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 ou vidéo quitte-t-elle l'appareil quand j'anonymise des visages ?

Non. Flouter Visages effectue la détection et le floutage entièrement dans votre navigateur. L'image ou la trame vidéo est décodée dans un Canvas en mémoire, un détecteur de visage (MediaPipe FaceDetector, BlazeFace ou YOLOv8-face via Transformers.js) trouve les boîtes localement, et le noyau de flou est appliqué via l'API filter 2D du Canvas ou un fragment shader WebGL. Aucun pixel n'est téléversé, aucune métadonnée n'est journalisée. C'est crucial pour la conformité RGPD, la protection des sources journalistiques, la rédaction de preuves judiciaires et tout flux où envoyer l'image originale à une API cloud serait précisément la violation de vie privée que vous cherchez à éviter.

Quel détecteur de visage l'outil utilise-t-il en interne ?

Le détecteur par défaut est Google MediaPipe FaceDetector (variante BlazeFace short-range pour les selfies, long-range pour les foules), choisi pour sa taille (~1 Mo après quantification), sa vitesse (plus de 100 fps sur CPU de téléphone) et son rappel quasi parfait sur les visages frontaux. Pour les visages inclinés, occlus ou de profil, l'outil peut basculer sur un YOLOv8n-face (~12 Mo) chargé via Transformers.js, qui troque de la vitesse contre un rappel nettement supérieur sur photos de foule réelles. Les deux tournent dans le navigateur via WebAssembly avec SIMD en CPU ou WebGPU sur GPU compatible. Le détecteur émet des boîtes (x, y, w, h) ensuite dilatées par un facteur de padding configurable avant floutage.

Le floutage empêchera-t-il vraiment les systèmes de reconnaissance faciale d'identifier la personne ?

Un flou gaussien avec un rayon assez large (typiquement 30+ pixels en 720p) met en échec les modèles modernes comme ArcFace et FaceNet, qui ont besoin de landmarks reconnaissables des yeux/nez/bouche à au moins 80x80 pixels. Cependant, un flou faible ou une mosaïque basse résolution peut encore fuiter l'identité vers des réseaux spécialisés de dé-floutage entraînés en adversarial. Pour une anonymisation critique (lanceurs d'alerte, manifestations), préférez des barres noires ou une pixellisation avec blocs de 32+ pixels plutôt qu'un flou léger, et vérifiez en relançant un détecteur pour confirmer qu'aucun visage n'est détectable. L'outil expose le rayon de flou et la taille de bloc en sliders pour calibrer selon votre modèle de menace.

Peut-il traiter une vidéo image par image pour anonymiser tout un clip ?

Oui. L'outil décode la vidéo via l'API WebCodecs ou un HTMLVideoElement, traite chaque trame par le pipeline détecteur + floutage et ré-encode le résultat avec MediaRecorder API ou WebCodecs VideoEncoder. Sur un portable récent avec WebGPU, du 1080p 30fps peut être traité à 2-4x le temps réel selon le nombre de visages par trame. Pour les longues vidéos, un suivi de lissage temporel (assignation hongroise entre détections consécutives) est utilisé pour garder les régions floutées stables entre les trames et éviter le scintillement dû à la re-détection indépendante. La sortie est un fichier WebM ou MP4 téléchargeable produit entièrement côté client.

Et si le détecteur rate un visage — puis-je ajouter des boîtes manuellement ?

Oui — les détecteurs atteignent typiquement 95-99% de rappel sur des photos standard mais peuvent rater les angles extrêmes, les occlusions fortes (masque + lunettes) ou les visages sous 24 pixels. L'outil vous permet de dessiner des rectangles supplémentaires sur le canvas pour forcer le flou des régions que le détecteur a manquées. Vous pouvez aussi abaisser le seuil de confiance (0,5 par défaut) jusqu'à 0,2 pour capter plus de visages à faible confiance, au prix de plus de faux positifs sur des motifs en forme de visage (cadrans d'horloge, personnages). Pour le traitement par lots, faites d'abord une passe à fort rappel puis vérifiez visuellement les oublis avant d'exporter.

En quoi MediaPipe FaceDetector diffère-t-il d'un modèle de visage basé sur YOLO ?

MediaPipe FaceDetector est bâti sur BlazeFace, un détecteur single-shot avec une tête de régression sans ancres conçue par Google spécifiquement pour les caméras selfie mobiles et l'AR. Il est extraordinairement rapide (moins de 5 ms par trame sur GPU de téléphone) et minuscule (~1 Mo), mais optimisé pour les visages frontaux et droits à distances de selfie typiques. YOLOv8-face est un détecteur d'objets généraliste adapté aux visages, avec un rappel nettement meilleur sur les profils, angles, foules ou basses résolutions. Le compromis est un modèle 10x plus gros et une inférence 5-10x plus lente. Pour anonymiser des foules de manifestation, des vidéos de surveillance ou de la photo de rue, YOLO est plus exhaustif ; pour les filtres selfie et les visioconférences, MediaPipe l'emporte.

Puis-je utiliser WebGPU pour accélérer le flou sur de grandes images 4K ?

Oui — flou gaussien et pixellisation sont parallèles à souhait et bénéficient énormément du GPU. En WebGPU via un compute shader, une image 4K peut être floutée en moins de 10 ms contre 100-300 ms avec le filtre 2D canvas en CPU, même pour un noyau gaussien de 51 pixels. L'outil utilise des fragment shaders WebGL2 comme chemin GPU principal pour un meilleur support navigateur, et des compute shaders WebGPU quand disponibles pour des implémentations à noyau séparable qui minimisent les lectures de texture. Pour un traitement infra-seconde de photos haute résolution, le flou GPU est la bonne voie ; le CPU reste acceptable sous 1080p.

L'outil floute-t-il aussi les plaques d'immatriculation, noms ou autres infos personnelles (PII) ?

Par défaut, le détecteur ne cible que les visages humains. Pour anonymiser des plaques d'immatriculation, il faudrait un détecteur spécifique (par ex. YOLOv8 entraîné sur CCPD ou OpenALPR) et pour anonymiser du texte ou des noms visibles dans la trame, une passe OCR comme Tesseract.js avec sélection manuelle de région. Certains pipelines exécutent les trois détecteurs (visage, plaque, texte OCR) et unissent les boîtes. L'outil se concentre actuellement sur les visages car c'est le besoin de redaction le plus courant, mais la fonction de dessin manuel de rectangle vous permet de flouter n'importe quelle zone rectangulaire — plaques, badges, contenu d'écran — sans détecteur spécialisé.