Flouter Visages

Flouter Visages Gratuit - Anonymisation Automatique avec IA

Notre outil de Floutage de Visages utilise une IA avancée pour détecter et flouter ou pixéliser automatiquement les visages dans les photos, protégeant la vie privée et garantissant la conformité RGPD. Alimenté par face-api.js, tout le traitement se fait localement dans votre navigateur - vos photos ne quittent jamais votre appareil.

L'outil détecte tous les visages dans une image en utilisant des modèles d'apprentissage profond, puis applique votre choix d'effets de flou gaussien ou de pixélisation pour les anonymiser. Parfait pour les réseaux sociaux, les photos publiques, la conformité RGPD, la protection des témoins et le contenu axé sur la vie privée.

Ma photo quitte-t-elle l'appareil quand j'anonymise des visages ?

Non. Flouter Visages s'exécute entièrement dans votre navigateur. Votre image est décodée dans un Canvas en mémoire, la détection des visages tourne localement avec face-api.js et l'effet de flou ou de pixélisation est appliqué sur ce même Canvas. Aucun pixel n'est téléversé et aucune métadonnée n'est journalisée. Cette approche sur l'appareil, privée par conception, compte pour la conformité RGPD, la protection des sources journalistiques et le caviardage juridique, où envoyer l'image originale à une API cloud serait précisément la fuite de vie privée que vous cherchez à éviter.

Quel modèle de détection de visages l'outil utilise-t-il en interne ?

Il utilise face-api.js (une bibliothèque TensorFlow.js). La détection tourne d'abord avec TinyFaceDetector puis, si nécessaire, bascule sur le détecteur plus lourd SSD MobileNet v1, plus un modèle de 68 points faciaux pour vérifier chaque détection. Les détecteurs émettent des boîtes (x, y, largeur, hauteur) avec un score de confiance ; la boîte est ensuite dilatée selon votre réglage de marge avant l'application de l'effet. Tout tourne dans le navigateur via WebGL/WASM. Il n'y a ni MediaPipe, ni YOLO, ni inférence côté serveur.

À quoi sert le curseur de seuil de confiance de détection ?

Chaque détection automatique est accompagnée d'un score de confiance réel du modèle. Le curseur de seuil de confiance permet de ne conserver que les détections dont le score est égal ou supérieur à la valeur choisie. Baissez-le (vers 10 %) pour augmenter le rappel et capter les visages incertains ; augmentez-le (vers 90 %) pour écarter les faux positifs à faible confiance, comme les motifs ressemblant à des visages. Chaque visage de la liste affiche sa confiance sous forme d'étiquette colorée (vert = élevée, ambre = moyenne, rouge = faible), pour juger d'un coup d'œil quelles détections sont fiables. Le filtrage est instantané et ne relance pas la détection.

Puis-je exporter un relevé de ce qui a été caviardé ?

Oui. Après application de l'effet, vous pouvez exporter un rapport de caviardage en JSON ou CSV. Chaque entrée indique l'indice du visage, s'il s'agit d'une boîte manuelle, la confiance du modèle, les coordonnées de la boîte en pixels de l'image originale, s'il a été sélectionné pour l'anonymisation, ainsi que l'effet, l'intensité et la marge utilisés. L'en-tête du rapport contient les dimensions de l'image, le total et le nombre de visages anonymisés, le seuil de confiance, le nom du modèle et un horodatage. Cela offre aux journalistes, aux équipes juridiques et aux flux RGPD un relevé auditable, à valeur probante, de ce qui a exactement été flouté.

Et si un visage est manqué ou détecté à tort ?

Le rappel est élevé sur les visages frontaux nets mais chute sur les profils, l'occlusion forte (masque et lunettes), le flou de mouvement ou les visages très petits. Si un visage est manqué, cliquez sur Ajouter Zone Manuellement et tracez une boîte autour ; les boîtes manuelles sont toujours conservées, quel que soit le seuil. Si quelque chose qui n'est pas un visage est détecté, décochez-le dans la liste ou augmentez le seuil de confiance. Vous pouvez aussi activer ou désactiver chaque visage avant d'appliquer l'effet, gardant ainsi un contrôle total sur ce qui est anonymisé.

Le floutage garantit-il qu'un visage ne pourra jamais être récupéré ?

Considérez le flou comme un fort moyen de dissuasion, pas une garantie absolue. Un flou gaussien suffisamment fort ou un grand bloc de pixélisation met en échec la visualisation ordinaire et les systèmes courants de reconnaissance faciale, mais un flou faible sur une image haute résolution peut, en théorie, laisser fuir une part d'information vers des modèles spécialisés de dé-floutage. Pour une anonymisation critique, préférez la pixélisation à grand bloc, ajoutez une marge généreuse et vérifiez le résultat visuellement. Les boîtes dessinées par l'outil sont des détections, pas des affirmations d'identité, et il vous incombe de confirmer que chaque visage sensible est couvert avant publication.

Qu'en est-il du consentement et de l'éthique ?

Cet outil aide à supprimer les visages, mais n'établit pas de base légale pour prendre ou publier une photo. Obtenez toujours le consentement approprié lorsque requis, respectez les lois locales sur la vie privée et le droit à l'image, et rappelez-vous qu'une boîte détectée n'est qu'une estimation du logiciel, jamais une affirmation sur l'identité d'une personne. L'anonymisation est l'une des garanties parmi d'autres : pensez aussi à supprimer les métadonnées EXIF/localisation et à éviter d'autres détails identifiants (vêtements, tatouages, environnement) qu'un visage flouté seul ne masque pas.

Fonctionne-t-il hors ligne et avec plusieurs visages ?

Oui aux deux. Les modèles (environ 5-10 Mo) sont téléchargés une seule fois à la première utilisation et mis en cache par le navigateur ; ensuite l'outil fonctionne hors ligne. Il détecte d'un coup tous les visages qu'il trouve dans une image, idéal pour les photos de groupe et les foules, et chaque visage détecté est numéroté et sélectionnable individuellement. L'outil traite uniquement des images fixes (JPG, PNG, WEBP et autres formats courants) et exporte le résultat anonymisé en PNG, aux côtés du rapport de caviardage optionnel en JSON ou CSV.