Aux États-Unis, une équipe de chercheurs montre qu’une IA repère des similitudes insoupçonnées entre les doigts d’une même personne, bousculant un siècle de pratiques.
Selon une étude relayée par le magazine scientifique Science Advances et présentée par un média spécialisé américain, un système d’intelligence artificielle a mis en évidence un phénomène longtemps passé inaperçu par les experts en police technique : les empreintes issues de doigts différents d’une même personne partagent des traits communs, exploitables pour les enquêtes. De quoi ouvrir une nouvelle façon d’utiliser les empreintes dans les investigations criminelles, sans remettre à terre le principe de leur unicité.
Une IA révèle un nouveau « problème d’empreintes digitales »
Depuis plus de cent ans, toute l’expertise médico-légale repose sur une idée simple : chaque doigt possède un dessin de crêtes unique, impossible à confondre avec un autre. Les experts comparent donc une trace relevée sur une scène de crime avec l’empreinte d’un suspect, doigt contre doigt.
Le système d’IA présenté dans l’étude ne dit pas que ce principe est faux. Il met en lumière autre chose : les doigts d’une même main partagent une « signature » de structure globale, largement ignorée par les techniques classiques. Autrement dit, deux doigts différents d’un même individu peuvent afficher des similitudes suffisamment fortes pour être repérées par un algorithme entraîné à les chercher.
Plutôt que de demander « ces deux empreintes viennent-elles du même doigt ? », le modèle s’interroge : « ces deux empreintes, issues de doigts différents, pourraient-elles appartenir à la même personne ? »
Pour les enquêteurs, cela change la nature de la question. L’IA ne remplace pas la comparaison traditionnelle, mais ajoute une couche d’analyse : elle mesure la probabilité qu’un ensemble d’empreintes, provenant de doigts distincts, renvoie au même individu.
Le signal caché dans l’orientation des crêtes
Les détails fins ne suffisent plus
Habituellement, les spécialistes se concentrent sur la « minutie » : les points où les crêtes de l’empreinte se terminent, se divisent, ou forment des structures très particulières. C’est ce réseau de petits repères qui permet de différencier un doigt d’un autre.
Lorsque les chercheurs ont demandé au modèle d’IA de chercher des liens entre empreintes de doigts différents, ils ont constaté que ces détails fins n’étaient pas les plus utiles. L’algorithme tirait l’essentiel de ses performances d’une autre couche d’information.
Le rôle clé de l’orientation des crêtes
L’IA s’est appuyée surtout sur l’orientation des crêtes, notamment dans les zones où leur direction change brusquement. Elle analyse le « flux » général du dessin, sa géométrie globale, plutôt que de s’arrêter aux micro-détails traditionnellement utilisés en identification.
L’étude montre que les empreintes contiennent une deuxième couche d’information : des motifs structurels à grande échelle, partagés entre les doigts d’une même personne, invisibles ou négligés par les méthodes classiques.
Les chercheurs ont aussi observé que le modèle se focalisait sur les zones dites « delta », là où les directions de crêtes se croisent, et sur les grandes catégories d’empreintes : boucles, arches et tourbillons. Ces catégories, bien connues des experts, n’expliquent toutefois pas à elles seules la finesse des relations détectées par le réseau de neurones.
Des milliers d’empreintes analysées avec une confiance statistique record
Des bases de données massives aux États-Unis
Pour tester leur idée, les chercheurs ont passé au crible plusieurs grandes bases de données américaines :
- le fichier NIST SD300, géré par le National Institute of Standards and Technology, qui contient des images d’empreintes prises sur cartes (simples ou roulées) ;
- le jeu de données RidgeBase de l’université de Buffalo, avec plus de 15 000 paires d’images issues de 88 individus, mêlant prises avec smartphone et capteurs spécialisés.
Au total, environ 60 000 empreintes réelles ont servi à l’entraînement, la validation et les tests du modèle. Des empreintes synthétiques ont aussi été utilisées au départ pour l’aider à repérer des caractéristiques pertinentes avant de passer sur des données humaines.
Une séparation nette entre individus
Les scientifiques ont comparé les similarités entre empreintes de doigts différents appartenant au même individu, et entre individus différents. Le modèle parvient à tracer une frontière nette entre les deux cas, avec une confiance statistique de 99,99 % sur le fait que les ressemblances observées ne sont pas dues au hasard.
Cette valeur de 99,99 % ne traduit pas un taux de « réussite » de l’IA en identification, mais la probabilité que le signal inter-doigts d’un même individu existe réellement et ne soit pas un artefact statistique.
Les résultats restent solides quels que soient les couples de doigts étudiés, y compris lorsqu’ils proviennent de mains opposées. L’IA semble donc capter une signature propre à la personne, diffusée dans l’ensemble de ses empreintes.
Un nouvel outil pour les scènes de crime
Relier des affaires entre elles, pas désigner un coupable
Les auteurs de l’étude insistent : cette IA n’a pas vocation à remplacer les systèmes actuels de correspondance d’empreintes. Elle vient en renfort, notamment lorsqu’il s’agit de rapprocher plusieurs scènes de crime.
Scénario typique aux États-Unis, mais transposable : une enquête livre une empreinte d’index sur une première scène, et une empreinte de majeur sur une autre. Les systèmes classiques, focalisés sur la comparaison doigt à doigt, risquent de ne faire aucun lien, puisqu’il ne s’agit pas du même doigt.
Un modèle entraîné à repérer les similarités « inter-doigts » peut, lui, proposer l’hypothèse qu’il s’agit peut-être de la même personne, grâce aux caractéristiques de structure à grande échelle.
Dans cette logique, l’IA sert d’outil pour générer des pistes et réduire des listes de suspects, pas pour prouver la culpabilité ni établir formellement une identité.
Les chercheurs montrent que, utilisé comme filtre automatisé, le système peut faire passer un vaste ensemble de profils potentiels à un groupe restreint de candidats, bien plus rapidement qu’une vérification manuelle empreinte par empreinte.
Des limites fortes avant une utilisation dans les enquêtes réelles
Des performances encore inférieures aux systèmes classiques
Les auteurs reconnaissent plusieurs freins majeurs à une application opérationnelle immédiate.
- Le modèle reste moins performant que les technologies actuelles lorsqu’il s’agit de comparer deux impressions du même doigt, qui reste la base de l’identification en pratique.
- Les tests ont porté surtout sur des images de qualité, complètes et peu dégradées, loin des conditions réelles de scènes de crime.
- La qualité des traces récupérées influe fortement sur les résultats : empreintes partielles, distordues, abîmées ou déposées sur des surfaces compliquées entraînent une baisse nette de performance.
La majorité des erreurs observées dans l’étude est liée à ces problèmes de qualité d’image, constatent les chercheurs.
La question des biais démographiques
Autre sujet sensible : le risque de biais selon les profils démographiques. Les scientifiques ont évalué si le signal « inter-doigts » se retrouvait de façon comparable dans tous les groupes de participants. Globalement, le phénomène existe partout, mais certaines différences persistent entre groupes.
Les auteurs estiment que de nouvelles recherches restent nécessaires avant d’intégrer une telle IA dans des investigations de routine, notamment pour garantir que ses performances ne varient pas de manière injustifiée selon l’origine ou les caractéristiques des personnes étudiées.
Ce qui pourrait changer pour les enquêtes françaises
En France, les empreintes digitales sont traitées par les services de police technique et scientifique, ainsi que par la gendarmerie, à l’aide de fichiers automatisés qui comparent déjà des milliers d’images en quelques instants. Le principe reste similaire à celui utilisé aux États-Unis : comparaison minutieuse d’empreintes, doigt à doigt, pour vérifier une identité ou faire un rapprochement judiciaire.
Un système du type décrit dans l’étude américaine pourrait, à terme, se greffer à ces dispositifs existants comme un module supplémentaire de « rapprochement élargi ». Il servirait, par exemple, à :
- repérer que plusieurs cambriolages distants présentent des empreintes de doigts différents, mais probablement issues de la même personne ;
- prioriser certains profils dans un fichier lorsque des traces partielles ou hétérogènes sont retrouvées sur des lieux distincts ;
- orienter plus vite une enquête vers un petit nombre de suspects avant d’engager des analyses plus lourdes (ADN, expertises complémentaires).
Comme aux États-Unis, une telle technologie ne pourrait pas, en l’état des connaissances, servir de preuve autonome devant la justice française. Elle s’inscrirait plutôt dans une logique d’aide à l’enquête, au même titre que certains logiciels de rapprochement de plaques d’immatriculation ou de numéros de téléphone.
Comprendre ce que l’IA lit dans une empreinte
Pour un lecteur, la grande nouveauté tient dans la notion de « couche secondaire » d’information. On connaissait depuis longtemps les catégories générales (boucles, arches, tourbillons) et les minuties, utilisées pour distinguer de manière fine un doigt d’un autre.
Le modèle d’IA met en avant un autre niveau d’analyse : la structure globale du réseau de crêtes et leurs changements d’orientation, qui semblent porter la marque de l’individu au-delà de chaque doigt pris isolément. Ce type de motif, très difficile à quantifier à l’œil nu, se prête particulièrement bien aux réseaux de neurones, capables de digérer des milliers d’images et d’y repérer des régularités subtiles.
En reformulant la question en « ces empreintes différentes peuvent-elles venir de la même main ? », les chercheurs proposent une nouvelle façon d’exploiter la biométrie dans les enquêtes, complémentaire aux méthodes classiques.
Cette approche pourrait, à terme, s’étendre à d’autres traces biométriques exploitées en criminalistique, comme les veines de la main ou certaines caractéristiques du visage, dès lors qu’elles présentent des structures répétées entre différentes zones d’un même individu. Les débats à venir porteront autant sur la robustesse scientifique de ces signaux que sur leur encadrement juridique et éthique dans les procédures pénales françaises comme étrangères.
