Reconnaissance faciale à Zurich.Avantages et limites.

Reconnaissance faciale à Zurich : sur quoi porte le débat

Reconnaissance faciale à Zurich n’est ni une simple question technique ni une simple question politique. Elle affecte en même temps la sécurité dans les espaces publics, l’efficacité des enquêtes, la protection des données biométriques et la liberté de circuler sans être observé. Il ne suffit donc pas de qualifier la technologie de gain de sécurité ou de surveillance de masse.

Le facteur décisif est l’utilisation concrète : une scène de crime individuelle est-elle ensuite comparée à une base de données de référence légitime ? Une personne est-elle volontairement vérifiée à l’entrée ? Ou tous les visages dans les espaces publics sont-ils constamment vérifiés par rapport aux listes de surveillance ? Ces scénarios diffèrent fondamentalement sur les plans technique, juridique et social.

Quatre termes à ne pas confondre

Dans les discussions, la reconnaissance faciale, la capture faciale et l’analyse vidéo sont souvent assimilées. Cela crée une fausse image du traitement réel des données. Une évaluation fiable commence par quatre catégories claires.

• Détection de visage : Un système reconnaît qu’il y a un visage dans l’image. Il ne connaît pas encore la personne.
• Vérification (1:1) : Un visage est comparé à exactement une identité attendue, par exemple lors d’un contrôle automatisé des passeports.
• Identification (1:n) : Une image faciale est comparée à plusieurs images de référence stockées pour suggérer des correspondances possibles.
• Analyse d’attribut ou d’événement : Le logiciel recherche des vêtements, la direction d’un mouvement, des objets ou des situations sans identifier une personne par son nom.

Le dernier point est particulièrement important : l’analyse vidéo par IA ne nécessite pas automatiquement de reconnaissance faciale. De nombreuses tâches de sécurité peuvent être résolues en fonction d’événements, par exemple grâce à la détection de violence, d’armes, de chutes ou d’intrusions. Lorsque l’identification n’est pas requise à cette fin, elle ne devrait pas être utilisée.

Comment fonctionne techniquement la reconnaissance faciale automatique

Le système localise d’abord un visage et l’utilise pour créer un vecteur de caractéristiques mathématiques, appelé modèle ou intégration. Ce vecteur n’est pas un nom. L’identification n’a lieu que lorsque le modèle est comparé aux données de référence et attribué à un enregistrement de données.

Le résultat n’est pas une détermination infaillible, mais plutôt une évaluation de similarité statistique. Un seuil défini détermine le moment où le système signale une éventuelle réponse. Un seuil plus bas permet de trouver plus de candidats mais augmente le risque de faux résultats. Un seuil élevé réduit les faux positifs mais peut manquer les correspondances réelles.

La qualité de l’image, l’angle de vision, l’éclairage, l’âge de l’image de référence, l’occlusion et les caractéristiques du modèle entraîné affectent les performances. Ainsi, une réponse algorithmique ne doit pas déclencher une sanction automatique ou une identification définitive. Il doit être vérifié par des personnes qualifiées sur la base d’informations complémentaires.

Ce que le Conseil cantonal zurichois a décidé en 2026

Le Conseil cantonal de Zurich a approuvé la révision totale de la loi sur l’information et la protection des données (IDG) lors du vote final du 23 mars 2026. Le décret n’exclut pas catégoriquement des tests pilotes de systèmes de reconnaissance biométrique dans l’espace public. Cependant, il ne s’agit pas d’une autorisation générale pour une reconnaissance faciale généralisée.

Selon le délégué à la protection des données du canton de Zurich, de tels tests pilotes ne peuvent avoir lieu que dans le cadre des exigences légales générales. Ils servent à tester le traitement de données personnelles particulières pendant une période limitée qui nécessite encore des éclaircissements. Cela nécessite une tâche juridiquement ancrée, une réglementation ainsi que des mesures de protection clairement définies et une évaluation minutieuse.

En février 2026, le conseil cantonal a également rejeté une initiative des autorités visant à interdire de manière approfondie la reconnaissance faciale biométrique. Cette décision ne signifie pas que toutes les utilisations imaginables sont autorisées. La limitation de la finalité, la proportionnalité, la base juridique, la transparence, la sécurité des données et le contrôle des traitements de données particulièrement risqués restent déterminants.

Les tests pilotes ne sont pas la même chose que la surveillance continue

Un projet pilote doit répondre à une question clairement formulée : le système est-il adapté, nécessaire et proportionné à un mandat légal particulier ? Cela comprend un lieu limité, une période limitée, des données de référence définies et des critères mesurables pour les bénéfices et les risques.

Un test ouvert basé sur le principe « Nous collectons d’abord et décidons ensuite » ne serait pas suffisant. Avant même le début, la responsabilité, les droits d’accès, les délais de suppression, les tolérances d’erreur, l’examen humain et l’information des personnes concernées doivent être réglementés. Il doit également être clair quand l’expérience sera terminée ou interrompue.

La différence avec la correspondance d’images faciales Fedpol

Fedpol a introduit la mise en correspondance automatisée des images faciales en 2025 pour compléter les procédures biométriques existantes. Les traces d’images faciales issues des enquêtes sont comparées avec des images déjà stockées de personnes connues. Fedpol exclut expressément la surveillance automatique et en temps réel des personnes via des caméras dans les espaces publics.

La différence est essentielle : une comparaison ultérieure d’une image de preuve concrète a un objectif d’enquête limité. En revanche, un système en direct enregistrerait en permanence un grand nombre de personnes non impliquées. Les deux méthodes utilisent des caractéristiques biométriques, mais ne créent pas le même risque d’interférence.

Quels avantages peut avoir la reconnaissance faciale

Lorsqu’elle est utilisée d’une manière légalement limitée, la comparaison automatisée d’images peut aider les enquêteurs à trier plus rapidement de grandes quantités d’images. Cela peut être pertinent si une image de la scène de crime constitue l’indice le plus important ou si une personne recherchée doit être retrouvée sur la base d’enregistrements existants.

La technologie peut hiérarchiser les candidats et réduire les délais de recherche. Toutefois, cela ne remplace pas l’évaluation pénale ou d’autres preuves. Un processus responsable traite la réponse positive comme une indication, documente l’examen et exige une confirmation humaine indépendante.

Quels risques doivent être pris particulièrement au sérieux

Les visages sont des caractéristiques biométriques. Contrairement à un mot de passe, ils ne peuvent pas être facilement échangés. Si les modèles sont utilisés de manière inappropriée, stockés trop longtemps ou liés à de nouvelles bases de données, l’objectif initial peut progressivement s’étendre.

• Faux coups : Des personnes non impliquées peuvent apparaître par erreur comme candidates.
• Distorsions : Les taux de performance et d’erreur peuvent varier selon les groupes de personnes.
• Extension de l’objectif : Une base de données limitée peut ensuite être utilisée à d’autres fins.
• Dissuasion: L’identification permanente perçue peut influencer le comportement et l’exercice des droits fondamentaux.
• Sortie de données : Les modèles biométriques et les images de référence sont des cibles particulièrement dignes de protection.

Il ne faut donc pas seulement prendre en compte le taux de reconnaissance moyen. Les responsables ont besoin de valeurs distinctes pour les faux positifs et les faux négatifs, de tests réalistes dans les conditions locales et d’une gestion documentée de l’incertitude.

Huit mécanismes de protection pour une utilisation responsable

1. Objectif restreint : L’objectif spécifique de sécurité ou d’enquête est déterminé à l’avance.
2. Base juridique claire : La responsabilité et la profondeur de l’intervention ont été testées légalement.
3. Minimisation des données : Les listes de références ne contiennent que les enregistrements nécessaires et légitimes.
4. Contrôle humain : Aucun résultat ne donne lieu à une mesure sans contrôle qualifié.
5. Délais courts : Les échecs, les modèles, les protocoles et les images de référence sont supprimés de manière contrôlée.
6. Séparation technique : Les bases de données, les rôles et les systèmes sont différenciés les uns des autres.
7. Détectabilité : Les requêtes, les classements, les accès et les modifications sont enregistrés.
8. Évaluation indépendante : Les avantages, les erreurs, les différences entre les groupes et les atteintes aux droits fondamentaux sont examinés.

Quand l’analyse vidéo sans identification suffit

De nombreuses situations opérationnelles ne nécessitent pas d’identité. Si un centre de contrôle a besoin de savoir qu’une personne est au sol, qu’une foule devient trop dense ou qu’une arme visible apparaît, une analyse basée sur les événements suffit. Le système signale la situation sans associer une personne à une base de données de noms.

Cette séparation suit le principe de minimisation des données : le moins de traitement personnel possible, autant que nécessaire à la finalité claire. La reconnaissance faciale ne doit donc jamais être le paramètre par défaut d’une plateforme d’analyse vidéo, mais plutôt une fonction justifiée séparément.

Conclusion : le contrôle vient des frontières

La question n’est pas de savoir si la reconnaissance faciale est généralement bonne ou mauvaise. Ce qui est crucial, c’est de savoir quelles données sont traitées, dans quel but, sur quelle base de référence et sous quel contrôle. Une comparaison ciblée et ultérieure diffère fondamentalement d’une identification non provoquée de tous les passants.

Pour Zurich, cela signifie que les opportunités de pilotage doivent être considérées comme une mission test et non comme un laissez-passer gratuit. Une utilisation démocratiquement viable nécessite des limites strictes, de la transparence, la responsabilité humaine et la possibilité vérifiable de désactiver un système inadapté.

Pour les opérations dans l’UE, le RGPD et les réglementations nationales pertinentes doivent être vérifiés. Dans le cas des autorités policières, une loi spéciale sur la protection des données peut être décisive en matière de poursuites pénales. Les exigences suisses doivent également être considérées comme un cadre juridique distinct. Le traitement événementiel n’est pas automatiquement anonyme. Notre article donne un aperçu actuel Loi sur la protection des données et l’IA de l’UE.