La police américaine se dote de l'IA Raven : une maison localisée à partir d'une seule photo d'intérieur

Une seule photo d'une pièce, aucune vue par la fenêtre avec une tour reconnaissable, aucun géotag. C'est avec ce type de matériau que travaille Raven, un système d'intelligence artificielle que la police américaine a adopté pour localiser des habitations. Son développeur, Graylark Technologies, mise sur une analyse complète de l'image. Les capacités de Raven ne sont pas illimitées, mais pour les enquêteurs, même un résultat partiel décide souvent de la direction à prendre et du quartier à vérifier.

Ce que l'on sait de Raven

Les détails publics sont rares. D'après l'information disponible, le système est conçu pour les intérieurs : l'utilisateur charge une photo de pièce, et l'algorithme y cherche des indices permettant de rattacher les lieux à un endroit précis. Les développeurs ne promettent pas de miracle. Raven ne transforme pas n'importe quelle image en adresse exacte ; il aide à resserrer le périmètre de recherche.

L'intérêt pratique est évident. Les photos de scènes de crime, les images tirées de conversations, les images de vidéos montrant des personnes enlevées ou disparues ne montrent souvent que l'espace intérieur. Jusqu'ici, ce matériau était évalué à la main : on examinait l'agencement, les finitions, le mobilier, les prises et les interrupteurs, la vue derrière la fenêtre. Raven automatise ce travail et, d'après la description, agrège une multitude de petits indices en une évaluation unique.

Comment cela peut fonctionner

Dans la description accessible, l'entreprise n'a pas dévoilé l'architecture du modèle. Ce qui suit relève donc des approches habituelles, et non de détails confirmés sur Raven. Les systèmes de géolocalisation par l'image comparent généralement un cliché à une vaste base de photos et apprennent les particularités régionales : style de construction, matériaux courants, formes des fenêtres et des portes, normes d'appareillage électrique, indices climatiques. L'intérieur est plus difficile que la rue, car il offre moins de repères uniques, et le mobilier comme les finitions se répètent massivement à travers le pays.

Il n'y a donc pas de « capacités illimitées » ici. Le résultat dépend de la qualité de la photo, du nombre de détails caractéristiques dans le cadre et de la bonne représentation de la région dans les données d'entraînement.

Ce que l'on peut dire du système à partir des données disponibles :

• développeur : Graylark Technologies ;
• utilisateurs : des services de police aux États-Unis ;
• données d'entrée : une seule photo de l'intérieur d'une maison ;
• résultat : un emplacement supposé du logement, qui resserre la recherche ;
• la précision, la taille du jeu d'entraînement et le taux d'erreur n'ont pas été rendus publics.

Le dernier point est le plus important. Sans tests indépendants, impossible d'évaluer Raven. Dire que l'outil « aide » ne revient pas à dire qu'il « trouve », et le coût d'une fausse correspondance dans le travail policier est élevé.

Risques : erreur et détournement

Ces outils posent deux problèmes. Le premier est technique : le modèle renvoie un quartier plausible mais faux, et l'enquêteur prend cette piste pour un fait. Le domicile d'un tiers peut alors devenir suspect, et une perquisition ou un contrôle peut toucher des personnes sans aucun lien avec l'affaire. Il faut des indicateurs de confiance lisibles et une règle selon laquelle le résultat de Raven sert uniquement de motif de vérification, et non de fondement à une action.

Le second problème tient au contrôle des accès. Une technologie qui détermine une adresse à partir d'une photo de pièce ne sert pas qu'à retrouver des ravisseurs. On peut l'appliquer à des images issues des réseaux sociaux, à des photos de places de marché et à tout cliché où une personne a montré son domicile. On ignore pour l'instant quels journaux de requêtes le système conserve, si une autorisation judiciaire est requise et qui audite les recherches effectuées.

Que faire pour les équipes et les utilisateurs

Pour les services de police, le minimum opérationnel est le suivant : consigner chaque requête adressée à Raven, exiger du fournisseur des métriques de précision sur des données réelles et recouper le résultat avec des sources indépendantes avant toute action sur le terrain.

Pour les entreprises qui développent des produits de vision par ordinateur, le signal est encore plus simple. Les photos d'intérieur sont devenues une source de données de localisation : dans les politiques de confidentialité et de modération, il faut donc les traiter comme des photos géotaguées.

Pour le grand public, le conseil est prosaïque. Avant de publier une photo prise chez vous, vérifiez ce qui apparaît dans le cadre : fenêtres, mobilier standard, objets porteurs d'indices régionaux. Une image avec un minimum de détails laissera moins de prise à l'algorithme. Mais aucune astuce ne garantira l'anonymat.