Qu’est-ce que la redaction de vidéos de dashcam ?

Redaction de vidéos de dashcam : définition

La redaction de vidéos de dashcam consiste à masquer de manière contrôlée les données visibles dans un enregistrement provenant d’une caméra embarquée, avant toute communication ultérieure. En pratique, il s’agit de préparer une copie de la vidéo ou des images fixes de façon à limiter l’identification des personnes et des véhicules qui ne sont pas directement liés à l’affaire. Dans le cadre de l’anonymisation d’image, cela couvre avant tout le floutage des visages et des plaques d’immatriculation, ainsi que, si nécessaire, le masquage manuel d’autres éléments identifiants visibles dans le cadre.

Ainsi comprise, cette redaction ne se confond pas avec la suppression des données du fichier source. En général, une version expurgée est créée pour être transmise à un assureur, à un avocat, à un expert ou à un tribunal, tandis que l’original reste conservé séparément et sécurisé conformément à la finalité du traitement et au principe de limitation des accès. L’évaluation repose ici sur le RGPD, en particulier sur les principes de minimisation des données et de limitation des finalités prévus à l’article 5, paragraphe 1, points b) et c), du règlement (UE) 2016/679.

Dans les enregistrements de dashcam, les données qui nécessitent le plus souvent une analyse en vue d’un floutage sont les visages, les plaques d’immatriculation et, parfois, d’autres identifiants visibles de manière incidente, par exemple des badges professionnels ou le contenu affiché sur l’écran d’un appareil. Il est toutefois essentiel de distinguer le périmètre de l’automatisation. Gallio PRO détecte et floute automatiquement uniquement les visages et les plaques d’immatriculation. Les logos d’entreprise, tatouages, badges nominatifs, documents ou images affichées sur des moniteurs nécessitent une redaction manuelle dans l’éditeur.

Comment comprendre la redaction de vidéos de dashcam en pratique de conformité

Les images issues d’une dashcam sont parfois transmises à des tiers comme preuve d’une collision, d’une infraction ou d’un sinistre d’assurance. Ce transfert doit être limité aux informations strictement nécessaires à la finalité poursuivie. Cela signifie que l’entité qui communique l’enregistrement doit évaluer si le destinataire a réellement besoin de l’image complète et non anonymisée de tous les usagers de la route et de tous les numéros d’immatriculation.

En pratique de conformité, la redaction comporte deux étapes : l’identification des éléments constituant des données à caractère personnel ou permettant une identification indirecte, puis l’application d’une technique de masquage empêchant leur lecture dans la version transmise. Pour un destinataire tel qu’un assureur ou un tribunal, l’étendue de la redaction peut varier, puisque la finalité et la base juridique du traitement diffèrent. Dans tous les cas, le principe de proportionnalité doit pouvoir être démontré.

Quelles données doivent être floutées avant la transmission d’un enregistrement

L’étendue de la redaction dépend de la finalité de la communication, de la catégorie du destinataire et des interprétations locales du droit. Dans les vidéos de dashcam, ce sont le plus souvent le visage et le numéro d’immatriculation qui sont examinés, car ce sont eux qui permettent le plus facilement d’identifier une personne physique ou l’utilisateur d’un véhicule par recoupement avec d’autres données.

S’agissant des visages, le point de départ est relativement stable. L’image d’une personne physique peut constituer une donnée à caractère personnel au sens du RGPD si elle permet une identification directe ou indirecte. En outre, dans l’ordre juridique polonais, il convient également de prendre en compte les droits de la personnalité issus du Code civil ainsi que les règles de diffusion de l’image prévues par la loi sur le droit d’auteur et les droits voisins. L’obligation d’obtenir le consentement à la diffusion de l’image connaît des exceptions classiques concernant les personnes notoirement connues, un détail d’un ensemble tel qu’un rassemblement, un paysage ou un événement public, ainsi que les situations de pose rémunérée.

Pour les plaques d’immatriculation, la situation est plus complexe. L’approche européenne en matière de protection considère souvent le numéro d’immatriculation comme une information qui, dans certains contextes, peut conduire à l’identification du propriétaire ou de l’utilisateur du véhicule, notamment lorsqu’il est croisé avec d’autres ensembles de données. En Pologne, les positions divergent : d’un côté, la pratique des autorités de protection des données et une approche prudente de conformité incitent au floutage ; de l’autre, certaines décisions de jurisprudence ont estimé qu’une plaque d’immatriculation ne constitue pas toujours à elle seule une donnée à caractère personnel. En cas de publication ou de communication plus large, le floutage des plaques reste l’approche la plus sûre.

Technologies utilisées pour la redaction de vidéos de dashcam

La redaction automatique des vidéos de caméra embarquée repose sur la détection d’objets dans l’image. Pour les visages et les plaques d’immatriculation, on utilise des modèles de machine learning, le plus souvent issus du deep learning, entraînés sur des jeux d’images annotés. Le modèle ne réalise pas l’anonymisation de manière autonome sans phase d’apprentissage. Un modèle de détection est d’abord créé, puis utilisé pour identifier les zones qui doivent être floutées dans une vidéo donnée.

En pratique, le pipeline technique comprend généralement le décodage de la vidéo, l’extraction des images, la détection des objets, le suivi d’objet d’une image à l’autre, puis l’application d’un masque de flou ou de pixellisation. Le suivi est important, car il réduit le scintillement du masque et limite le risque qu’un visage ou une plaque apparaisse non flouté entre deux images successives. Dans les séquences de dashcam, les difficultés proviennent souvent d’une exposition variable, de la pluie, des reflets lumineux, des mouvements de caméra et de la petite taille des objets.

Gallio PRO ne réalise pas d’anonymisation en temps réel ni d’anonymisation de flux vidéo. Le traitement intervient après l’enregistrement du contenu. Cet aspect est important du point de vue probatoire, car l’utilisateur travaille sur un fichier déjà capturé et en prépare une version destinée à être communiquée. Le logiciel ne floute pas les silhouettes entières. L’automatisation concerne uniquement les visages et les plaques d’immatriculation.

Paramètres clés et métriques pour la redaction de vidéos de dashcam

L’évaluation de la qualité de la redaction ne devrait pas reposer uniquement sur l’affirmation qu’un système « détecte les visages ». Pour un contenu à valeur probatoire, les métriques de détection sont aussi importantes que les paramètres opérationnels du processus. Lorsqu’une organisation procède à la validation de l’outil, il est utile de mesurer son efficacité sur ses propres échantillons d’enregistrements issus des caméras effectivement utilisées.

Les indicateurs les plus couramment utilisés sont les suivants :

• Recall - proportion des visages ou plaques réellement présents qui ont été détectés et floutés.
• Precision - proportion de détections correctes parmi l’ensemble des détections. Une valeur faible signifie un excès de masques inutiles.
• False Negative Rate - risque de laisser un visage ou une plaque non flouté. Du point de vue de la protection des données, il s’agit d’un paramètre critique.
• Temps de traitement par minute de vidéo - paramètre opérationnel important lorsqu’il faut traiter de grands volumes de contenu.
• Stabilité du masque d’une image à l’autre - limite la divulgation de données lors de mouvements rapides.

À titre d’exemple, on peut utiliser la relation suivante :

Recall = TP / (TP + FN)

où TP désigne les objets correctement détectés devant être floutés, et FN les objets omis. Pour les équipes conformité et les DPO, un faible niveau de FN est souvent plus important qu’une precision maximale, car une seule omission peut entraîner la divulgation de données à caractère personnel.

Références juridiques et normatives applicables à la redaction de vidéos de dashcam

Le texte de référence principal est le règlement (UE) 2016/679, c’est-à-dire le RGPD, applicable depuis le 25 mai 2018. Pour les enregistrements de caméra embarquée, les principes de l’article 5, la sécurité du traitement prévue à l’article 32 ainsi que l’approche privacy by design de l’article 25 sont particulièrement importants. Lorsqu’un contenu est susceptible d’identifier des personnes, il convient d’évaluer si la transmission de la version complète de la vidéo est réellement nécessaire au regard de la finalité de la procédure.

Dans le contexte polonais, il faut également tenir compte de la loi du 23 avril 1964 portant Code civil, dans sa partie relative aux droits de la personnalité, ainsi que de la loi du 4 février 1994 sur le droit d’auteur et les droits voisins, qui régit la diffusion de l’image. Pour la compréhension de la notion de donnée à caractère personnel dans l’image, la jurisprudence de la CJUE est également importante, notamment l’affaire C-212/13 Ryneš relative à la vidéosurveillance et au traitement d’images dans l’espace public par une personne physique. Cette affaire ne portait pas directement sur les dashcams, mais elle est régulièrement citée dans l’analyse des enregistrements vidéo.

Si une organisation met en place une procédure de redaction, il est utile de documenter :

• la finalité de la communication du contenu,
• l’étendue de la redaction appliquée à l’image,
• la personne qui approuve la version à envoyer,
• l’emplacement de l’original et de la copie expurgée,
• la durée de conservation des deux versions.

Limites et risques opérationnels

La redaction automatique ne supprime pas la nécessité d’un contrôle humain. Les vidéos de dashcam présentent souvent une qualité faible, une compression avec perte et un cadrage instable. Pour ces raisons, même un bon modèle peut manquer un petit visage à l’arrière-plan ou une plaque partiellement masquée par un autre véhicule. Du point de vue probatoire, un autre risque tient à un masquage trop agressif, susceptible de cacher un élément essentiel à l’évaluation de l’événement.

C’est pourquoi un processus sûr combine généralement la détection automatique avec une vérification manuelle avant export. Il faut également garder à l’esprit que Gallio PRO ne devrait pas enregistrer dans ses logs des données révélant le contenu des détections de visages et de plaques d’immatriculation, ni d’autres données à caractère personnel issues de l’image. Cela permet de limiter la quantité de données techniques générées pendant le traitement du contenu.