Daniela Klette : ce que la reconnaissance faciale a révélé après 30 ans de cavale

Pendant trois décennies, Daniela Klette a échappé aux recherches dans l’une des affaires criminelles les plus persistantes de l’Allemagne contemporaine. Son arrestation à Berlin, le 26 février 2024, a ravivé l’intérêt pour la Fraction armée rouge, ou RAF, mais aussi pour une question très actuelle : que permet réellement la reconnaissance faciale lorsqu’elle est mise entre les mains d’un journaliste, d’un enquêteur ou de n’importe quel utilisateur d’un service en ligne ?

Le dossier est souvent résumé par une formule spectaculaire, « retrouvée grâce à l’IA ». Elle ne rend qu’imparfaitement compte des faits. Un journaliste de Bellingcat, Michael Colborne, a bien réussi à relier rapidement le visage de Daniela Klette à une photographie trouvée sur internet à l’aide d’un outil de reconnaissance faciale. Toutefois, les autorités allemandes ont affirmé n’avoir eu aucun contact avec Bellingcat ni avec les journalistes travaillant sur cette enquête avant l’interpellation. Selon elles, l’arrestation a été déclenchée par un renseignement anonyme.

Cette distinction est essentielle. Elle ne minimise pas la portée de l’expérience journalistique. Elle rappelle au contraire qu’un outil de recherche d’images peut aujourd’hui réduire considérablement le temps nécessaire pour établir une piste, sans pour autant constituer, à lui seul, une preuve judiciaire ou une méthode officielle de police.

Une ancienne membre présumée de la RAF recherchée depuis les années 1990

Daniela Klette est associée à la « troisième génération » de la Fraction armée rouge. La RAF, organisation d’extrême gauche apparue dans l’Allemagne de l’Ouest des années 1970 autour notamment d’Andreas Baader et d’Ulrike Meinhof, a mené une campagne de violence politique faite d’attentats, d’enlèvements, d’assassinats et de braquages. Ses actions ont causé la mort de 34 personnes.

Le groupe a annoncé sa dissolution en avril 1998, mais plusieurs dossiers judiciaires liés à ses membres présumés sont restés ouverts. Daniela Klette était recherchée depuis plus de trente ans. Les autorités la soupçonnent d’implication dans plusieurs faits violents, notamment des attentats, des tentatives de meurtre et des braquages commis dans les années 1990.

Après son arrestation, elle a été placée en détention. Les accusations la concernant doivent être examinées par la justice, qui est seule compétente pour établir les responsabilités pénales et la culpabilité éventuelle d’une personne poursuivie.

Comment l’outil de reconnaissance faciale a-t-il identifié Daniela Klette ?

L’enquête journalistique est née d’une demande de confrères allemands. Ceux-ci cherchaient à vérifier l’identité d’une femme qui affirmait être Daniela Klette. Cette première piste n’a pas abouti. Michael Colborne s’est alors intéressé au portrait de la fugitive figurant dans un avis de recherche.

Il a utilisé un outil de reconnaissance faciale pour comparer ce visage à des images disponibles sur internet. Selon son récit, cette recherche a permis de faire émerger une photographie correspondant à Daniela Klette en environ 30 minutes. Le résultat a montré qu’une personne vivant sous une autre identité peut laisser, au fil des années, des traces visuelles exploitables dans l’espace numérique public.

La reconnaissance faciale ne « reconnaît » pas un individu comme le ferait un témoin humain. Le logiciel convertit une image de visage en caractéristiques mathématiques, puis cherche des ressemblances avec les photos auxquelles il a accès. La qualité du résultat dépend de nombreux paramètres : l’angle du visage, l’éclairage, l’âge des images comparées, la présence de lunettes ou d’accessoires, ainsi que l’étendue de la base de photos interrogée.

Dans le cas de Daniela Klette, l’intérêt de la démonstration réside précisément dans l’écart temporel. L’outil aurait rapproché un avis de recherche ancien et une photographie prise bien plus tard. Ce type de correspondance peut fournir une piste solide, mais ne remplace pas une vérification humaine approfondie.

Une correspondance n’est pas une preuve de culpabilité

Un résultat de reconnaissance faciale indique une ressemblance calculée, non une identité définitivement établie. Dans une enquête rigoureuse, il doit être confronté à d’autres éléments : documents, témoignages, investigations de terrain, vérifications administratives et, si nécessaire, analyses techniques encadrées par la procédure.

Cette précaution vaut d’autant plus lorsque la technologie est utilisée sur des images de mauvaise qualité ou sur de vastes populations. Les faux positifs existent : le logiciel peut désigner à tort une personne qui ressemble à celle recherchée. Inversement, il peut échouer à reconnaître la bonne personne, notamment lorsqu’une photo est ancienne ou très différente.

L’arrestation n’est pas attribuée à Bellingcat

La chronologie a son importance. L’enquête impliquant Michael Colborne et des journalistes allemands devait faire l’objet d’un podcast. Or, la police allemande a annoncé l’arrestation de Daniela Klette avant sa diffusion.

Les autorités ont déclaré qu’elles n’avaient pas échangé avec Bellingcat ni avec les journalistes concernés. Elles ont expliqué avoir reçu un renseignement anonyme, présenté comme déterminant dans la localisation de la fugitive. Il n’est donc pas exact d’affirmer que l’enquête journalistique a directement conduit la police jusqu’à Daniela Klette.

En revanche, le travail de Bellingcat apporte une information importante au débat public : indépendamment de l’enquête policière, un professionnel entraîné a pu retrouver une image associée à la personne recherchée en une demi-heure environ. La frontière entre les capacités autrefois réservées aux services spécialisés et celles désormais accessibles au public s’en trouve déplacée.

Pourquoi cette affaire relance le débat sur la reconnaissance faciale

La reconnaissance faciale est souvent présentée comme un outil utile à la sécurité publique : retrouver une personne disparue, identifier un suspect, vérifier une identité ou accélérer le traitement d’images dans une enquête. Mais les mêmes capacités peuvent permettre de pister une personne qui n’est soupçonnée d’aucune infraction, à partir d’une simple photo publiée en ligne.

Dans l’affaire Klette, l’outil a été utilisé par un journaliste d’investigation dans le cadre d’une recherche ciblée sur une personne recherchée depuis longtemps. Cette situation est très différente d’une surveillance de masse dans laquelle des caméras identifieraient en continu les passants dans l’espace public. Elle soulève néanmoins des questions communes : qui peut utiliser ces systèmes, dans quel but, sur quelles images et avec quels recours pour les personnes concernées ?

Michael Colborne a lui-même souligné la nécessité de manier ces outils avec précaution. Cette réserve s’explique par plusieurs risques concrets :

• L’atteinte à la vie privée, lorsqu’une photographie publiée dans un contexte banal peut servir à retrouver le nom, l’adresse ou les activités d’une personne.
• Les erreurs d’identification, susceptibles d’exposer une personne innocente à des soupçons, à du harcèlement ou à une intervention injustifiée.
• Les biais de performance, car l’exactitude des systèmes peut varier selon les visages, la qualité des images et les données ayant servi à les entraîner.
• Le détournement d’usage, lorsqu’une technologie conçue pour rechercher une personne devient un moyen de surveiller des citoyens, des militants, des journalistes ou des proches.

Les médias doivent-ils utiliser des outils d’identification biométrique ?

Le journalisme d’investigation repose souvent sur le recoupement d’informations publiques, la vérification de documents et l’analyse de sources ouvertes. Les outils numériques peuvent renforcer ce travail, notamment pour authentifier une image ou retrouver l’origine d’un contenu. Mais la reconnaissance faciale ajoute une dimension particulière : elle porte sur une donnée biométrique, c’est-à-dire un élément physique susceptible d’identifier une personne.

Pour un média ou un collectif d’investigation, la première exigence est donc de ne jamais traiter la réponse d’un logiciel comme un verdict. Il faut vérifier l’information par des moyens indépendants, mesurer l’intérêt public de la démarche et limiter la diffusion d’éléments pouvant mettre une personne en danger. Une ressemblance algorithmique, même forte, ne justifie ni une accusation publique ni la publication d’informations personnelles.

Le cas de Daniela Klette présente un intérêt public manifeste en raison de la gravité des faits reprochés, de la durée de sa cavale et de l’importance historique de la RAF. Il ne peut pas servir de justification générale à l’identification de n’importe quel inconnu sur internet. La proportionnalité reste le principe central : plus l’atteinte potentielle à la vie privée est élevée, plus l’objectif poursuivi doit être solide et les vérifications exigeantes.

Ce qu’il faut surveiller

L’arrestation de Daniela Klette montre que le numérique modifie durablement les enquêtes, y compris dans les affaires les plus anciennes. Une cavale de plusieurs décennies ne protège pas nécessairement contre les traces laissées par la vie quotidienne : une photo, une activité associative, un compte en ligne ou une image publiée par un tiers peuvent devenir des indices.

La question qui se pose désormais ne concerne pas seulement les forces de l’ordre. Des logiciels de reconnaissance faciale et de recherche d’images sont accessibles à des journalistes, à des entreprises et parfois à de simples particuliers. Leur diffusion impose de clarifier les règles d’usage, les garanties contre les abus et les voies de recours en cas d’erreur.

L’affaire rappelle enfin une distinction qui ne doit pas disparaître derrière l’expression « IA » : la technologie peut aider à faire émerger une piste, mais elle ne décide ni de l’identité avec certitude ni de la culpabilité. Dans un État de droit, ces étapes relèvent de vérifications humaines, d’une enquête contradictoire et de la justice.