Créer votre propre outil de floutage de visages ou en acheter un ? Comparaison réelle des coûts pour les équipes techniques

En bref : si votre équipe traite des vidéos enregistrées ou des jeux de données d’images et doit flouter les visages et les plaques d’immatriculation, développer votre propre détecteur n’est moins coûteux que durant le premier mois. La maintenance, les tests de rappel, la gestion des codecs et les preuves d’audit sont des coûts qui s’accumulent. Gallio PRO est un logiciel d’anonymisation sur site destiné aux responsables techniques, aux équipes MLOps et aux propriétaires de jeux de données qui préfèrent acquérir cette maintenance sous licence plutôt que de la gérer en interne.

La décision de développer est avant tout une décision de maintenance

Presque toutes les équipes d’ingénierie qui évaluent un logiciel d’anonymisation commencent par le même débat interne : nous avons un GPU, nous avons Python, un détecteur préentraîné et un flou gaussien, cela se fait en un week-end. C’est vrai. Un prototype fonctionnel peut réellement être créé en un week-end.

Mais le prototype n’est pas le livrable. Le livrable est un processus qui produit chaque jour des résultats défendables, sur des séquences que personne n’avait anticipées, avec une trace des éléments masqués et de leur justification. C’est ce processus qui doit être pris en charge, versionné, testé et doté en ressources pendant des années. Lorsque les équipes comparent le développement interne à l’achat d’une solution, elles chiffrent généralement le week-end et ignorent la décennie qui suit.

Ce que coûte réellement une chaîne de traitement développée en interne

Voici le travail nécessaire pour passer d’un prototype à un système que vous pourriez joindre à un accord de partage de données. L’effort est exprimé en jours d’ingénierie afin que vous puissiez appliquer votre propre coût journalier chargé.

Élément de travail	Développement initial	Maintenance annuelle
Sélection du détecteur de visages et réglage des seuils	5 à 10 jours	3 à 5 jours
Détection des plaques d’immatriculation avec un modèle distinct	5 à 15 jours	3 à 5 jours
Lissage temporel et suivi entre les images	10 à 20 jours	4 à 8 jours
Gestion des conteneurs, codecs et métadonnées de rotation	5 à 10 jours	3 à 6 jours
Interface de correction manuelle pour les objets non détectés	15 à 30 jours	5 à 10 jours
Jeu de tests de rappel, infrastructure d’assurance qualité et tests de régression	10 à 15 jours	10 à 15 jours
Documentation destinée aux auditeurs et aux revues de sécurité	5 jours	3 jours

Il faut donc compter environ 55 à 105 jours pour atteindre un niveau comparable, puis 31 à 52 jours chaque année simplement pour le maintenir. Une licence Gallio PRO Standard coûte 89 € par mois, soit 1 068 € par an avec la remise annuelle. Le seuil de rentabilité est loin d’être atteint, et l’écart est d’un ordre de grandeur.

Cinq points où les chaînes de traitement internes échouent en production

1. Le rappel sur les visages difficiles. Les modèles ouverts obtiennent de bons résultats sur des visages de face, bien éclairés et à distance moyenne. Les séquences réelles comportent des profils, du flou de mouvement, des contre-jours, des caméras basses et des occultations partielles. Votre jeu de démonstration ne contiendra pas vos cas d’échec.
2. Les plaques constituent un second problème. La détection des plaques d’immatriculation est une tâche différente, avec d’autres modes d’échec, d’autres rapports hauteur/largeur et des formats propres à chaque pays. Les équipes prévoient souvent un seul modèle et découvrent qu’il leur en faut deux.
3. La cohérence d’une image à l’autre. Un visage détecté des images 1 à 40, mais manqué aux images 41 à 43, produit trois images où l’identité est exposée. En vidéo, la précision image par image n’est pas la métrique déterminante.
4. Les conteneurs et les codecs. Les métadonnées de rotation, la fréquence d’images variable, la conservation de la piste audio et l’intégrité des horodatages sont peu attrayantes, mais c’est souvent là que le destinataire refuse le fichier final.
5. L’absence de parcours de correction. Lorsqu’une automatisation manque un élément, une personne doit le corriger avant la diffusion. Sans éditeur, la solution de repli consiste à utiliser un logiciel de montage vidéo et à y consacrer un après-midi.

Pour approfondir la partie détection, consultez notre analyse du floutage des visages pour la protection des données dans le deep learning.

Le déficit de conformité qui coûte le plus cher

Le floutage est une opération technique aux conséquences juridiques, et le niveau d’exigence juridique est plus élevé que ne le supposent la plupart des projets de développement interne.

• Le considérant 26 du RGPD exclut du champ d’application du Règlement les données réellement anonymes. Les données simplement pseudonymisées restent soumises au RGPD et à toutes les obligations associées.
• L’avis 05/2014 du groupe de travail Article 29 établit les trois tests auxquels toute technique d’anonymisation doit résister : l’individualisation, la corrélation et l’inférence. Un floutage réversible ou partiel ne les satisfait pas.
• L’article 25, paragraphe 1, du RGPD impose la protection des données dès la conception et par défaut. Le masquage doit donc être l’état par défaut de l’exportation, et non une étape manuelle susceptible d’être oubliée.
• L’article 32, paragraphe 1, du RGPD exige des mesures techniques adaptées au risque et prévoit que vous puissiez les démontrer.
• L’article 35, paragraphe 3, point c), du RGPD impose une analyse d’impact relative à la protection des données en cas de surveillance systématique à grande échelle d’une zone accessible au public.
• L’article 5 du règlement européen sur l’IA, règlement (UE) 2024/1689, interdit la collecte non ciblée d’images faciales sur Internet ou par vidéosurveillance afin de constituer des bases de données de reconnaissance faciale. Cette règle transforme dès l’origine la manière dont les jeux de données visuels peuvent être constitués.

Un script interne ne dispose ni d’une documentation éditeur, ni d’une validation par un tiers, ni d’un journal des modifications qu’une autorité de contrôle peut examiner. Vous devrez produire ces trois éléments vous-même, ou ne pas les avoir lorsqu’ils vous seront demandés.

Comment décider entre développement interne et achat en six étapes

1. Définissez par écrit le périmètre du masquage. Visages uniquement, plaques uniquement, ou les deux. Identifiez séparément tous les autres éléments présents dans l’image, comme les badges, écrans ou documents, car aucun outil ne les détecte automatiquement et ils nécessiteront une vérification manuelle.
2. Constituez un jeu de tests exigeant. Prélevez 200 à 500 images issues de vos conditions les plus défavorables, et non les meilleures : nuit, pluie, grand-angle, foule dense, véhicules en mouvement.
3. Mesurez le rappel, et non la précision. La métrique importante est le nombre d’objets manqués pour mille images. Un seul visage non détecté représente une divulgation, quelle que soit la qualité de la moyenne.
4. Chiffrez la maintenance, pas le développement. Prenez la colonne de maintenance annuelle ci-dessus, multipliez-la par votre coût d’ingénierie chargé et comparez le résultat à une licence annuelle.
5. Exécutez le même jeu de tests dans la démonstration de Gallio PRO. La démonstration est gratuite et illimitée, avec filigrane et limitée à 720p ; cela suffit pour mesurer le rappel sur vos propres séquences avant tout achat. Vous pouvez télécharger la version de démonstration afin de l’évaluer sur vos fichiers.
6. Décidez en fonction du coût par heure de vidéo traitée. Incluez le temps de correction manuelle dans les deux options. Ce chiffre unique met fin à la plupart des débats entre développement interne et achat d’une solution.

Ce que fait, et ne fait pas, Gallio PRO

Gallio PRO fonctionne entièrement sur votre propre ordinateur ou serveur. Le traitement est local : les séquences ne quittent jamais votre infrastructure, et le logiciel ne conserve ni journaux de détection ni données personnelles. Il est disponible sous la forme d’une application de bureau pour Windows 10 et versions ultérieures, macOS 10.14 et versions ultérieures, ainsi que Linux avec glibc 2.35 ou une version plus récente ; il est également proposé en conteneur Docker et avec une API REST permettant son intégration à une chaîne de traitement existante. L’accélération GPU permet un traitement jusqu’à dix fois plus rapide. Les formats pris en charge sont JPG et PNG pour les images, ainsi que MP4 et MOV pour les vidéos.

La détection automatique couvre uniquement les visages et les plaques d’immatriculation. Les tatouages, badges nominatifs, logos d’entreprise, documents et écrans ne sont pas détectés automatiquement. Ils peuvent être traités dans l’éditeur manuel intégré, qui permet également de supprimer sélectivement le flou avant l’exportation. Gallio PRO traite les fichiers enregistrés et ne prend pas en charge les flux vidéo en direct. Si vous avez besoin de traiter un flux en direct, cette catégorie d’outil ne convient pas ; mieux vaut le préciser dès le départ.

Dans quels cas développer votre propre solution reste pertinent

Trois situations justifient l’investissement. Premièrement, lorsque le masquage est votre produit et non une étape de votre produit. Deuxièmement, lorsque vos principales cibles de détection sont des objets qu’aucun outil commercial n’automatise : vous devrez alors créer un détecteur dans tous les cas. Troisièmement, lorsque vos formats sortent des conteneurs d’images et de vidéos standard, par exemple des données brutes de capteurs ou de la télémétrie propriétaire.

Pour les déploiements d’entreprise, les configurations sur site spécifiques ou les cas de conformité nécessitant une analyse individualisée, vous pouvez contacter l’équipe afin d’échanger sur vos contraintes techniques.

Si vous anonymisez des données d’entraînement à grande échelle, la voie médiane la plus pratique consiste généralement à utiliser un moteur sous licence dans votre propre orchestration. Notre guide des flux d’anonymisation pour les jeux de données d’entraînement de l’IA décrit cette approche, tandis que notre article sur l’ anonymisation automatisée des vidéos et des images explique le comportement de l’étape de détection à grande échelle.

Pour la plupart des équipes, la conclusion honnête tient en peu de mots : vous pouvez créer votre propre outil de floutage de visages, mais la raison d’acheter une solution est que vous préférez consacrer ces 40 jours d’ingénierie au produit que votre entreprise vend réellement. Vous pouvez vérifier cette affirmation sur vos propres séquences grâce à l’ anonymisation vidéo avec Gallio PRO.

FAQ

Le floutage des visages suffit-il à rendre les données anonymes au regard du RGPD ?

Uniquement si le résultat satisfait aux tests d’individualisation, de corrélation et d’inférence définis dans l’avis 05/2014 du groupe de travail Article 29. Le floutage irréversible de tous les éléments identifiants peut satisfaire à cette exigence. Un floutage partiel ou réversible laisse les données à caractère personnel, et le RGPD continue de s’appliquer intégralement.

Les modèles open source peuvent-ils détecter les plaques d’immatriculation aussi bien que les visages ?

Pas directement. La détection des plaques est une tâche distincte, avec des formats et des rapports hauteur/largeur propres à chaque pays. Elle nécessite généralement son propre modèle, ses propres données d’entraînement et son propre jeu d’évaluation.

Combien de temps faut-il pour créer en interne une chaîne de traitement de floutage des visages ?

Un prototype demande quelques jours. Une chaîne de traitement prête pour la production, avec suivi, gestion des codecs, interface de correction et infrastructure d’assurance qualité, nécessite généralement 55 à 105 jours d’ingénierie, puis 31 à 52 jours de maintenance par an.

Gallio PRO floute-t-il automatiquement les tatouages, badges ou écrans ?

Non. La détection automatique couvre les visages et les plaques d’immatriculation. Tout autre élément doit être masqué dans l’éditeur manuel intégré.

Gallio PRO peut-il fonctionner sans connexion Internet ?

Oui. Le traitement est entièrement local, sur votre propre matériel, et le logiciel ne stocke ni journaux de détection ni données personnelles.