Une photo de famille jaunie, pliée, tachée par l’humidité : avant même de lancer une recherche par visage, le problème se joue au niveau du signal exploitable par les algorithmes de reconnaissance faciale. La question n’est pas seulement « peut-on retrouver quelqu’un avec une vieille photo ? », mais plutôt : quel niveau de dégradation rend la recherche impossible, et comment la restauration par IA modifie-t-elle les chances de succès ?
Restauration IA de photos anciennes : le piège de l’hallucination faciale
Les frameworks de restauration aveugle de visages (blind face restoration) comme GenR, développé par l’IIT Gandhinagar et l’IIT BHU, reconstruisent des visages très dégradés sans image de référence propre. Ces modèles s’appuient sur des générateurs type StyleGAN pour produire une version plausible du visage, puis la raffinent jusqu’à obtenir une cohérence avec les indices résiduels de la photo originale.
Le résultat est souvent impressionnant visuellement. En revanche, l’IA ne récupère pas de données perdues, elle produit une approximation statistique des traits à partir de millions de visages d’entraînement. Sur une photo très abîmée, le modèle peut inventer une forme de mâchoire, un écartement des yeux ou une épaisseur de lèvres qui n’existaient pas sur le cliché original.
Nous observons que ce problème est rarement mentionné dans les articles grand public sur la restauration photo. La conséquence directe : soumettre une photo « restaurée » à un moteur de reconnaissance faciale peut générer des correspondances erronées, puisque l’algorithme compare des traits partiellement inventés par le générateur.
Quand la restauration fausse la reconnaissance faciale
Le scénario classique est le suivant : un utilisateur numérise une photo abîmée, la passe dans un outil de restauration IA, puis lance une recherche inversée. Si la dégradation initiale était modérée (rayures, jaunissement, léger flou), la restauration améliore effectivement les chances de correspondance.
Si la dégradation touchait les zones discriminantes du visage (contour des yeux, arête du nez, proportions de la mâchoire), la restauration produit un visage cohérent mais potentiellement différent de la réalité. Dans ce cas, la recherche faciale identifie le visage restauré, pas la personne réelle.
Numérisation de photos anciennes : résolution minimale pour une recherche par visage
Avant toute restauration ou recherche inversée, la numérisation conditionne tout le processus. Un scan à basse résolution détruit des micro-détails faciaux que même les meilleurs algorithmes de restauration ne peuvent reconstituer.
- Pour une photo format carte de visite (6 x 9 cm environ), nous recommandons une numérisation à haute résolution, bien au-delà des réglages par défaut des scanners grand public, afin que le visage occupe suffisamment de pixels exploitables.
- Les scanners à plat avec rétroéclairage donnent de meilleurs résultats sur les tirages argentiques que les scanners à capteur CIS, car ils captent davantage de détails dans les ombres du visage.
- Les photos prises au smartphone (photo d’une photo) introduisent des distorsions géométriques et des reflets qui dégradent la reconnaissance faciale. Un scan dédié reste préférable.
La qualité de la numérisation est le facteur le plus sous-estimé. Un outil de reconnaissance faciale performant échoue systématiquement sur un scan médiocre, même si la photo originale était en bon état.
Recherche inversée sur photo ancienne : limites des outils actuels
Les moteurs de recherche inversée d’images (Google Images, TinEye) et les plateformes spécialisées en reconnaissance faciale fonctionnent sur des principes différents. Les premiers comparent des caractéristiques visuelles globales de l’image. Les seconds extraient un vecteur biométrique du visage et le comparent à une base de données.
Recherche inversée classique vs reconnaissance faciale
La recherche inversée classique repère si une image identique ou similaire a été publiée en ligne. Pour une photo ancienne jamais numérisée auparavant, cette approche ne retourne rien. Elle fonctionne uniquement si la même photo (ou une version proche) circule déjà sur le web.
La reconnaissance faciale, elle, peut théoriquement identifier un visage même sur une photo inédite, à condition que la personne apparaisse ailleurs dans la base indexée. Les bases de données indexent principalement les profils publics des réseaux sociaux, les forums et certains sites de rencontres. Une personne absente de ces plateformes reste introuvable par ce biais.
Photos antérieures aux années 1950 : un angle mort
Pour les photos datant d’avant la seconde moitié du XXe siècle, les chances de correspondance par reconnaissance faciale sont quasiment nulles. Les personnes photographiées n’ont jamais eu de présence numérique. La recherche se déplace alors vers un autre terrain : la généalogie collaborative.
Des plateformes comme Portraits anciens permettent de publier des photos non identifiées pour que d’autres généalogistes puissent les reconnaître. Ce n’est plus de la reconnaissance faciale algorithmique, mais de la reconnaissance humaine assistée par le réseau. Pour les photos les plus anciennes, c’est souvent la seule piste viable.
Protocole concret pour augmenter les chances de retrouver quelqu’un avec une photo abîmée
Nous recommandons de suivre un ordre précis, car chaque étape conditionne la suivante.
- Numériser la photo à la résolution la plus haute possible, sur un scanner à plat, en désactivant les corrections automatiques de couleurs et de netteté qui peuvent altérer les détails faciaux.
- Évaluer le niveau de dégradation du visage avant toute restauration. Si les yeux, le nez et la bouche sont lisibles, passer directement à la recherche faciale sans restauration préalable.
- Si le visage est fortement dégradé, appliquer une restauration IA en conservant la version non restaurée. Soumettre les deux versions (originale et restaurée) au moteur de recherche pour comparer les résultats.
- Croiser les résultats de la reconnaissance faciale avec des recherches contextuelles : inscription au dos de la photo, nom du studio photographique, éléments vestimentaires datables, décor identifiable.
Le croisement des approches algorithmiques et contextuelles reste la méthode la plus fiable. Aucun outil de reconnaissance faciale ne fonctionne seul sur une photo très ancienne.
La restauration IA des photos anciennes progresse rapidement, mais elle crée un paradoxe opérationnel : plus la photo est abîmée, plus la restauration est spectaculaire visuellement, et plus le risque d’hallucination faciale augmente. Garder cette limite à l’esprit évite de suivre de fausses pistes et de perdre un temps considérable sur des correspondances qui n’en sont pas.
