Vidéosurveillance algorithmique : ce que la revue Réseaux révèle de ses limites

Une caméra peut filmer une rue, un quai de gare ou l’allée d’un supermarché pendant des heures. Un algorithme, lui, est censé attirer l’attention sur l’instant qui compte : un objet déposé, un attroupement inhabituel, un comportement interprété comme suspect. Cette promesse d’une sécurité plus réactive a accompagné l’essor de la vidéosurveillance algorithmique en France. Mais l’enquête réunie par la revue Réseaux invite à regarder derrière l’écran : ce ne sont pas seulement des machines qui « voient », mais toute une chaîne de décisions et de travail humains.

Le numéro consacré aux « politiques numériques de la sécurité urbaine » s’éloigne des discours trop simples. Il ne présente ni les algorithmes comme une solution automatique à la délinquance, ni comme des outils omnipotents capables de transformer à eux seuls l’espace public en zone de contrôle total. Son apport est ailleurs : suivre concrètement ce que ces dispositifs font, ce qu’ils ne font pas, et la manière dont des personnes les rendent utilisables au quotidien.

De quoi parle-t-on quand on évoque la vidéosurveillance algorithmique ?

La vidéosurveillance algorithmique associe des caméras à des logiciels capables d’analyser automatiquement des flux d’images. À la différence de la simple consultation d’écrans par un opérateur, l’objectif est de configurer des détections pour qu’un système signale certains événements ou certaines configurations visuelles.

En France, cette technologie s’est intensifiée depuis plusieurs années. D’abord envisagée à des fins statistiques, elle a été étendue à des objectifs de sécurité, tout particulièrement dans le contexte des Jeux olympiques et paralympiques de Paris 2024. Parmi les situations recherchées figurent les mouvements de foule et les objets abandonnés.

Le principe paraît intuitif : un logiciel analyse davantage d’images qu’un seul opérateur ne pourrait en regarder. Pourtant, entre une image et une alerte utile, plusieurs opérations sont nécessaires. Il faut définir l’événement à repérer, fournir au système des exemples, vérifier les résultats, puis décider de la suite à donner à l’alerte. Un programme ne comprend pas une intention humaine, il rapproche des formes, des mouvements ou des séquences de ce qui lui a été appris.

Pourquoi les images ne deviennent-elles pas lisibles toutes seules ?

L’article « Qui rend lisibles les images ? », signé par les sociologues Clément Le Ludec et Maxime Cornet, observe minutieusement deux systèmes de vidéosurveillance algorithmique. Son titre résume le cœur du problème : pour qu’une machine puisse reconnaître une situation, quelqu’un doit d’abord rendre cette situation « lisible » sous une forme compatible avec le calcul.

Ce travail passe notamment par le nettoyage et l’annotation des images. Annoter ne consiste pas uniquement à dessiner des cadres autour d’objets ou de silhouettes. Il faut aussi décider quelles séquences illustrent le phénomène recherché, lesquelles doivent être écartées et de quelle façon un événement sera décrit. Ces opérations conditionnent l’apprentissage du système.

Cette réalité contredit l’idée d’une surveillance entièrement automatisée. Les algorithmes sont alimentés par des catégories qui ont été élaborées par des humains. Ils reflètent donc nécessairement les limites de ces catégories. Dans le cas d’une détection de mouvements de foule, par exemple, il faut avoir déterminé ce qui distingue un rassemblement ordinaire d’une configuration jugée préoccupante. Dans le cas d’un objet abandonné, il faut convertir une situation concrète, toujours dépendante du lieu et du contexte, en signes visuels que le programme peut traiter.

L’enquête souligne également que l’intervention humaine ne s’arrête pas à la phase d’entraînement. L’analyse des événements peut aussi être effectuée en temps réel par des annotateurs situés à Madagascar. Cette organisation rappelle que l’intelligence dite artificielle repose sur des infrastructures, des procédures et du travail humain, parfois éloigné des lieux placés sous surveillance.

Le vol à l’étalage, un exemple de simplification du réel

Le cas d’un outil conçu pour détecter le vol à l’étalage rend ces mécanismes particulièrement visibles. Comment transformer en signal informatique un acte qui ne se résume pas à une posture ou à un geste isolé ? Les annotateurs doivent désigner des comportements considérés comme suspects. Or un mouvement de main, le fait de se pencher, de manipuler un article ou de se déplacer entre des rayons ne disent pas, à eux seuls, ce qu’une personne est en train de faire.

Le système exige toutefois que la réalité soit simplifiée. Pour apprendre, il lui faut des exemples classés, des catégories suffisamment stables et des séquences comparables. Ce passage obligé peut produire des dysfonctionnements : l’outil devient dépendant d’indices visuels réducteurs, alors que l’interprétation d’un comportement suppose habituellement un contexte plus large.

La revue ne soutient pas que les concepteurs ignoreraient cette difficulté. Elle montre plutôt qu’elle est inhérente au projet même de faire reconnaître, par un dispositif technique, une notion sociale et juridique aussi complexe qu’un comportement suspect ou une infraction. Une machine peut repérer une régularité dans les images. Elle ne remplace pas le travail de qualification qui permet de comprendre ce qui se passe réellement.

Quand les usages réels s’écartent de la promesse initiale

Le second enseignement de l’enquête concerne le devenir opérationnel de ces outils. Dans le cas du dispositif mobilisé contre le vol à l’étalage, l’absence de réduction des vols conduit les opérateurs à s’appuyer davantage sur la vidéosurveillance traditionnelle et à réduire leur recours à l’intelligence artificielle. L’algorithme n’efface donc pas nécessairement les méthodes antérieures : il peut être abandonné, contourné ou relégué lorsqu’il ne répond pas aux attentes sur le terrain.

Un autre système étudié vise la détection d’infractions routières. Là encore, la question n’est pas seulement de savoir si un logiciel peut identifier une scène donnée. L’enquête montre qu’il tend à concentrer son attention sur des zones déjà surveillées. Sa vision du problème est alors limitée aux endroits où les caméras sont installées et où l’organisation est en mesure de traiter les informations produites.

Cette observation a une portée plus générale. Une carte de la sécurité établie à partir de dispositifs numériques peut aussi refléter la carte des équipements, des priorités administratives et des pratiques de surveillance existantes. Ce qui n’est pas filmé, mal cadré ou difficile à annoter risque de rester hors du champ de l’outil. Inversement, les zones déjà équipées fournissent davantage d’images, donc davantage d’événements à examiner.

Les opérateurs cherchent alors parfois de nouvelles applications à ces systèmes, y compris au-delà des usages initialement envisagés. Cette logique de réaffectation pose une question simple : un équipement conçu pour un objectif précis est-il pertinent lorsqu’on lui confie un autre problème ? La disponibilité d’une technologie ne suffit pas à démontrer l’utilité de chaque nouvel usage.

Pourquoi l’évaluation de l’efficacité est-elle centrale ?

La décision de prolonger l’expérimentation de la vidéosurveillance algorithmique jusqu’en 2027 nourrit les débats. Un rapport d’évaluation mentionné dans le dossier a relevé une efficacité relative du système. Pour la revue Réseaux, ce constat ne doit pas être noyé sous les promesses d’innovation ou les prises de position de principe.

Évaluer un outil de sécurité demande de distinguer plusieurs questions. A-t-il techniquement repéré les scènes prévues ? A-t-il généré des alertes exploitables ? Ces alertes ont-elles permis de prévenir une infraction ou d’améliorer l’intervention ? Enfin, observe-t-on réellement une évolution des faits que le système était censé combattre ? Ces niveaux ne se confondent pas.

Un dispositif peut détecter certaines configurations visuelles sans produire l’effet attendu sur la délinquance. Il peut aussi occuper du temps de travail, exiger des vérifications fréquentes ou déplacer l’attention vers des scènes faciles à capter plutôt que vers les problèmes les plus importants. À l’inverse, constater les limites d’un outil ne revient pas à lui attribuer des pouvoirs qu’il n’a pas. La revue met ainsi en garde contre deux exagérations : l’optimisme technologique qui suppose l’efficacité, et une opposition qui surestimerait elle aussi la puissance concrète de ces systèmes.

Vie privée, responsabilité et choix de société

La sécurité urbaine ne se mesure pas seulement au nombre d’alertes produites. Le déploiement de systèmes qui analysent des images dans des lieux fréquentés soulève des interrogations sur la vie privée, la proportionnalité de la surveillance et les garanties offertes aux personnes. Plus l’usage d’un outil est étendu, plus il importe de savoir qui fixe ses paramètres, qui accède aux images, qui traite les alertes et qui répond de ses erreurs.

Les travaux présentés par Réseaux apportent ici un déplacement utile. Les biais ne sont pas seulement une propriété abstraite d’un code informatique. Ils peuvent naître de décisions très concrètes : le choix des images d’entraînement, la définition d’un geste suspect, l’emplacement des caméras, les consignes données aux annotateurs ou la manière de mesurer un résultat.

Cette approche invite aussi à ne pas isoler la technique de son environnement. Une même solution peut avoir des effets différents selon le lieu où elle est déployée, l’objectif qui lui est assigné, la formation des équipes et les procédures prévues lorsqu’une alerte apparaît. La régulation ne porte donc pas uniquement sur l’autorisation d’utiliser un algorithme, mais également sur les finalités, les contrôles et l’évaluation continue de ses usages.

Ce qu’il faut surveiller d’ici à 2027

La prolongation de l’expérimentation place les pouvoirs publics, les collectivités, les opérateurs et les citoyens face à une exigence de preuve. Les années à venir devront permettre de documenter ce que les systèmes détectent effectivement, les erreurs ou les dysfonctionnements qu’ils rencontrent, leur influence sur le travail des agents et leur impact mesurable sur les objectifs de sécurité affichés.

Il faudra également examiner l’écart entre l’usage annoncé et l’usage réel. Lorsqu’un système conçu pour une situation précise est déplacé vers d’autres missions, les mêmes questions doivent être reposées : dispose-t-on d’images et de catégories adaptées ? L’outil répond-il à un besoin établi ? Les personnes concernées bénéficient-elles de garanties suffisantes ?

L’enquête de Réseaux rappelle finalement une idée essentielle dans le débat sur l’intelligence artificielle : les algorithmes n’agissent jamais dans le vide. Ils organisent des choix humains, les rendent plus rapides ou plus systématiques, mais ne les rendent pas neutres par magie. Pour juger la vidéosurveillance algorithmique, il faudra donc regarder autant ses conditions de fabrication et d’emploi que les performances qu’elle promet.