Un haut-parleur grésille dans l’air calme d’une rue déserte. Une voix synthétique ordonne aux passants de regagner leur domicile. La scène s’est jouée à grande échelle lors des confinements sanitaires au début des années 2020. Elle n’appartient plus aux romans d’anticipation. Les technologies de surveillance urbaine traversent la frontière de la fiction pour s’installer dans le paysage quotidien.
La saturation des écrans de vidéosurveillance et le recours à l’intelligence artificielle
Les métropoles européennes comptent des dizaines de milliers de caméras connectées. Selon les estimations, très variables selon que l’on inclut ou non les dispositifs privés, Londres en compterait plusieurs centaines de milliers. Paris et Berlin se chiffrent, elles, en dizaines de milliers d’unités. Devant ce volume d’images impossible à traiter par des effectifs humains, la machine s’impose. La vidéosurveillance algorithmique, que le droit français désigne sous le terme de « vidéoprotection » algorithmique, analyse les flux en continu pour détecter des anomalies.
Un cadre juridique français progressif
Le dispositif s’appuie sur un empilement de textes. La loi du 21 janvier 1995 d’orientation et de programmation relative à la sécurité a posé le premier cadre de la vidéosurveillance sur la voie publique. La loi du 14 mars 2011 (LOPPSI 2) a consacré le terme de « vidéoprotection » et élargi les usages, désormais codifiés aux articles L251-1 et suivants du Code de la sécurité intérieure. La loi Informatique et Libertés de 1978, le RGPD et la directive européenne « police-justice » de 2016 encadrent le traitement des données personnelles, sous le contrôle de la CNIL. Le règlement européen sur l’intelligence artificielle de 2024 interdit en principe l’identification biométrique à distance en temps réel dans l’espace public par les forces de l’ordre, sous réserve d’exceptions strictement définies. Enfin, la loi du 19 mai 2023 relative aux Jeux olympiques et paralympiques de 2024 a autorisé, à titre expérimental, l’analyse algorithmique des images, en excluant expressément la reconnaissance faciale.
Des expérimentations aux résultats contrastés
L’organisation des Jeux olympiques de Paris a servi de rampe de lancement grandeur nature. Huit cas d’usage ont été testés sur le terrain. Le comité d’évaluation indépendant, présidé par Christian Vigouroux, a rendu en janvier 2025 un rapport qui dresse un bilan contrasté, et qui souligne des performances très variables selon les usages. Certains modules fonctionnent correctement, à l’image des alertes pour intrusions dans des zones interdites. D’autres se heurtent à la réalité complexe du terrain.
Les algorithmes de détection d’incendie confondent régulièrement les phares de voitures ou les devantures de magasins avec des départs de feux. Dans les gares, la signalisation d’objets abandonnés génère un taux élevé de fausses alertes : des bancs publics ou des personnes sans domicile fixe sont signalés comme des colis suspects, et seule une fraction des alertes correspond à un véritable danger.
Les industriels, parmi lesquels des acteurs français de l’analyse vidéo par intelligence artificielle comme Wintics, XXII, Two-I ou Evitech, présentent volontiers ces ratés comme des imperfections de jeunesse. Ils soulignent aussi que l’expérimentation a été strictement encadrée par la loi, soumise au contrôle de la CNIL, et que le comité a conclu qu’elle ne portait pas atteinte aux libertés publiques. Ces arguments sont recevables, et le législateur les a entendus puisque l’expérimentation a été reconduite. Mais la question dépasse le simple étalonnage des modèles. Le logiciel apprend à partir de régularités passées. Il peut signaler ce qui s’écarte de la norme apprise, non ce qui est dangereux : un écart statistique n’est pas une menace. Les théoriciens du risque, à commencer par Nassim Nicholas Taleb avec son « cygne noir », rappellent qu’un événement majeur surgit le plus souvent sous une forme imprévue. Un système entraîné sur le passé est structurellement mal armé pour anticiper l’inédit.
La question de la reconnaissance faciale
Au-delà des mouvements de foule et des objets, la pression monte pour autoriser l’identification biométrique en continu. Les logiciels comparent instantanément les visages captés dans la rue à des bases de données centralisées. La France, qui compte des champions de la biométrie comme Idemia ou Thales, maintient une interdiction de principe de la reconnaissance faciale en temps réel dans l’espace public, mais le débat politique reste vif. Un rapport d’inspection a d’ailleurs établi que la police nationale avait utilisé, de 2015 à 2023 et hors de tout cadre légal, le logiciel d’analyse vidéo Briefcam, capable de reconnaissance faciale. Au Royaume-Uni, dont le cadre juridique est distinct, des millions de visages ont déjà été scannés par les forces de l’ordre.
Cette bascule technologique redéfinit le contrat social. L’anonymat dans l’espace public s’érode. Les autorités invoquent la nécessité de repérer des individus ciblés. Pour y parvenir, le système doit pourtant scanner l’ensemble des passants. La surveillance devient globale pour traquer des cas particuliers.
Les dérives documentées en Amérique du Nord illustrent ce glissement. Des services de police ont exploité la base de données de Clearview AI, constituée à partir de milliards de photographies extraites de profils publics en ligne sans le consentement des personnes. Des manifestants ou des opposants politiques ont pu se retrouver ciblés par des logiciels aux mains des autorités locales. La frontière entre ordre public et contrôle politique s’efface insidieusement.
Biais et délégation
Les outils algorithmiques transportent les biais de conception de leurs créateurs. Les études du NIST américain ont montré que les taux d’erreur de nombreux algorithmes de reconnaissance faciale varient sensiblement selon l’origine, le genre et l’âge des personnes, les bases d’entraînement sous-représentant certaines populations. Ces erreurs ont des conséquences concrètes : aux États-Unis, plusieurs hommes noirs, dont Robert Williams à Détroit en 2020, ont été arrêtés à tort à la suite d’une identification algorithmique erronée. La machine se trompe, mais l’autorité publique valide l’alerte par un réflexe de déférence envers l’outil informatique.
Paradoxalement, certains professionnels de terrain formulent des réserves inattendues. Des policiers admettent ne pas souhaiter des outils parfaits. L’automatisation totale supprime le contact direct, l’échange verbal et la dimension pédagogique de la patrouille de rue. Elle déresponsabilise l’agent et distend le lien de confiance avec les citoyens.
Pour une surveillance évaluée et débattue
L’obsession de la traçabilité intégrale révèle un rapport anxiogène au réel. Vouloir neutraliser toute part d’incertitude par le calcul traduit une difficulté à accepter l’indétermination inhérente à la vie en société, ce que le sociologue Ulrich Beck décrivait comme la logique de la « société du risque », et que le panoptique de Bentham, relu par Michel Foucault, avait annoncé sous une autre forme. Le succès de ces technologies ne repose pas uniquement sur leur efficacité démontrée. Il s’inscrit en résonance avec une demande sécuritaire pressante et une industrie avide de nouveaux marchés.
Il ne s’agit pas de refuser par principe l’outil, mais d’en fixer les conditions : évaluation indépendante et publique avant toute pérennisation, publication des taux d’erreur, contrôle de la CNIL, maintien de l’interdiction de la reconnaissance faciale en temps réel, et débat parlementaire explicite à chaque extension. À défaut, la technique risque de décider à la place du politique de ce que la société accepte de voir, et de laisser voir.



