Compression vidéo et efficacité de la détection des visages : H.264 vs H.265 vs AV1 - résultats de tests

TL;DR : Plus une vidéo est fortement compressée, plus le risque augmente que la détection automatique ne repère pas tous les visages et qu’une retouche manuelle soit nécessaire. Les différences entre H.264, H.265 et AV1 comptent, mais le facteur décisif reste surtout l’agressivité de la compression, et non le codec seul. Il est donc préférable d’anonymiser la vidéo à partir du meilleur fichier source disponible, avant l’export final. Gallio PRO floute automatiquement les visages et les plaques d’immatriculation dans les fichiers enregistrés, puis vous permet de corriger le reste manuellement dans l’éditeur intégré - localement et sans enregistrer de journaux.

La compression vidéo réduit la taille du fichier au prix d’une perte partielle d’informations visuelles, y compris celles dont l’algorithme a besoin pour reconnaître les traits du visage et définir la zone à flouter. Pour le marketing, les relations publiques, l’administration publique, les médias et les équipes compliance, la conséquence est simple : si un fichier arrive à l’étape d’anonymisation après une compression agressive, l’efficacité du floutage des visages peut baisser - non pas parce que l’outil fonctionne mal, mais parce que l’image ne contient plus assez de détails pour garantir une détection stable.

Pourquoi le codec et le niveau de compression influencent-ils le floutage des visages ?

La détection des visages repose sur des motifs géométriques et sur la texture de l’image. L’algorithme a généralement besoin d’informations suffisamment nettes sur les yeux, l’arête du nez, le contour du visage, le contraste entre la peau et l’arrière-plan, ainsi que la continuité de ces caractéristiques d’une image à l’autre. La compression peut précisément supprimer ou déformer ces éléments.

Dans la pratique, le problème apparaît principalement dans quatre situations : (1) avec un faible débit vidéo, les artefacts de bloc ou le lissage des détails augmentent ; (2) les codecs qui exploitent davantage la prédiction inter-images peuvent perdre de petites différences lors des mouvements ; (3) les visages de petite taille dans le cadre deviennent visuellement trop pauvres pour être détectés avec un haut niveau de confiance ; (4) lors de recompressions successives, par exemple après un export depuis une messagerie ou un CMS, les artefacts s’accumulent et dégradent encore davantage la qualité.

La conclusion pour le processus de publication est claire : l’anonymisation des données visuelles doit être réalisée sur le meilleur fichier source possible, avant l’export final vers Internet ou les réseaux sociaux. Dans ce type de scénario, on utilise généralement un logiciel spécialisé comme Gallio PRO : une solution on-premise d’anonymisation des données visuelles sur photos et vidéos, qui floute automatiquement uniquement les visages et les plaques d’immatriculation, ne traite pas les flux vidéo en direct ni en temps réel, et n’enregistre pas de journaux de détection, de données personnelles ni de données sensibles.

Périmètre de la détection automatique et limites de l’outil

La détection automatique couvre exclusivement les visages et les plaques d’immatriculation. Cette précision est importante, car lors de la planification d’un workflow, il est facile de surestimer le niveau d’automatisation possible. Gallio PRO ne détecte pas automatiquement les logos d’entreprise, les tatouages, les badges nominatifs, les documents ni le contenu affiché sur les écrans d’ordinateur : ces éléments doivent être floutés manuellement dans l’éditeur intégré si le contenu nécessite une anonymisation supplémentaire.

Une compression trop élevée pose donc un double problème : elle complique la détection automatique des visages et augmente en même temps le risque que l’opérateur doive corriger manuellement davantage de zones, ce qui allonge le temps de préparation du contenu avant publication.

Méthode de test : comment comparer H.264, H.265 et AV1

Comparer uniquement les noms des codecs ne suffit pas. Pour l’efficacité de la détection des visages, cinq paramètres doivent être pris en compte ensemble : la résolution, le débit vidéo, le nombre d’images par seconde, la taille des visages dans le cadre et le nombre de réexportations. Un test métier pertinent doit donc partir du même contenu source, encodé avec les trois codecs à plusieurs niveaux de qualité, puis traité dans le même pipeline d’anonymisation.

Le modèle de test le plus utile consiste à préparer une vidéo de référence en 1080p avec des visages à trois échelles : un grand visage au premier plan, un visage de taille moyenne à quelques mètres et un petit visage en arrière-plan. Encodez ensuite le fichier en H.264, H.265 et AV1 avec des réglages de compression faible, moyenne et forte. Enfin, comparez trois indicateurs : le pourcentage de visages détectés, le nombre de faux négatifs et la stabilité du suivi des visages d’une image à l’autre. Le meilleur moyen de valider ce scénario est de le faire sur les vidéos réelles de votre organisation, en choisissant de télécharger la version de démonstration pour tester la même séquence avant et après compression.

Résultats de tests pratiques : H.264 vs H.265 vs AV1

Le tableau ci-dessous doit être lu comme un résultat technique dépendant du contexte. L’efficacité de la détection n’est pas une caractéristique du codec isolé de ses réglages : elle dépend de l’implémentation de l’encodeur, du contenu de la scène, du mouvement, de l’éclairage et de la qualité de la source. Malgré cela, les tests pratiques révèlent généralement une tendance récurrente.

H.264 reste stable dans de nombreux environnements opérationnels, car il est prévisible et largement pris en charge. Avec une compression modérée, le floutage des visages conserve généralement une bonne efficacité pour les visages de taille moyenne et grande ; la baisse apparaît surtout lorsque le visage n’occupe qu’une petite partie du cadre et que la vidéo a déjà été exportée auparavant avec un autre réglage avec perte.

H.265 offre généralement un meilleur rapport qualité/taille de fichier que H.264. Pour les architectes systèmes, cela signifie des enregistrements plus légers sans perte immédiate de leur utilité pour l’anonymisation. En revanche, avec une compression plus forte, il a davantage tendance à lisser la microtexture de la peau et les petits contrastes autour des yeux : l’être humain « voit » toujours un visage, mais le modèle peut avoir moins de certitude, notamment en cas de mouvement ou de faible luminosité.

AV1 est très efficace en termes de taille de fichier et de qualité perceptuelle, mais il doit être évalué avec prudence dans un workflow d’anonymisation vidéo. Le fait qu’une vidéo soit agréable à regarder après publication ne signifie pas qu’elle a conservé les caractéristiques favorables à la détection automatique. AV1 peut être excellent pour la diffusion finale, mais il ne devrait pas toujours être le premier choix comme format d’entrée pour le floutage des visages si le contenu est déjà fortement compressé.

Résultat clé des tests : l’agressivité de la compression compte plus que le codec

L’observation la plus constante est simple : les différences entre H.264, H.265 et AV1 ont de l’importance, mais ce qui compte davantage, c’est la conservation des détails locaux du visage. Avec une compression légère, les trois codecs peuvent produire une vidéo exploitable pour l’anonymisation. Avec une compression élevée, chacun d’eux peut entraîner des visages manqués, en particulier lorsqu’ils sont petits, partiellement masqués ou vus de biais.

En pratique, cela signifie que si vous recevez des vidéos d’un sous-traitant, d’un drone, d’un système de vidéosurveillance ou d’applications mobiles, vous devez définir un standard minimal pour les fichiers entrants. Si le contenu est trop fortement compressé, le floutage automatique peut ne pas suffire et une retouche manuelle devient alors nécessaire.

Workflow recommandé pour une anonymisation sûre des données visuelles, étape par étape

1. Choisissez le meilleur fichier source disponible - et non une version déjà passée par une messagerie ou un CMS.
2. Importez la vidéo dans Gallio PRO - l’outil travaille sur des fichiers, pas sur un flux en direct ni en temps réel.
3. Lancez le floutage automatique des visages et des plaques d’immatriculation - Gallio PRO floute les visages et les plaques d’immatriculation, qui sont les deux seuls éléments détectés automatiquement.
4. Vérifiez le résultat image par image dans les zones où la compression, le mouvement ou la petite taille des visages ont pu réduire l’efficacité de la détection, puis appliquez des corrections manuelles dans l’éditeur intégré, y compris sur les éléments non détectés automatiquement.
5. Exportez la version destinée à la publication uniquement à la fin - et évitez de rendre plusieurs fois le même fichier entre services, car chaque nouvel export réduit les chances d’une détection complète. Gallio PRO n’enregistre pas de journaux de détection ni de données personnelles.

Si votre organisation travaille à grande échelle et nécessite un déploiement local, une intégration avec un circuit de fichiers existant ou un contrôle précis de l’environnement, il est préférable de contacter l’équipe afin d’échanger sur une configuration on-premise et une procédure de test adaptée.

Enjeux de conformité lors de la publication de visages et de plaques

Dans la pratique, les organisations adoptent souvent une approche prudente vis-à-vis des visages et des plaques d’immatriculation. La précision juridique reste toutefois essentielle. On ne peut pas affirmer de manière générale que le floutage des plaques d’immatriculation est obligatoire dans tous les pays d’Europe occidentale sur la seule base du droit national et européen. L’analyse dépend du contexte de publication, de la finalité du traitement et de la possibilité, dans une situation donnée, d’identifier une personne à partir de la plaque. En Pologne également, il n’existe pas de position uniforme : le statut des plaques comme données personnelles dépend des circonstances de l’affaire et de la possibilité de relier le numéro à une personne physique.

Dans le cas des visages, les organisations s’appuient généralement sur une approche plus large de la protection de l’image et des données personnelles. Il n’est toutefois pas possible de considérer que l’obligation d’anonymiser les visages découle toujours et directement du RGPD, du Code civil ou du droit d’auteur. En principe, la publication de l’image d’une personne exige une base juridique ou un consentement, et l’évaluation dépend de la finalité, du contexte et du mode d’utilisation du contenu. Le droit d’auteur prévoit des exceptions courantes à l’obligation d’obtenir une autorisation pour diffuser une image, notamment lorsqu’il s’agit d’une personne connue dans le cadre de l’exercice de fonctions publiques, ou lorsque l’image ne constitue qu’un détail d’un ensemble, comme une assemblée, un paysage ou un événement public. Le simple fait d’avoir reçu une rémunération ne constitue pas une exception distincte indépendante du consentement ; il peut en revanche indiquer qu’un consentement à la diffusion a été accordé.

FAQ - compression vidéo et efficacité de la détection des visages

H.265 offre-t-il toujours une meilleure efficacité de détection des visages que H.264 ?

Pas toujours. H.265 préserve souvent mieux la qualité avec une taille de fichier plus faible, mais avec certains réglages, il peut lisser davantage les petits détails du visage. Le résultat dépend du débit vidéo, du mouvement, de l’éclairage et de la taille du visage dans le cadre.

AV1 est-il un bon format d’entrée pour l’anonymisation vidéo ?

Cela dépend du niveau de compression. AV1 peut être très efficace, mais une bonne qualité perceptuelle pour le spectateur ne se traduit pas toujours par une qualité équivalente pour l’algorithme de détection. Pour l’anonymisation, il est préférable de tester ses propres fichiers source.

Que faire si le floutage automatique des visages ne détecte pas tous les visages ?

Une retouche manuelle dans l’éditeur est alors nécessaire. Une compression trop élevée complique l’auto-détection, en particulier pour les petits visages, les visages en mouvement et les scènes faiblement éclairées.

Gallio PRO détecte-t-il automatiquement les logos, tatouages et documents ?

Non. La détection automatique couvre uniquement les visages et les plaques d’immatriculation. Les logos, tatouages, badges nominatifs, documents et contenus affichés sur des écrans doivent être traités manuellement dans l’éditeur.

Gallio PRO fonctionne-t-il en temps réel sur un flux vidéo ?

Non. Gallio PRO ne réalise pas d’anonymisation en temps réel ni d’anonymisation de flux vidéo.

La compression influence-t-elle aussi le floutage des plaques d’immatriculation ?

Oui. Les plaques perdent en lisibilité lorsque la compression est agressive. Si les caractères deviennent flous ou se décomposent en artefacts, la détection automatique peut être moins stable, surtout en cas de mouvement du véhicule et de faible contraste.

Le logiciel enregistre-t-il des journaux contenant des données de détection ?

Non. Gallio PRO ne collecte pas de journaux contenant la détection des visages et des plaques d’immatriculation, ni de journaux contenant des données personnelles ou des données sensibles.

Ressources associées

• Anonymisation vidéo avec Gallio PRO
• Télécharger la démo gratuite
• Quand le floutage des visages et des plaques est-il suffisamment efficace ? Paramètres techniques et contrôle qualité
• Anonymisation à grande échelle : comment traiter efficacement de vastes volumes de photos et de vidéos conformément au RGPD

Texte préparé par l’équipe Gallio PRO - spécialistes de la protection des données et de l’ingénierie vidéo, créateurs d’un logiciel d’anonymisation utilisé dans la sécurité, le secteur public et les médias. Ce contenu est fourni à titre informatif et ne constitue pas un conseil juridique.

Définissez un standard d’entrée sûr pour vos vidéos avant publication et vérifiez l’impact réel de la compression sur la détection des visages.