L’algorithme de correspondance : la dernière frontière open source de la biométrie
Dans l’ensemble de la chaîne de l’identité numérique, l’open source s’est imposé progressivement comme la norme — pour les bases de données, les formats de justificatifs, les protocoles et les couches d’orchestration. L’algorithme de correspondance biométrique en restait la grande exception : l’un des derniers composants pour lesquels les systèmes dépendent encore de solutions propriétaires.
Une nouvelle publication de l’Université de Notre Dame vient entamer cette exception. Une équipe de chercheurs a mis en ligne une boîte à outils open source de reconnaissance de l’iris conçue précisément pour répondre aux exigences techniques du programme d’évaluation Iris Exchange (IREX) du NIST. L’ensemble comprend deux nouveaux algorithmes de reconnaissance fondés sur des réseaux de neurones — ArcIris (un modèle ResNet100 entraîné avec la fonction de perte ArcFace) et TripletIris (un modèle ConvNeXt-tiny entraîné avec une perte triplet « batch-hard ») — ainsi que des modèles de segmentation et d’estimation de l’iris, et des implémentations C++ conformes à IREX de méthodes existantes de Notre Dame.
Pourquoi c’est important. Le programme IREX du NIST a historiquement évalué des systèmes d’iris commerciaux et fermés. La communauté de recherche se trouvait ainsi privée d’une référence ouverte solide, rendant difficiles les tests indépendants, la reproductibilité et l’explicabilité. En fournissant du code conforme à IREX, des implémentations Python, les poids des modèles et des exemples concrets pour satisfaire aux contraintes strictes de temps et de mémoire du NIST, les auteurs abaissent la barrière à l’entrée pour les équipes académiques et open source souhaitant participer à une évaluation formelle.
La performance n’est plus le compromis qu’elle représentait autrefois. Sur plusieurs jeux de données académiques, ArcIris et TripletIris ont nettement surpassé les anciens systèmes open source et, dans certains cas, se sont approchés des performances commerciales — tout en maintenant de faibles taux d’échec à l’enrôlement sur des images difficiles.
Pour les gouvernements et les institutions publiques, l’implication est concrète. À mesure que la reconnaissance de l’iris s’étend à la gestion des frontières, aux forces de l’ordre, au milieu pénitentiaire et à l’identité numérique, la capacité de tester, reproduire, comparer et examiner les systèmes devient une exigence de gouvernance, et non un luxe. Des références ouvertes et testables de manière indépendante offrent aux évaluateurs et aux acheteurs publics un point de comparaison crédible face aux offres propriétaires.
L’open source ne résoudra pas, à lui seul, les questions de politique publique et de libertés individuelles qui entourent l’identification biométrique. Mais il change la donne quant à qui peut les poser, preuves à l’appui — et fait avancer le domaine d’un pas significatif vers une démocratisation plus large de la biométrie.
Source : Biometric Update.
Vous voulez commenter, poser une question ou rejoindre la discussion ? Continuer la conversation sur LinkedIn.