Contexte et objectif

Clearview AI, connu pour sa base de données de plus de 3 milliards d'images faciales, a annoncé un projet pilote avec plusieurs services de police américains. L’objectif déclaré est de fournir aux enquêteurs un tableau instantané des activités publiques d’une personne identifiée, en agrégant posts, commentaires et métadonnées provenant de réseaux sociaux, forums et sites d'actualités. Le produit, présenté comme une extension du service de recherche d’image, s’appuie sur un modèle de langage large pour extraire et résumer les informations pertinentes.

Architecture technique du prototype

Le flux de données débute par un moteur de crawling qui interroge les API publiques de plateformes telles que Twitter, Instagram et Reddit. Chaque requête utilise un identifiant facial fourni par Clearview pour récupérer les comptes associés via des correspondances d’image. Les contenus récupérés sont stockés temporairement dans un data lake chiffré (AES‑256) avant d’être transmis à un modèle de génération de texte, basé sur une version fine‑tunée de GPT‑4, qui produit un résumé de 5 à 10 phrases. Le résultat est renvoyé via une API REST sécurisée, accessible uniquement aux comptes autorisés des forces de l’ordre.

curl -X POST https://api.clearview.ai/v1/search \
  -H "Authorization: Bearer YOUR_TOKEN" \
  -d '{"image_url":"https://example.com/photo.jpg","include_activity":true}'

Le service impose un quota de 100 requêtes par jour par agence et conserve les logs pendant 30 jours, conformément aux engagements internes de rétention minimale. Le code d’orchestration repose sur Kubernetes, avec des pods isolés par namespace pour chaque client afin de limiter les risques de contamination croisée.

Analyse des risques et limites

Le principal point de vulnérabilité réside dans la dépendance aux API tierces. Les limites de taux imposées par les plateformes peuvent entraîner des retards, tandis que les changements de politique d’accès (par ex. suppression de l’API de recherche) pourraient interrompre le flux de données. Sur le plan de la précision, le modèle de résumé hérite des biais du LLM sous‑jacent : il peut omettre des faits pertinents ou amplifier des informations déjà publiques, ce qui augmente le risque de conclusions erronées lors d’enquêtes.

Du point de vue juridique, le traitement de données personnelles, même publiques, est soumis au RGPD et aux lois locales sur la protection de la vie privée. Clearview AI indique que les données sont agrégées sans stockage permanent, mais aucune tierce partie ne peut vérifier la conformité du processus de suppression après la période de rétention. Enfin, la capacité à relier une image faciale à un profil en ligne crée un vecteur de surveillance de masse, soulevant des questions éthiques quant à l’équilibre entre efficacité policière et respect des libertés individuelles.