Pour renforcer la sécurité des gares, la SNCF teste un logiciel d’analyse comportementale qui pourrait être intégré à ses 40 000 caméras de surveillance, a annoncé le Secrétaire Général de l’entreprise publique Stéphane Volant le 16 décembre. Le logiciel est fondé sur le changement de température corporelle, le haussement de la voix ou le caractère saccadé de gestes qui peuvent montrer une certaine anxiété.  Outre les caméras de surveillance déjà installées, la SNCF s’interroge également sur la possibilité d’équiper ses agents de caméras portatives. Elles pourraient à la fois identifier les fraudes ou les comportements suspects, mais aussi, si nécessaire, vérifier a posteriori la conformité de l’action des agents avec le code d’éthique et de déontologie de la SNCF et la loi.

La SNCF a également mis en fonctionnement les premiers portiques en Gare du Nord. Quatre portiques seront installés au total à Paris et à Lille pour le contrôle des passagers et des bagages. Des agents de sécurité sont aussi affectés à ces opérations. Des caméras qui détectent les colis suspects restés trop longtemps au sol sont aussi en cours d’expérimentation. Enfin, au printemps, une application devrait être lancée pour permettre aux voyageurs de lancer l’alerte à partir de leurs smartphones en cas de comportements suspects. L’expérimentation en cours dans plusieurs gares est réalisée « en conformité avec la loi et sous le contrôle de la Commission nationale de l’information et des libertés (CNIL) ».

Jouer avec l’ensemble des paramètres pour évaluer la menace

Toute la difficulté pour un logiciel d’analyse comportementale  est de déterminer qu’est-ce qu’un comportement anormal. Beaucoup de questions se posent : courir dans une gare, par exemple peut-il être vu comme un comportement anormal ? La chaleur d’un individu, qui varie peu en fonction de son état de stress, d’environ 0,5°C, est-elle un bon indicateur ?

Des logiciels de ce type existent en fait déjà depuis plusieurs années, principalement pour des aéroports, explique le journal Le Monde. Qu’il s’agisse de la température corporelle, de l’expression faciale pour des clignements de yeux, les signaux sont flous, complexes à analyser, et propres à chaque personne, précise le journal. Pour déterminer un niveau de menace, il est vraisemblable qu’un logiciel devra jouer avec l’ensemble de ces paramètres. Quoiqu’il en soit, il s’agit bien de détecter une menace avant qu’elle se concrétise, aussi peut-on déjà commencer à parler d’un prémice de « sécurité prédictive ».

La reconnaissance faciale en plein développement

Parmi les différentes technologies utilisées pour détecter des comportements anormaux, la reconnaissance faciale est sûrement celle qui s’est le plus améliorée ces dernières années. L’évolution des capacités de calculs a joué un rôle important dans le développement des algorithmes de Deep Learning (apprentissage profond :  des algorithmes s’appuient sur des couches de neurones artificiels pour reproduire le fonctionnement du cerveau humain), à l’origine de progrès significatifs en matière de reconnaissance vocale et de traitement d’images. L’analyse faciale est donc déjà utilisée dans les secteurs du marketing, des jeux vidéos ou de la médecine. Depuis quelques années par exemple, est étudié la possibilité d’utiliser des algorithmes de reconnaissance faciale comme dispositif de sécurité en détectant les états de somnolence du conducteur. C’est le cas notamment de Valéo, qui utilise le Machine Learning (apprentissage intelligent). Ces algorithmes lui permettent en outre de doter d’intelligence les automobiles pour qu’elles s’adaptent à ce qu’elles voient.

Une technologie mise au point par le laboratoire de traitement du signal LTS5 de l’Ecole polytechnique fédérale de Lausanne (EPFL), en collaboration avec PSA Peugeot Citroën permet ainsi de lire sur un visage sept émotions universelles. Durant une première phase de test, le dispositif a appris à distinguer les différentes émotions des conducteurs grâce à des photos. Dans une deuxième phase de test, la vidéo est entrée en jeu, pour détecter spécifiquement la colère, également source d’accidents avec la fatigue. Ces différentes avancées donnent à penser qu’un réseau de caméras pourrait très bien, avec le même niveau de perception qu’un être humain, détecter des comportements spécifiques. Mais de là à faire le tri entre des terroristes avant qu’ils ne passent à l’acte ou des personnes particulièrement stressées ou énervées, il y a encore un pas, ou de nombreux fausses alarmes …