Reconnaissance faciale à Londres : 320 000 £ pour une fausse alerte

👁 118 lectures

La police britannique des transports (British Transport Police) a achevé en juillet un test de six mois d’un système de reconnaissance faciale en temps réel dans les gares les plus fréquentées de Londres. Un document obtenu dans le cadre du droit d’accès à l’information par Liberty Investigates et transmis au quotidien The Guardian détaille le bilan : 320 786 livres consacrées à la location du matériel et aux effectifs de police, 18 déploiements de caméras, près de 100 heures de travail d’agents, plus de 500 000 visages scannés et une seule et unique alerte de concordance avec la liste de surveillance. Cette alerte s’est avérée fausse. Arrestations : zéro.

Il ne s’agit pas d’une défaillance technique. Le système a fonctionné exactement comme prévu : il a comparé les visages des passants à une liste de personnes recherchées et sous le coup d’interdictions judiciaires. Le problème se situe ailleurs et relève de l’arithmétique. C’est pourquoi j’ai sorti la calculatrice.

Combien coûte chaque visage scanné pour un résultat inexistant ?

Regardons les chiffres de plus près. Ces 320 786 livres dépensées avec l’argent du contribuable britannique sur six mois d’expérimentation ont généré un résultat unique : une fausse alerte positive. Le coût unitaire d’une alerte, quelle que soit sa pertinence, revient donc à l’intégralité du budget engagé. Le coût d’une arrestation effective est impossible à calculer, car diviser par zéro n’a aucun sens mathématique - et c’est le chiffre le plus marquant de cette expérience.

Le second calcul est plus parlant, car il met en lumière l’ampleur du traitement des données. Diviser 320 786 livres par 500 000 visages scannés donne 0,64 penny par visage. Pour cette somme minime, l’État a traité les données biométriques d’individus qui, dans l’immense majorité des cas, ne savaient même pas que leur visage était converti en vecteur mathématique et comparé à une base de données de suspects. Comme ce chiffre est officiellement qualifié de « plus de 500 000 », le coût réel par scan est encore inférieur. C’est précisément l’argument mis en avant par les promoteurs de ces dispositifs : c’est bon marché, alors pourquoi s’en priver ?

Le troisième calcul concerne les effectifs humains et non les machines. Près de 100 heures d’intervention réparties sur 18 déploiements représentent une moyenne de 5,5 heures de présence policière par opération. Rapporté au coût total, cela correspond à environ 3 208 livres par heure de présence policière auprès de ces caméras. Bien entendu, ce montant intègre en majorité la location du matériel technique plutôt que les salaires, mais cela illustre parfaitement la structure des dépenses : on paie massivement pour de la technologie, pas pour des agents de terrain, alors même que la technologie n’apporte aucun résultat probant.

L’ancien commissaire à la biométrie : « Le projet pilote ne semble pas concluant »

Fraser Sampson, ancien commissaire britannique à la biométrie et à la surveillance, aujourd’hui membre du conseil consultatif de la société Facewatch (qui déploie la reconnaissance faciale dans les magasins), a livré une analyse sans détour. Il a souligné une différence fondamentale : le succès d’un outil dans le commerce de détail et son efficacité dans le cadre des poursuites policières répondent à deux logiques très distinctes.

Nous savons que la technologie fonctionne, mais l’utiliser dans des supermarchés pour dissuader les voleurs et prévenir les agressions contre le personnel est une chose totalement différente de son déploiement pour intercepter des individus dans les transports publics. Dans un magasin, le succès signifie que ces personnes n’entrent pas du tout. Pour la police qui cherche à appréhender quelqu’un, le succès signifie que des personnes sont arrêtées. De ce point de vue, l’expérimentation ne semble pas particulièrement fructueuse.

Dans un entretien accordé à The Guardian, Sampson a rappelé un principe juridique fondamental : le dispositif traite des données d’une catégorie particulière, et la charge de prouver que cette démarche est appropriée, proportionnée et indispensable incombe à la police, et non au citoyen qui devrait justifier d’un préjudice.

Malgré ce bilan, la British Transport Police a reconduit le test en août pour quatre mois supplémentaires en l’élargissant aux stations de métro. Depuis cette extension, trois concordances positives ont été enregistrées : après vérification, toutes trois concernaient des individus qui respectaient scrupuleusement les obligations fixées par leurs décisions judiciaires. Autrement dit : toujours aucune interpellation, aucune infraction constatée, mais trois personnes circulant tout à fait légalement dans l’espace public arrêtées pour un contrôle sur la base d’un algorithme.

Le cadre juridique européen face à l’expérimentation britannique

Le contraste entre le cadre britannique et les règles applicables au sein de l’Union européenne est majeur. En Europe continentale, le déploiement de caméras scannant la foule en direct dans les gares centrales est strictement encadré par les textes fondamentaux de protection des données.

L’article 9 du RGPD classe les données biométriques destinées à identifier une personne de manière unique parmi les catégories particulières de données, au même titre que les opinions politiques, l’état de santé ou l’orientation sexuelle. Leur traitement est par principe interdit, sauf exceptions très limitées. Pour les missions régaliennes de police, la directive 2016/680 encadre strictement ces usages en exigeant une base légale claire et explicite, et non une simple décision opérationnelle interne.

À cela s’ajoute le règlement européen sur l’intelligence artificielle. L’AI Act interdit formellement dans son article 5 l’identification biométrique à distance en temps réel dans les espaces publics à des fins de maintien de l’ordre. Les seules dérogations prévues concernent des situations critiques : la recherche ciblée de victimes d’enlèvements, la prévention d’une menace terroriste concrète ou la localisation d’auteurs d’infractions particulièrement graves figurant sur une liste stricte - et toujours sous réserve d’une autorisation préalable délivrée par une autorité judiciaire ou administrative indépendante. Ces interdictions de l’article 5 sont entrées en application le 2 février 2025 (voir le détail dans notre synthèse sur les pratiques interdites par l’AI Act). L’expérimentation londonienne a lieu hors de l’UE : sur le territoire de l’Union, un dispositif identique imposerait de justifier de l’une de ces exceptions très restrictives.

Vos recours face aux systèmes de reconnaissance faciale

Si vous êtes confronté à un projet ou à la présence d’un dispositif de reconnaissance faciale dans l’espace public, les centres commerciaux ou les infrastructures de transport de votre ville, vous disposez de leviers juridiques clairs :

D’abord, le responsable de traitement a l’obligation stricte d’informer les personnes concernées avant même qu’elles n’entrent dans le champ de vision des caméras, en explicitant la finalité et la base juridique du dispositif. Ensuite, sur le fondement de l’article 15 du RGPD, vous pouvez exercer votre droit d’accès pour exiger de savoir si vos données d’image ont fait l’objet d’une analyse biométrique ou d’un simple enregistrement vidéo standard (le responsable dispose d’un mois pour répondre). Enfin, toute personne peut saisir sans frais son autorité de contrôle nationale de protection des données (la CNIL en France, l’APD en Belgique, ou le PFPDT en Suisse) pour contester un traitement biométrique non proportionné. Les autorités rappellent régulièrement que le recueil d’un consentement ou l’intérêt sécuritaire ne suffisent pas si la finalité peut être atteinte par des moyens moins intrusifs.

Pour les élus locaux et décideurs publics : lorsqu’un prestataire propose un « système de vidéosurveillance intelligente avec identification des individus », les chiffres de Londres constituent un argument technique solide. Dépenser plus de 320 000 livres sur six mois pour 18 opérations et une fausse alerte illustre précisément les dérives d’investissements qui ne répondent pas aux impératifs d’efficacité et de proportionnalité.

Pourquoi zéro arrestation ne signifie pas que le modèle est en panne

Fraser Sampson a rappelé l’ensemble des variables qui doivent coïncider pour qu’un tel dispositif permette une interpellation : l’emplacement choisi, les créneaux horaires de déploiement, la composition exacte de la liste de surveillance et la probabilité réelle qu’une personne inscrite sur cette liste franchisse précisément le champ de la caméra. Sur 18 déploiements en six mois - soit environ une opération tous les dix jours -, la probabilité statistique de croiser une personne recherchée spécifique dans une mégapole de plusieurs millions d’habitants est extrêmement faible. D’un point de vue purement algorithmique, analyser un demi-million de visages avec une seule erreur représente une performance technique correcte. Mais du point de vue de l’utilisation des deniers publics, il s’agit d’une dépense disproportionnée, déployée là où il n’y avait presque rien à identifier.

Le risque est que cet argument de l’inefficacité soit facilement contourné : il suffit d’élargir la liste de surveillance, de multiplier les caméras et d’allonger la durée des scans pour voir le nombre d’alertes grimper. C’est exactement le choix opéré par la police britannique en s’étendant au métro. Les premières concordances obtenues concernaient des personnes en règle, ce qui démontre que la capacité d’identification croît plus vite que son utilité judiciaire. La question financière s’effacera alors devant l’interrogation essentielle : celle de la proportionnalité de la surveillance de masse. Et à cela, les algorithmes ne peuvent pas répondre.

Faits vérifiés au 1er octobre 2026. Sources : The Guardian - Trial of live facial recognition in London stations leads to a false positive and no arrests, document obtenu sous FOI par Liberty Investigates, Règlement (UE) 2024/1689 - AI Act, art. 5, RGPD, art. 9 et art. 15.

// lire la suiteAlerte du FMI et déploiements concrets de l’IAÉtat de l'IAChatGPT for Teens : 201 alertes ignorées sur 390 tests de criseÉtat de l'IAAnthropic alerte sur des vers IA capables d’infecter la domotiqueActualités

Kinetyra