Surveiller sans identifier : éthique et vie privée de l'IA appliquée aux foules
Mesurer une densité n'exige pas de reconnaître des visages. Principes de conception, cadre juridique européen et garde-fous pour une IA de sécurité qui protège sans fichier ni profilage.

Déployer des caméras et de l'IA dans l'espace public soulève une question légitime : jusqu'où peut-on aller au nom de la sécurité ? Pour la gestion de foule, la bonne nouvelle est que l'objectif de sécurité n'exige pas d'identifier quiconque. Ce dont on a besoin, ce sont des grandeurs agrégées : combien de personnes, à quelle vitesse, avec quelle agitation.
Compter n'est pas reconnaître
Un système d'alerte précoce travaille sur des cartes de densité et de vitesse. Il peut être conçu pour ne jamais extraire de visages, d'empreintes ni d'identités : les images sont analysées localement, seules les statistiques anonymes sont transmises, et les vidéos brutes ne sont pas conservées ou le sont très brièvement.
Cinq principes de conception
- 1Minimisation : ne collecter que ce qui est nécessaire à la sécurité (densité, vitesse), rien de plus.
- 2Finalité : annoncer clairement l'usage (prévention des écrasements) et s'y tenir.
- 3Traitement en périphérie : analyser près de la caméra pour que l'image brute ne circule pas.
- 4Durées de conservation courtes : effacer les données dès qu'elles ont rempli leur rôle.
- 5Transparence : informer le public de la présence du dispositif et de son but.
Le cadre juridique européen
En Europe, le RGPD impose les principes de minimisation, de finalité et de limitation de conservation. Le règlement européen sur l'intelligence artificielle encadre en outre très strictement l'identification biométrique à distance en temps réel dans l'espace public. Un système de mesure de foule qui reste au niveau agrégé se situe naturellement à distance de ces enjeux, mais la conformité doit être vérifiée au cas par cas avec des juristes.
Les risques propres à l'automatisation
- Fausses alertes : trop nombreuses, elles usent l'attention des opérateurs.
- Confiance excessive : un opérateur qui obéit aveuglément à l'algorithme perd son jugement.
- Biais et angles morts : un modèle entraîné dans un contexte peut mal se comporter dans un autre.
Cette exigence rejoint l'esprit de l'approche présentée sur ce site : la technologie sert une fonction objectif de sécurité, et non la surveillance des individus.
Pour aller plus loin
- · Règlement (UE) 2016/679 (RGPD).
- · Règlement (UE) 2024/1689 sur l'intelligence artificielle.