Fil 02 · Technologie et déshumanisation · 13 septembre 2026 · 2 min de lecture

Le cadrage qui choisissait un visage

En 2020, des internautes montrent que le recadrage automatique des photos sur Twitter favorise certains visages. L'entreprise mesure le biais, puis rend le choix aux personnes.

Nikon FM Viewfinder
Photo : Nikon FM Viewfinder · Chme82 · CC BY-SA 4.0 · via Wikimedia Commons

Le grenier à récits

C'était en septembre 2020.

Un homme de la région de Vancouver, Colin Madland, dénonça sur Twitter un fond virtuel de Zoom. Ce fond effaçait la tête de son collègue noir.

Puis il remarqua autre chose.

Sur Twitter, c'était une machine qui cadrait les images. Dans l'aperçu, elle n'avait gardé que son visage à lui.

Des milliers de gens refirent le test. Une expérience sembla montrer que l'aperçu préférait le visage du sénateur blanc Mitch McConnell à celui de Barack Obama.

L'entreprise ne se contenta pas de nier.

Le 19 mai 2021, son équipe d'éthique publia une vérification de l'outil. C'était lui qui choisissait quelle partie de l'image montrer.

Entre personnes noires et blanches, l'outil penchait de 4 %, en faveur des personnes blanches. Entre hommes et femmes, il penchait de 8 %, en faveur des femmes.

Alors l'entreprise retira le recadrage automatique. Elle montra désormais l'image entière. Ce choix, conclut-elle, revient aux personnes.

Trois membres de l'équipe l'écrivirent ainsi :

« La façon de recadrer une image est une décision que les gens prennent mieux eux-mêmes. »
Kyra Yee, Tao Tantipongpipat et Shubhanshu Mishra, blogue d'ingénierie de Twitter, 2021 (traduction libre)

En août 2021, Twitter lança un concours public de « chasse aux biais ». Les participants trouvèrent d'autres angles morts.

L'outil tendait à écarter les personnes âgées aux cheveux blancs ou gris. Il tendait aussi à couper les personnes en fauteuil roulant. Et à préférer le texte anglais au texte arabe.

Les biais d'une machine se voient mieux à plusieurs. Il fallut d'autres regards pour remarquer les absents.

Pour l'Ubuntu, chacun existe à travers les autres. Un « nous » dont on coupe certains visages n'est plus tout à fait un « nous ».

Une belle photo de groupe, c'est celle où personne n'est coupé.

Aujourd'hui, regardez autour de vous qui reste au bord du cadre.

Et vous ?

Quand une machine décide qui reste dans le cadre, qui, parmi nous, vérifie que personne n'a été laissé de côté ?

Faire voyager ce récit

Chiffres

4 %écart à la parité démographique en faveur des personnes blanches
8 %écart à la parité démographique en faveur des femmes

Sources

  1. CNBC, 2020 www.cnbc.com
  2. Twitter Engineering, « Sharing learnings about our image cropping algorithm », 2021 blog.x.com
  3. Yee, Tantipongpipat et Mishra, arXiv, 2021 arxiv.org
  4. The Register, 2021 www.theregister.com

Chaque donnée de cette page renvoie à une source publique vérifiable.

Mots-clés

À lire aussi

Fil 02

Dessine-moi un juge

En 2023, deux journalistes de Bloomberg montrent qu'un générateur d'images grossit les stéréotypes de genre et de couleur de peau. Un outil qui fabrique des images fabrique aussi des places.

Lire
Fil 02

Des erreurs qui ne tombent pas au hasard

En 2018, deux chercheuses ont montré que des systèmes de reconnaissance du genre se trompaient bien plus souvent sur certains visages. Ces erreurs ne tombent pas au hasard, et elles se corrigent.

Lire
Fil 02

Un outil trop beau pour être honnête

La GRC a utilisé un logiciel de reconnaissance faciale bâti sur des photos que les commissaires jugent recueillies illégalement. Même la police doit savoir d'où viennent ses outils.

Lire

L’article du jour

Recevez chaque récit par courriel.

Un récit vrai par jour, gratuit et sans publicité.

Ou suivez le flux RSS.