Une photo de visage, un nom, une adresse: sans prononcer un mot, une intelligence artificielle peut aujourd’hui reconstituer votre identité en quelques secondes. Ce qui était réservé aux enquêtes judiciaires se retrouve désormais dans les mains de n’importe qui équipé d’une paire de lunettes connectées ou d’une application de recherche faciale. Ancien officier de police judiciaire, je vous explique comment cette recombinaison massive d’informations publiques change radicalement les règles de la surveillance et de la vie privée.
La surveillance par IA n'est plus un scénario de science-fiction. Les services de recherche faciale qui explorent le web ouvert, les lunettes connectées et les applications de terrain des forces de l'ordre transforment chaque passant en profil consultable. L'anonymat du piéton sans histoire s'effrite à une vitesse que peu de gens mesurent.
Le problème n'est pas qu'une intelligence artificielle devienne toute-puissante. C'est qu'une image de visage sert de clé pour recombiner des informations publiques éparses et reconstituer l'identité d'une personne en quelques secondes. En 2024, deux étudiants de Harvard ont présenté un dispositif combinant les lunettes connectées de Meta avec la reconnaissance faciale.
Résultat : le nom, l'adresse, le numéro de téléphone et les noms des membres de la famille d'un inconnu croisé dans la rue. De 2025 à 2026, le fonctionnement réel de l'application Mobile Fortify dans le cadre de l'application des lois sur l'immigration aux États-Unis a aussi été documenté.
J'ai passé 17 ans en gendarmerie. La surveillance, je connais. Ce qui change aujourd'hui, c'est l'échelle : ce qui exigeait autrefois une réquisition, des yeux humains et une trace papier fonctionne désormais en silence, en arrière-plan, avant même que la plupart des gens ne remarquent que c'est là.
Cet article, fondé sur des documents publics, explique pourquoi une seule photographie de visage devient un identifiant aussi puissant, et où les erreurs d'identification et les atteintes aux droits sont susceptibles de se produire.
La recherche faciale, point d'entrée d'une recombinaison

Il faut distinguer deux choses. La recherche faciale ne vérifie pas une identité : elle part d'une photo et trouve des images similaires sur le web ouvert. La vérification d'identité, elle, compare un visage à un document officiel. Confondre les deux, c'est déjà donner à la première un pouvoir qu'elle n'a pas officiellement.
PimEyes explique que lorsqu'un utilisateur télécharge une photo, le service trouve des images similaires et les URL sources. Son champ d'action exclurait les réseaux sociaux et les plateformes vidéo. Le mécanisme permet de remonter à des informations publiques : articles de presse, sites d'entreprise, photos d'événements, blogs, documents PDF.
Un détournement facile
Ce type de service peut servir à se protéger. Vérifier où son propre visage circule, par exemple. Mais il est facilement détourné pour suivre autrui. Une photo de profil d'entreprise, un document de conférence universitaire, une communication municipale, un ancien blog : isolément, ces données ne disent rien.
Réassemblées à partir d'une image faciale, elles déduisent le lieu de vie et les relations familiales.
En 2021, l'autorité australienne de protection de la vie privée, l'OAIC, a établi que Clearview AI avait utilisé plus de 3 milliards d'images collectées sur les réseaux sociaux pour recueillir et divulguer des informations biométriques sans consentement. Selon l'accord annoncé par l'ACLU en 2022, Clearview AI aurait collecté plus de 10 milliards d'enregistrements faciaux dans le monde. Il lui a été définitivement interdit de vendre ses services à la plupart des entreprises privées aux États-Unis.
Ce qui rend cette structure problématique, c'est que les données individuelles ne sont pas nécessairement obtenues illégalement. Les atteintes à la vie privée à l'ère de l'IA ne se produisent pas par des fuites de secrets. Elles se produisent par la réédition d'informations publiques.
Une infrastructure de surveillance
La recherche faciale dépasse le stade de la recherche pratique. Une fois combinée à une collecte massive de données, elle se transforme en infrastructure. Le véritable problème n'est pas la reconnaissance faciale en elle-même, mais la recombinaison d'informations publiques éparses à partir d'un visage.
Ce qui était utilisé dans cette démonstration n'était pas une seule IA magique, mais une approche combinant recherche faciale, bases de données publiques, moteurs de recherche et grands modèles de langage. Source : securityelites.com
Une surveillance qui ne date pas d'hier
Cette logique de recombinaison n'a rien de nouveau sur le plan conceptuel. L'idée de surveiller comme forme de contrôle remonte aux premières civilisations. Les monarques employaient des espions, les scribes documentaient les mouvements ennemis, les recenseurs suivaient les foyers. Pas seulement pour tenir des registres : pour gérer l'impôt, la conscription et l'ordre social.
La surveillance, même à cette époque, servait rarement d'outil neutre. Elle servait le pouvoir.
À la fin du XVIIIe siècle, cette pulsion de surveillance a pris une forme physique. Le philosophe britannique Jeremy Bentham a esquissé une prison sans équivalent pour son temps : le Panoptique, un bâtiment circulaire avec une tour en son centre, qui donne aux gardiens la capacité d'observer chaque cellule sans être vus eux-mêmes.
Deux siècles plus tard, Michel Foucault est revenu sur ce modèle dans Surveiller et punir, publié en 1975. Il y soutenait que le Panoptique était devenu plus qu'une prison : un modèle d'organisation du pouvoir. Les écoles, les hôpitaux et les prisons ont développé leurs propres méthodes de surveillance des comportements, de collecte de données et d'imposition des normes.
Ces penseurs n'écrivaient pas sur l'IA. Mais leurs cadres d'analyse restent d'actualité. L'IA n'a pas inventé la surveillance. Elle l'a intensifiée.
L'application de la loi sur le terrain
Ces technologies ont pénétré non seulement les services privés, mais aussi les contextes d'application de la loi. En février 2026, WIRED a rapporté que Mobile Fortify, utilisée dans le cadre de l'application des lois sur l'immigration, aurait scanné les visages de citoyens et d'immigrants plus de 100 000 fois sur le terrain. Selon le même rapport, le CBP a mis l'application en service opérationnel début mai 2025, et l'ICE le 20 mai 2025.
Ce qui importe ici, c'est que la reconnaissance faciale n'est plus uniquement une question d'équipements fixes dans les aéroports ou aux frontières. Une fois devenue une application de terrain de type smartphone, elle peut être introduite sur des lieux de manifestation, lors de contrôles dans la rue et dans des situations proches d'une interpellation policière.
Même si les agences d'application de la loi expliquent qu'il s'agit « simplement d'une présentation de candidats », sur le terrain, le candidat est facilement traité comme la personne concernée de fait.
Le cadre légal qui tente de suivre
En réponse, le 4 février 2026, la loi ICE Out of Our Faces Act a été présentée au Congrès américain. Ce texte définit la reconnaissance faciale comme un système de surveillance biométrique incluant les photos et les vidéos enregistrées, et vise à en restreindre l'utilisation par le Département de la Sécurité intérieure.
Ce n'est pas encore une loi en vigueur. Mais on peut décrire cette étape comme une phase où le versant institutionnel tente de rattraper l'expansion de l'usage sur le terrain.
Le risque d'erreur d'identification
Le NIST a évalué environ 200 algorithmes de reconnaissance faciale provenant d'environ 100 développeurs, en utilisant plus de 18 millions d'images et des données sur plus de 8 millions de personnes. Son rapport confirme des différences de précision selon les groupes démographiques dans de nombreux algorithmes. La technologie a progressé, mais le risque d'erreur d'identification n'a pas complètement disparu.
Les problèmes documentés ne se limitent pas aux faux positifs. On relève aussi des détails hallucinés et des erreurs d'identification faciale, en particulier lorsque les vidéos sont longues ou que les conditions réelles sont complexes. Et contrairement à une idée reçue, il n'existe pas de loi fédérale complète encadrant la surveillance par IA.
Aux États-Unis, l'action de la FTC contre la chaîne de pharmacies Rite Aid illustre un cas où une erreur d'identification a directement causé un préjudice. Une personne a été confondue avec une autre, et les conséquences ont été réelles.
Ce que j'observe en tant qu'ancien OPJ
En brigade, j'ai appris une chose : une preuve n'est jamais une certitude. Un PV de constatations décrit ce qu'on voit, sans interprétation. Un témoignage est une déclaration, pas un fait établi. La reconnaissance faciale fonctionne à l'inverse : elle produit une correspondance qui ressemble à une certitude, alors qu'elle n'est qu'une probabilité.
Les systèmes de surveillance pilotés par l'IA séduisent parce qu'ils sont rapides, extensibles et qu'ils réduisent le travail humain. Mais leur déploiement tous azimuts soulève des questions difficiles. Les systèmes d'IA peuvent puiser dans les caméras, les capteurs, les interactions sur les réseaux sociaux, les historiques GPS et les données biométriques, puis superposer ces flux pour constituer des profils qui suivent les personnes d'un contexte à l'autre.
La surveillance ne se limite pas au maintien de l'ordre
La surveillance pilotée par l'IA ne s'arrête pas aux forces de l'ordre. Les écoles l'utilisent pour surveiller les messages échangés entre élèves sur les plateformes gérées par l'établissement. Les hôpitaux s'en servent pour suivre l'état de santé des patients. Les entreprises l'emploient pour observer les déplacements de leurs employés.
Quand ce type de surveillance ronronne en arrière-plan de notre quotidien, quel contrôle nous reste-t-il sur ce qui est collecté, analysé ou déduit ?
Imaginez un livreur d'une trentaine d'années, arrêté par la police parce qu'un système de surveillance a signalé sa plaque d'immatriculation. Le véhicule n'est pas volé, aucune infraction n'a été commise.
Pourtant, un outil d'analyse vidéo alimenté par l'IA avait scanné les images d'un cambriolage récent, et son itinéraire correspondait à celui observé sur les enregistrements : même quartier, même tranche horaire, même type de fourgon. La correspondance n'était pas exacte, mais suffisante pour déclencher une alerte. Les agents le laissent repartir sans procès-verbal, mais l'expérience laisse un goût amer.
Ce type de scénario n'a plus rien d'exceptionnel. Les services de police, en France comme ailleurs, adoptent des outils d'IA pour traiter des volumes considérables de vidéos issues de caméras publiques et privées. Ces systèmes peuvent scanner des visages, identifier des plaques d'immatriculation, retracer les déplacements d'un véhicule d'un point à un autre et même anticiper la destination probable d'une personne ou d'une voiture.
Les données que vous laissez derrière vous
Mon diplôme d'OPJ m'a appris qu'un fait non vérifié ne vaut rien devant un tribunal. J'applique la même paranoïa à chaque article. Voici ce que les systèmes de surveillance peuvent croiser, à partir de sources que vous avez vous-même alimentées :
- Les photos publiées sur des sites d'entreprise, des blogs ou des documents PDF publics
- Les plaques d'immatriculation lues par les caméras LAPI et les portiques de télépéage
- Les données de géolocalisation des applications de running ou des montres connectées
- Les historiques d'achat des cartes de fidélité, horodatés à la seconde
- Les métadonnées EXIF des photos publiées, avec coordonnées GPS et horodatage
- Les courbes de charge des compteurs Linky, qui révèlent les habitudes du foyer
Chacun de ces éléments, pris isolément, paraît anodin. Croisés par un système d'IA, ils dessinent un profil comportemental. C'est là que réside le changement d'échelle : la collecte massive n'était pas possible à cette vitesse, et la recombinaison automatisée non plus.
Ce que vous pouvez faire
Je ne vais pas vous vendre une solution miracle. L'anonymat total n'existe plus dans le monde numérique classique. L'empreinte numérique est indélébile sans outils spécifiques. Mais quelques gestes simples réduisent la surface d'exposition :
- Nettoyez les métadonnées EXIF avant de publier une photo
- Désactivez la géolocalisation de l'appareil photo de votre smartphone
- Limitez les inscriptions inutiles et les cartes de fidélité pour les achats sensibles
- Payez en espèces quand vous ne voulez pas laisser de trace horodatée
- Utilisez un VPN pour que votre fournisseur d'accès ne voie plus la destination de vos connexions
Ce ne sont pas des solutions parfaites. Ce sont des réflexes d'hygiène numérique. Et si vous pensez que ça ne vous concerne pas, rappelez-vous : le livreur arrêté par erreur n'avait rien à se reprocher non plus.
Votre visage est-il déjà dans une base ?
La question n'est plus de savoir si vous êtes surveillé. Elle est de savoir par qui, avec quelle marge d'erreur, et quel recours vous avez en cas d'erreur. Les réponses varient selon les pays, les outils et les cadres légaux. En France, la CNIL encadre certains usages, mais le paysage bouge plus vite que la réglementation.
Ce que je retiens de mes années d'enquêteur : la trace la plus fiable est celle qu'on ne voit pas. Aujourd'hui, les traces sont partout. La seule différence, c'est que vous ne les voyez pas non plus.
La reconnaissance faciale est-elle fiable à 100 % ?
Non. Le NIST a confirmé des différences de précision selon les groupes démographiques dans de nombreux algorithmes. Les faux positifs et les erreurs d'identification persistent, en particulier dans des conditions réelles complexes.
Puis-je savoir si mon visage est dans la base de Clearview AI ?
Clearview AI a collecté plus de 10 milliards d'enregistrements faciaux dans le monde. L'entreprise a été interdite de vente à la plupart des entreprises privées aux États-Unis, mais l'accès des particuliers à leur propre donnée reste limité selon les juridictions.
Un VPN protège-t-il contre la reconnaissance faciale ?
Non. Un VPN protège vos connexions et masque votre adresse IP à votre fournisseur d'accès. Il n'empêche pas la collecte d'images de votre visage dans l'espace public ou sur les sites web.
La France encadre-t-elle la reconnaissance faciale ?
La CNIL encadre certains usages, notamment biométriques. Mais le cadre réglementaire évolue moins vite que le déploiement des outils. Il n'existe pas de loi fédérale complète comparable à celle des États-Unis, et les usages varient selon les contextes.
Que faire si je pense avoir été victime d'une erreur d'identification ?
Gardez une trace de l'incident : date, heure, lieu, personnes présentes. Une réclamation peut être déposée auprès de l'autorité compétente, en France la CNIL pour les questions de données personnelles. Un récépissé prouve le dépôt, pas les faits. Mais il ouvre la voie à une demande de motifs et à un recours.
La question n'est pas seulement de savoir si l'IA vous regarde. Elle est de savoir ce qu'elle déduit de ce qu'elle voit, et ce que vous pouvez réellement faire pour vous défendre. Les sources américaines et européennes que j'ai consultées montrent un décalage saisissant entre la vitesse de déploiement des systèmes et la lenteur des garde-fous juridiques.
Ce que la loi vous permet (et ne vous permet pas) de faire
Si vous vivez dans l'Union européenne ou au Royaume-Uni, le RGPD encadre théoriquement la surveillance par IA. Il exige une base légale, de la transparence et de la proportionnalité. Dans la pratique, vos droits se résument à trois leviers, et ils sont loin d'être égaux.
Le droit à l'effacement : votre meilleure carte
Vous pouvez exiger qu'une organisation supprime toutes les données qu'elle détient sur vous. Ce droit est puissant parce qu'il les oblige aussi à révéler ce qu'elles avaient collecté. C'est un double effet : vous obtenez la suppression, et vous découvrez l'ampleur de ce qui était stocké. Beaucoup de gens ne réalisent pas que la demande d'effacement est en réalité un outil d'information autant qu'un outil de nettoyage.
Le droit d'accès : demander une copie de tout
L'article 15 du RGPD vous permet de soumettre une demande d'accès (Subject Access Request, ou SAR) à n'importe quelle organisation. Vous demandez une copie de toutes les données personnelles qu'elle détient sur vous. C'est un droit large, mais il a une limite que peu de gens connaissent : il ne couvre que les données que vous avez explicitement fournies.
Les données inférées par l'IA (les prédictions, les scores de risque, les catégorisations comportementales) ne sont pas toujours accessibles. : vous pouvez savoir ce qu'ils ont collecté, mais pas forcément ce que leur algorithme a conclu à votre sujet.
Le droit d'opposition : dire stop
Vous pouvez vous opposer au traitement de vos données. L'organisation doit alors cesser le traitement et divulguer ce qu'elle détenait. C'est le levier le plus direct pour interrompre une surveillance, mais il suppose que vous sachiez qui vous surveille. Or, c'est précisément là que le bât blesse : la surveillance par IA opère souvent en arrière-plan, sans que vous connaissiez l'identité de l'opérateur.
La surveillance périmétrique : le point d'entrée classique
Les entreprises qui déploient ces systèmes commencent presque toujours par la même chose : la surveillance de périmètre. La raison est simple, l'événement à détecter est facile à définir. Une ligne virtuelle le long d'une clôture se déclenche quand une personne ou un véhicule la franchit en dehors des heures de travail. Pas d'ambiguïté, pas de zone grise.
C'est le cas d'usage le plus simple à vendre et à déployer, ce qui en fait la porte d'entrée de la surveillance algorithmique dans les organisations.
Le calendrier réglementaire européen : ce qui change en 2026
Le règlement européen sur l'intelligence artificielle (AI Act) prévoyait que la Commission publie des orientations sur la classification des systèmes d'IA à haut risque avant le 2 février 2026. Une fois publiées, ces orientations devraient inclure une liste complète d'exemples pratiques de cas d'usage, ce qui est considéré comme à haut risque, et ce qui ne l'est pas. C'est un moment charnière : pour la première fois, les entreprises et les administrations sauront précisément où se situe la ligne rouge. En attendant, beaucoup naviguent à vue.
Avant de choisir un système : l'échelle du site
Si vous êtes du côté de ceux qui évaluent un système de sécurité par IA, le premier critère n'est pas la technologie. C'est l'échelle réelle du site et le nombre d'entrées et de sorties. Pour des bureaux, des bâtiments commerciaux ou des tours résidentielles, un nombre élevé de points d'accès augmente mécaniquement la demande en caméras, en bande passante et en puissance de calcul.
Un système mal dimensionné coûte cher et surveille mal. C'est un point que les fournisseurs mentionnent rarement en premier, mais qui conditionne tout le reste.
Où j'ai trouvé ces chiffres
| AI Surveillance in 2026: Use Cases, Costs and the Law ↗ |
La surveillance algorithmique vue depuis un bureau d'OPJ
Quand j'ai passé mon diplôme d'OPJ en 2005, la surveillance se résumait à des filatures physiques, des écoutes téléphoniques encadrées et des réquisitions papier. On remplissait des formulaires, on attendait des retours, on recoupait à la main.
Puis les caméras LAPI sont arrivées, les badges de télépéage, les compteurs Linky. Chaque année ajoutait une couche de données que mes collègues et moi pouvions mobiliser sur simple réquisition. Ce n'était plus une question de moyens, mais de croisement.
Sur une enquête, je regardais toujours les horaires avant les visages. Les machines, elles, font l'inverse.