve son origine dans le Facial Action Coding System (FACS), créé par le psychologue Paul Ekman dans les années 1970. Les versions modernes de la FEA utilisent aujourd’hui des algorithmes d’apprentissage automatique pour analyser les expressions faciales avec une précision et une finesse sans précédent. Le FACS fonctionne en décomposant les expressions humaines en ce qu’on appelle des « unités d’action », qui correspondent à un muscle ou à un groupe de muscles spécifique du visage d’une personne.
Les unités d’action permettent aux chercheurs de classer facilement les différents schémas d’expression qu’ils observent chez leurs participants, ce qui facilite considérablement l’analyse ultérieure. Ainsi, l’analyse des unités d’action (FEA) ne permet pas en soi de déterminer ce qu’une personne ressent à un moment donné ; elle permet uniquement aux chercheurs de classer l’utilisation des différentes unités d’action, qui peuvent ensuite être utilisées pour déterminer l’état émotionnel d’un participant.
Téléchargez notre guide de poche sur l’analyse des expressions faciales
Chez iMotions, nous conseillons nos utilisateurs sur la meilleure façon d’utiliser l’analyse des expressions faciales dans leurs recherches. Nous tenons à leur faire comprendre l’importance de poser des questions complémentaires une fois que le logiciel a traité les données. Nous agissons ainsi car aucun logiciel ne peut se substituer parfaitement à un être humain. Nous avons intégré le codage facial automatisé du Facial Action Coding System (FACS) à notre logiciel grâce à notre partenaire Affectiva, afin d’en faire l’outil de recherche de pointe qu’il est aujourd’hui. Cependant, il s’agit en fin de compte d’un outil destiné à aider les chercheurs à renforcer leur travail, et non à le définir à leur place.
Les émotions peuvent dépendre du contexte
Vous est-il déjà arrivé de voir un ami ou un proche sourire tout seul et de devoir lui demander pourquoi il souriait ? Vous le voyiez sourire, mais vous n’aviez aucune idée de ce que cela signifiait. Était-il mélancolique, heureux, nostalgique, ou se remémorait-il une blague hilarante ? Il est parfois impossible de le deviner, c’est pourquoi vous avez dû lui poser la question. Il en va de même pour les données que l’on obtient lorsqu’on utilise des mesures biosensorielle sur des participants. Cela s’explique par la complexité de la manière dont nous exprimons nos émotions.
S’il est vrai que les ordinateurs, équipés d’une webcam de haute qualité, peuvent détecter des expressions encore plus subtiles qu’un être humain, la manière dont nous exprimons nos émotions dépend aussi fortement du contexte. Les gens manifestent leurs émotions en permanence, mais lorsque celles-ci se reflètent sur le visage, nous ne disposons que d’un nombre limité de muscles pour les exprimer, à savoir les « unités d’action faciale » mentionnées précédemment.
Cela signifie que certaines expressions présentent des caractéristiques qui se recoupent ; le chevauchement des éléments expressifs, ainsi que les particularités propres à chacun, peuvent générer des faux positifs lors d’un processus de collecte de données. Il appartient aux chercheurs d’éliminer ces faux positifs.
Sinon, les résultats de l’étude risquent d’être faussés. Si vous êtes un orateur très expressif, un ordinateur pourrait conclure que vous êtes terrifié alors que vous défendez peut-être un argument avec passion. Les yeux écarquillés et la bouche ouverte sont tous deux des signes de peur et de choc, mais vous pourriez simplement avoir été surpris.
Plusieurs facteurs peuvent entraîner des faux positifs dans vos données. Si une étude utilise également la réponse galvanique de la peau (GSR), qui consiste à mesurer la microsudation, le simple fait que le soleil brille et réchauffe la pièce peut indiquer que vous êtes émotionnellement excité, ce qui se reflétera probablement aussi sur votre visage. Ces subtilités peuvent donner lieu à un faux positif concernant certaines émotions qui, en réalité, ne sont peut-être pas avérées.
Tout comme la reconnaissance faciale, l’analyse des expressions faciales peut être automatisée – et l’est déjà – grâce à l’apprentissage automatique, dans le cadre de ce qu’on appelle désormais l’« IA émotionnelle ». Le concept d’IA émotionnelle a fait son apparition il y a une vingtaine d’années dans un article intitulé « Affective Computing », rédigé par Rosalind Picard, chercheuse au MIT. Cet article affirmait que l’informatique était sur le point d’atteindre un stade où les ordinateurs seraient capables de reconnaître les émotions et même, dans une certaine mesure, d’« éprouver des émotions ».
L’un des points centraux de cet article est que les émotions humaines influencent tout ce que nous faisons au quotidien, qu’il s’agisse de choisir ce que nous allons manger ou de prendre des décisions cruciales sur le plan personnel et professionnel. Pour créer une IA capable de nous aider au mieux, sa capacité à reconnaître les émotions est essentielle. Pour créer au mieux cette capacité de compréhension émotionnelle numérique, l’IA émotionnelle fonctionne en compilant et en analysant des données provenant d’une liste de différents points de mesure, dont le plus crucial est l’analyse des expressions faciales. Associés à l’oculométrie, aux signaux physiologiques et à l’analyse vocale, ces points de mesure permettent théoriquement à un ordinateur d’estimer et d’analyser les émotions humaines.
Introduction à la recherche multisensorielle
L’automatisation de la mesure des émotions humaines n’est bien sûr pas une mauvaise chose en soi. Il y a toutefois certains aspects dont il faut se méfier en matière d’IA appliquée aux émotions. Tout d’abord, il faut se demander si l’IA est entièrement automatisée ou autonome.
Les gens ne réagissent pas tous de la même manière dans certaines situations, à la fois parce que nous sommes tous différents et parce que nous percevons ces situations différemment, ce qui se reflète sur nos visages sous forme de stress, d’excitation, de surprise, de joie ou d’ennui.
Nous interprétons et réagissons également différemment aux situations d’un point de vue culturel. Il serait très audacieux d’affirmer que tout le monde agit de la même manière, et l’on pourrait craindre qu’une IA autonome ne soit pas en mesure de s’en rendre compte. Là encore, tout dépend des pratiques mises en œuvre dans le processus de collecte des données. Cependant, si les résultats ne font pas l’objet d’un suivi et d’une vérification par un chercheur ou un collecteur de données, ils n’ont aucune valeur scientifique ni pratique.
L’utilisation éthique des données faciales
Il semble presque superflu de rappeler que la recherche doit être menée de manière éthique et responsable, mais plusieurs raisons justifient de souligner à nouveau son importance ici. Premièrement, il s’agit tout simplement d’une bonne pratique en matière de recherche et de collecte de données. Deuxièmement, nous entrons dans un paysage médiatique où l’on s’intéresse de plus en plus à l’utilisation abusive de la reconnaissance faciale et de l’analyse des expressions faciales comme moyens de surveillance, de répression, ainsi que d’obtention et d’utilisation douteuses des données personnelles.
La recherche biométrique, en particulier celle axée sur le visage, est un sujet controversé, et les chercheurs qui mènent des études d’analyse faciale (FEA) doivent respecter des principes éthiques rigoureux. Chez iMotions, nous avons toujours défendu l’idée que la collecte de données doit être éthiquement irréprochable, ce qui implique notamment
de toujours, sans exception, obtenir le consentement des personnes étudiées.
Outre le fait qu’il s’agit d’une violation du droit de chaque individu à être informé, mener des recherches avec des participants ou des sujets à leur insu ne revient guère plus qu’à émettre des hypothèses hasardeuses de la part du chercheur. Comme mentionné plus haut, l’obtention du consentement éclairé de tous les participants à une étude est au cœur de toute recherche impliquant des sujets humains. Les lignes directrices de la Commission européenne intitulées « Éthique pour les chercheurs » stipulent que le consentement éclairé « …implique que, avant de consentir à participer, les participants doivent être clairement informés des objectifs de la recherche, des effets indésirables possibles, ainsi que de la possibilité de refuser de participer ou de se retirer de la recherche à tout moment et sans conséquences ».
Source : le guide « Éthique pour les chercheurs » de la Commission européenne
Cette prudence s’impose tout particulièrement pour les chercheurs en biométrie, alors que de nombreuses études faciales peuvent être menées à l’aide de webcams, un domaine de recherche qui ne cesse de se développer. La diligence raisonnable doit bien sûr être de mise tout au long du processus de recherche, ce qui implique également que la personne chargée de la recherche ou de la collecte des données doit toujours vérifier les résultats fournis par les participants afin de s’assurer qu’aucun faux positif ne soit considéré comme un résultat valable.
Le fait de disposer de formulaires de consentement, d’accords de confidentialité et d’autres documents juridiques permettant de vous protéger, vous et vos participants, contre toute utilisation abusive des données, favorise la confiance et la transparence au sein de votre projet de recherche. Il ne faut pas négliger cet aspect, car les gens sont de plus en plus conscients de la manière dont leurs données sont collectées et de la façon dont leurs droits en la matière pourraient être affectés dans un avenir proche
L’analyse des expressions faciales est un outil extrêmement puissant pour la recherche biométrique, et de nombreuses études passionnantes sont menées à l’aide de cette technique. Le fait de disposer d’un algorithme capable d’effectuer les traitements les plus lourds réduit le temps consacré à la mise en place et à la conduite des recherches, ce qui permet d’étudier des groupes de participants à grande échelle. En tant que chercheur, il est essentiel de garder à l’esprit que vous êtes le dernier maillon d’un long processus de traitement de l’information, et qu’il vous incombe en dernier ressort de collecter et d’interpréter les données de manière éthique aux fins de votre recherche, garantissant ainsi sa validité scientifique.