La capacité des agents de police à reconnaître et à localiser les personnes ayant des antécédents criminels est essentielle à leur travail. En réalité, il est si important que les agents croient que le posséder est fondamental pour l'art d'une police de rue efficace, prévention du crime et enquête. Cependant, avec une baisse de l'effectif total de la police de près de 20 % depuis 2010 et une augmentation de la criminalité enregistrée, les forces de police se tournent vers de nouvelles solutions technologiques pour aider à améliorer leur capacité et leur capacité de surveiller et de suivre les personnes qui les préoccupent.

L'une de ces technologies est la reconnaissance faciale automatisée (appelée AFR). Cela fonctionne en analysant les principales caractéristiques du visage, générer une représentation mathématique de ceux-ci, puis les comparer à des visages connus dans une base de données, pour déterminer les correspondances possibles. Alors qu'un certain nombre de forces de police britanniques et internationales ont exploré avec enthousiasme le potentiel de l'AFR, certains groupes ont parlé de son statut juridique et éthique. Ils craignent que la technologie étende considérablement la portée et la profondeur de la surveillance par l'État.

Jusqu'à maintenant, cependant, il n'y a pas eu de preuves solides sur ce que les systèmes AFR peuvent et ne peuvent pas offrir aux services de police. Bien que l'AFR soit devenu de plus en plus familier au public grâce à son utilisation dans les aéroports pour aider à gérer les contrôles des passeports, l'environnement dans de tels contextes est assez contrôlé. L'application de procédures similaires à la police de rue est beaucoup plus complexe. Les personnes dans la rue se déplaceront et ne regarderont peut-être pas directement vers la caméra. Les niveaux d'éclairage changent, trop, et le système devra faire face aux caprices de la météo britannique.

AFR dans le monde réel

Pour se faire une idée de la façon dont la police britannique utilise la technologie AFR actuelle, l'année dernière, nous avons été chargés d'évaluer un projet de police du sud du Pays de Galles qui avait été conçu pour tester l'utilité de l'AFR dans différentes situations policières quotidiennes. À partir de la finale de l'UEFA Champions League 2017, tenue à Cardiff, notre équipe a observé des agents utilisant la technologie et analysé les données générées par le système. Nous voulions comprendre comment le personnel de police interagissait avec le système et quels résultats il leur a permis d'atteindre, ainsi que les défis qu'ils ont rencontrés lors de son utilisation.

Les agents de police du sud du Pays de Galles utilisent l'AFR selon deux modes. "AFR Locate" utilise des flux en direct de caméras de type CCTV généralement montées sur des fourgons de police marqués pour comparer les mesures détaillées des traits du visage des personnes avec une base de données d'images de garde à vue. Ces images représentaient toutes des personnes considérées comme des personnes d'intérêt. Typiquement, cette base de données contenait 600-800 images.

L'autre mode, "AFR Identifier, " est assez différent. Ici, les images de suspects non identifiés sur des scènes de crime passées sont comparées à la base de données de la police sur les photos de garde à vue. Cette base de données est composée d'environ 450, 000 images.

Globalement, l'évaluation a conclu que l'AFR a permis à la police d'identifier des suspects qu'elle n'aurait probablement pas pu autrement. Au cours de la période de 12 mois de la recherche, plus de 100 arrestations et accusations ont été – au moins en partie – assistées par AFR.

Mais ce n'est pas un système plug and play. La police a dû adapter un certain nombre de ses procédures opérationnelles standard pour le faire fonctionner efficacement. Par exemple, en découvrant l'impact significatif de la qualité d'image sur le système, identifier les opérateurs alimentant la formation des agents de rétention, pour s'assurer que toutes les images futures fonctionneraient efficacement.

Outil d'aide

Ce n'est qu'avec le temps que les agents ont appris à mieux configurer et utiliser le système. Cela a été soutenu par des développements technologiques sous la forme d'un algorithme plus sophistiqué introduit en cours d'essai, trop. Cette amélioration était significative. Dans le déploiement original de la Ligue des champions, seulement 3 pour cent des correspondances suggérées par le système ont été jugées exactes par les opérateurs. D'ici mars 2018, cependant, ce chiffre était d'environ 46 pour cent.

Comme pour toutes les technologies policières novatrices, il existe d'importantes préoccupations et questions juridiques et éthiques qui doivent encore être prises en compte. Mais pour que ceux-ci soient débattus et évalués de manière significative par les citoyens, régulateurs et législateurs, nous avons besoin d'une compréhension détaillée de ce que la technologie peut accomplir de manière réaliste. Des preuves solides, plutôt que des références à la technologie de science-fiction – comme on le voit dans des films tels que Minority Report – est essentielle.

Avec ça en tête, l'une de nos conclusions est qu'en ce qui concerne la description de la manière dont l'AFR est actuellement appliqué dans les services de police, il est plus juste de le considérer comme une "reconnaissance faciale assistée, " par opposition à un système entièrement automatisé. Contrairement aux fonctions de contrôle aux frontières - où la reconnaissance faciale est plus d'un système automatisé - lors du soutien de la police de rue, l'algorithme ne décide pas s'il y a une correspondance entre une personne et ce qui est stocké dans la base de données. Plutôt, le système fait des suggestions à un opérateur de police sur les similitudes possibles. Il appartient alors à l'opérateur de les confirmer ou de les infirmer.

Cet article est republié à partir de The Conversation sous une licence Creative Commons. Lire l'article original.