Caméras qui estiment âge et sexe : les buralistes face au défi de la vie privée

Dans une boutique, une caméra ne sert plus seulement à surveiller une caisse ou une entrée. Couplée à des algorithmes d’intelligence artificielle, elle peut désormais tenter d’estimer l’âge et le sexe apparent d’une personne qui passe dans son champ. L’information peut ensuite alimenter un écran publicitaire, des statistiques de fréquentation ou, dans le cas des buralistes, contribuer à prévenir la vente de tabac à un mineur.

Cette évolution rapproche le commerce physique de certaines pratiques déjà courantes en ligne, où les publicités sont adaptées à des profils supposés. Mais dans un magasin, l’interaction est immédiate et concerne des personnes qui n’ont pas forcément choisi de fournir une information sur elles-mêmes. La promesse commerciale se double donc d’une question simple : jusqu’où un point de vente peut-il analyser ses visiteurs ?

Une estimation démographique, pas une reconnaissance d’identité

Le principe de ces dispositifs est celui de la vision par ordinateur. La caméra capte le visage ou la silhouette d’un passant, puis un logiciel analyse des caractéristiques visuelles pour attribuer des catégories probabilistes : une tranche d’âge, un sexe apparent et, selon les solutions, des signaux associés à une expression faciale.

Il faut distinguer cette opération de la reconnaissance faciale. Cette dernière cherche à retrouver ou à confirmer l’identité d’une personne précise en comparant son visage à une base de référence. Une caméra qui estime qu’un visiteur paraît avoir entre 25 et 35 ans ne connaît pas, en principe, son nom, son adresse ni son historique d’achat. Elle produit une inférence, autrement dit une déduction automatisée fondée sur l’apparence.

Cette nuance est essentielle, sans pour autant clore le débat sur la vie privée. Un système peut ne pas rechercher une identité tout en traitant des informations relatives à une personne présente devant lui. Tout dépend notamment de ce qui est conservé, de la possibilité de suivre un individu d’un point à un autre, des données associées à l’analyse et de la manière dont les résultats sont utilisés.

Le mot « sexe » mérite aussi d’être employé avec précision. Ces caméras tentent d’assigner une catégorie à partir de signes visibles et de données d’entraînement. Elles ne peuvent pas déterminer l’identité de genre d’une personne, ni déduire avec certitude une caractéristique intime à partir d’un visage. Le résultat est une estimation du modèle, pas une information déclarée par le client.

Pourquoi les buralistes s’y intéressent-ils ?

D’après les informations rapportées, environ 200 buralistes ont déjà intégré cette technologie dans leurs établissements, avec de premières installations notamment en Centre-Val de Loire. Leur objectif mis en avant est le contrôle de la vente de tabac et la limitation du risque de remise de ces produits à des mineurs.

La vente ou l’offre de produits du tabac aux mineurs est interdite en France. Dans cette situation, un dispositif qui détecte l’arrivée d’un client paraissant jeune peut attirer l’attention du commerçant au moment de la transaction. Il ne remplace pas l’appréciation humaine, ni la vérification nécessaire en cas de doute, mais il peut constituer un filet d’alerte supplémentaire dans un commerce où les passages sont nombreux et rapides.

L’intérêt des buralistes illustre une différence importante entre deux usages souvent regroupés sous l’étiquette de « caméra intelligente » : la prévention d’une vente interdite et l’optimisation publicitaire ne répondent pas au même objectif. Dans le premier cas, la technologie est présentée comme un outil de contrôle. Dans le second, elle cherche à accroître la pertinence d’un message commercial.

Publicité ciblée et statistiques : ce que gagne le commerce

Pour les détaillants, l’attrait de ces systèmes repose sur la possibilité de mieux comprendre la clientèle présente à un instant donné. Un écran en magasin peut, par exemple, afficher une publicité jugée plus adaptée à la catégorie démographique estimée par la caméra. Les données peuvent aussi être agrégées afin d’observer les périodes de fréquentation, les zones qui attirent davantage de visiteurs ou la réaction apparente à un affichage.

L’enjeu n’est pas nécessairement de construire un dossier sur chaque client. Dans son fonctionnement le plus limité, le système peut analyser une image à la volée, afficher un message, puis ne conserver que des statistiques globales. Cette approche est très différente d’un dispositif qui enregistrerait les visages, créerait des profils individualisés ou rapprocherait ces données d’un programme de fidélité.

Pour autant, une personnalisation fondée sur l’apparence a des limites évidentes. Une personne n’achète pas mécaniquement en fonction de son âge estimé ou de son sexe apparent. Un visiteur seul peut faire un achat pour un proche, et un modèle peut se tromper sur la catégorie qu’il lui attribue. La promesse d’un affichage « sur mesure » doit donc être examinée à l’aune de sa pertinence réelle et de son coût social.

Une fiabilité variable selon les conditions de prise de vue

Ces outils fonctionnent à partir de probabilités. Leur résultat dépend de l’entraînement de l’algorithme, mais aussi des conditions concrètes de captation : éclairage, angle de prise de vue, distance, mouvement, qualité de la caméra, visage partiellement masqué ou encore diversité des personnes observées. Une estimation peut donc être assez proche dans un cas et inadaptée dans un autre.

Cette incertitude est particulièrement importante pour l’évaluation de l’âge à la frontière de la majorité. Confondre un adulte jeune avec un mineur peut créer une friction inutile au comptoir. L’erreur inverse est plus préoccupante pour un commerce qui doit faire respecter l’interdiction de vente de tabac aux mineurs. C’est pourquoi le résultat d’une IA doit être compris comme un indicateur, non comme une décision autonome.

Certaines solutions annoncent également pouvoir analyser l’« humeur » à partir des expressions faciales. Il convient là encore de rester prudent. Un visage souriant ou fermé peut être interprété de différentes façons selon les personnes et les situations. L’expression visible à un instant donné ne donne pas un accès fiable à l’état émotionnel intime d’un client.

Les risques de biais complètent la question de la précision moyenne. Si un modèle a été entraîné sur des données peu représentatives, ses erreurs peuvent être plus fréquentes pour certains groupes de population. Dans un magasin, une estimation erronée n’est pas seulement un problème technique : elle peut conduire à un affichage inapproprié, à un contrôle ressenti comme injustifié ou à une expérience dégradée.

Ne pas enregistrer les images ne suffit pas à écarter la question des données

Les systèmes déployés sont présentés comme n’enregistrant pas les images des personnes filmées. Cette caractéristique peut réduire le niveau d’intrusion par rapport à une vidéosurveillance conservant des séquences pendant plusieurs jours. Mais elle ne signifie pas automatiquement qu’aucune donnée n’est traitée : pour fournir une estimation, le logiciel doit analyser une image ou des caractéristiques extraites de celle-ci, même si ce traitement est très bref.

Le cadre européen de protection des données invite à examiner le dispositif dans son ensemble. La qualification juridique dépend des fonctionnalités activées et du contexte : le système se contente-t-il de compter des passages de façon réellement anonymisée ? Permet-il de distinguer, suivre ou relier une personne à d’autres informations ? Les résultats sont-ils stockés ? Un prestataire extérieur y accède-t-il ?

Les données biométriques bénéficient d’une protection renforcée lorsqu’elles sont traitées afin d’identifier de manière unique une personne. Une simple estimation d’âge sans identification ne relève pas nécessairement de ce cas de figure. Cela ne dispense toutefois pas l’exploitant de s’interroger sur la nécessité du traitement, sa proportionnalité, la sécurité du dispositif et l’information donnée au public.

Dans la pratique, la transparence est déterminante. Un client doit pouvoir comprendre qu’un outil automatisé analyse des caractéristiques visibles, dans quel but et auprès de qui il peut exercer ses droits lorsque le traitement relève du droit des données personnelles. Une affichette vague signalant une caméra ne renseigne pas à elle seule sur la nature exacte de l’analyse réalisée.

Un cadre européen en construction pour les systèmes d’IA

Au 3 mars 2025, le règlement européen sur l’intelligence artificielle, souvent appelé AI Act, est entré en vigueur. Ses premières interdictions sont applicables depuis le 2 février 2025, tandis qu’une grande partie de ses obligations s’appliquera plus tard. Le texte européen prévoit notamment des règles spécifiques pour certaines pratiques d’analyse biométrique et d’inférence de caractéristiques sensibles.

Un usage en magasin ne devient pas automatiquement illégal parce qu’il recourt à une caméra ou à une estimation démographique. La qualification dépend de la fonction exacte du système. Il faut différencier l’estimation d’âge, la catégorisation biométrique, l’identification à distance, l’analyse des émotions et la surveillance de comportements. Chacune de ces fonctions peut soulever des obligations et des risques distincts.

L’analyse des émotions, par exemple, fait l’objet de restrictions particulièrement fortes dans certains contextes, notamment au travail et dans l’éducation. En commerce, elle n’est pas pour autant dépourvue d’enjeux : une enseigne doit pouvoir justifier l’utilité d’une telle analyse et éviter de présenter comme certaine une déduction qui ne l’est pas.

Pour les commerçants, la question n’est donc pas seulement de savoir si une technologie est disponible. Elle est de déterminer si son utilisation répond à un besoin réel, si une solution moins intrusive existe et si les personnes concernées sont correctement informées. L’automatisation ne doit pas faire disparaître la responsabilité de l’exploitant du magasin.

Ce qu’il faut surveiller avant la généralisation

Le développement de ces caméras dans le commerce dépendra moins de leur seule sophistication que de la confiance qu’elles inspireront. Pour qu’un usage soit accepté, les enseignes devront être en mesure d’expliquer clairement ce qui est analysé, ce qui ne l’est pas, ce qui est conservé et la manière dont les erreurs sont gérées.

Trois points seront particulièrement décisifs. D’abord, la capacité des dispositifs à démontrer une utilité concrète, notamment dans la prévention de ventes interdites. Ensuite, leur précision dans des conditions réelles de magasin, au-delà des performances annoncées. Enfin, la qualité des garanties offertes aux clients : limitation des données, absence de suivi individualisé lorsqu’il n’est pas nécessaire, sécurité technique et information lisible.

La caméra intelligente pourrait devenir un outil parmi d’autres dans les points de vente. Mais son déploiement ne sera durable que si l’amélioration espérée du service ou du contrôle ne se fait pas au prix d’une surveillance banalisée et mal comprise des consommateurs.