Amazon dévoile un pipeline Nova, SAM 3 et Textract pour masquer automatiquement les données personnelles sur les images

L'AWS Machine Learning Blog a présenté un pipeline en plusieurs étapes pour masquer automatiquement les données personnelles dans les images, piloté par le modèle Amazon Nova.

Comment fonctionne le pipeline

Au cœur de la solution se trouve le raisonnement visuel contextuel d'Amazon Nova, qui coordonne plusieurs outils complémentaires plutôt que de s'appuyer sur un seul algorithme universel. Nova dirige les requêtes vers deux systèmes spécialisés et fusionne leurs résultats dans un processus unique d'édition de l'image.

• Orchestrateur du pipeline — Amazon Nova, raisonnement visuel contextuel
• Segmentation — le modèle ouvert Segment Anything Model (SAM 3) de Meta
• Où SAM 3 est déployé — sur Amazon SageMaker AI, segmentation au pixel près
• Reconnaissance de texte — Amazon Textract, reconnaissance optique de caractères (OCR)
• Cas difficiles — empreintes digitales, pièces d'identité, plaques d'immatriculation dans une orientation quelconque

Pourquoi deux outils supplémentaires sont nécessaires

SAM 3 de Meta assure la segmentation au pixel près : il délimite précisément les zones de l'image à masquer, jusqu'aux objets atypiques comme une empreinte digitale sur un document. Amazon Textract, de son côté, reconnaît le texte présent dans l'image et repère des fragments tels que des numéros de document ou des signatures que la segmentation par forme d'objet pourrait manquer. Nova relie ces deux sources de signaux en une décision unique sur les zones à éditer, afin que le résultat soit à la fois complet et conforme sur le plan juridique.

Les auteurs insistent sur le fait que le pipeline est conçu pour des cas rares et difficiles : des images où les données personnelles ne suivent pas une disposition standard, car elles sont placées en biais, partiellement masquées ou relèvent de types de données atypiques, comme les empreintes digitales.

Ce que cela signifie

L'association du raisonnement visuel de Nova, de la segmentation ouverte SAM 3 et du moteur OCR Textract montre que les pipelines de conformité modernes reposent de plus en plus non sur un seul modèle, mais sur l'orchestration de plusieurs systèmes spécialisés, chacun couvrant sa propre classe d'erreurs.