# Flouter les visages sur une photo

> Le bouton Trouver les visages fait tourner dans votre navigateur YuNet, un modèle de détection de visages publié par OpenCV ; il se télécharge une seule fois, environ 1 Mo, au moment où vous appuyez sur ce bouton. Le flou reste décoratif : en 2016, des chercheurs ont reconnu 57,75 % des visages floutés à la manière de YouTube, contre 2,5 % au hasard. Le bloc plein, réglé par défaut, est le mode à garder quand une personne ne doit pas être identifiée.

## Pourquoi cacher un visage avant de partager

La plupart du temps, un visage sur une photo ne pose aucun problème. Parfois, si. Le passant à l’arrière-plan de votre photo de vacances n’a rien demandé. Un collègue présent à la soirée d’entreprise n’a pas forcément envie que son nom soit associé à la photo de la fête. Les participants à une manifestation, à un groupe de parole ou à une permanence d’accueil peuvent subir de vraies conséquences s’ils sont reconnus. Les autres enfants sur la photo du spectacle de fin d’année ont des parents qui n’ont pas forcément donné leur accord.

La reconnaissance faciale est devenue bon marché et facile d’accès, ce qui change la donne. Un visage qu’aucun humain ne saurait replacer peut être comparé par un logiciel à des photos de profil publiques. Cacher les visages dont vous n’avez pas besoin retire cette possibilité de votre image, en quelques secondes.

## Cacher les visages, étape par étape

1. Choisissez la photo avec le bouton de fichier, ou faites-la glisser dans le cadre en haut de la page.
2. Appuyez sur **Trouver les visages**. La première fois, votre navigateur télécharge depuis ce site le modèle et son moteur d’exécution ; la taille s’affiche à côté du bouton avant tout téléchargement. Ensuite, la détection se fait sur votre appareil.
3. Passez en revue chaque cadre proposé. Tracez-en un sur chaque visage oublié (tête tournée, lunettes de soleil, petit visage au fond), agrandissez ceux qui sont trop serrés et retirez les cadres des visages que vous voulez laisser visibles.
4. Laissez **Masquer avec** sur **Bloc plein** pour toute personne qui doit rester anonyme. Ne choisissez **Flouter** que pour un rendu plus doux, quand l’identification n’a pas d’importance.
5. Appuyez sur **Exporter cette image**, puis enregistrez la copie avec le lien de téléchargement ou le bouton de partage.

## Le détecteur automatique : ce qu’il voit, ce qu’il rate

Le détecteur s’appuie sur YuNet, un modèle compact de détection de visages publié dans la collection de modèles d’OpenCV sous licence MIT. Il tourne sur le processeur grâce au moteur WebAssembly de TensorFlow.js, sans accélération graphique : il fonctionne même dans un navigateur où WebGL est désactivé. YuNet a été entraîné sur des visages d’environ 10 à 300 pixels de large dans l’image qu’il reçoit, ce qui convient bien aux photos de groupe et aux scènes de rue ; les tout petits visages au fond d’une grande foule peuvent cependant lui échapper.

Attendez-vous à des oublis dans ces cas, et vérifiez vous-même :

- visage de profil, tête baissée ou presque de dos ;
- visage en partie caché par une main, un chapeau, un masque, un casque, des cheveux ou du maquillage ;
- tout petit visage au fond d’une foule ou dans un grand paysage ;
- flou de bougé, ombre profonde ou fort contre-jour ;
- visages qui ne sont pas « vivants » : photo accrochée au mur, affiche, écran de télévision, reflet dans une vitre ou un miroir ;
- dessins, statues et animaux, qui peuvent être encadrés par erreur.

Le détecteur ne fait que proposer. C’est vous qui décidez de ce qui est caché, et l’export applique exactement les cadres affichés au moment où vous appuyez sur le bouton.

## Un visage n’est pas le seul indice

Cacher le visage en laissant tout le reste peut quand même trahir quelqu’un. Pendant que la photo est ouverte, cherchez aussi :

- badges nominatifs, cordons et cartes d’accès ;
- tatouages, taches de naissance ou coiffures très reconnaissables ;
- maillots floqués d’un nom et d’un numéro, logos d’école, de club ou d’entreprise ;
- voiture avec sa plaque visible, numéro de rue, panneau indiquant le nom de la rue ;
- autres photos où la même personne apparaît à visage découvert.

Tout cela s’encadre de la même façon. Pour les plaques, voyez la page [plaque d’immatriculation](/blur-license-plate/) (en anglais, interface en français).

## Flou ou bloc plein : ce que dit la recherche

Le flou étale chaque pixel sur ses voisins. Il paraît bien plus naturel qu’un rectangle noir, ce qui explique sa popularité dans les médias. Mais il laisse beaucoup d’information en place.

En 2016, des chercheurs de Cornell Tech et de l’université du Texas ont entraîné un réseau de neurones ordinaire sur des exemples floutés. Sur un jeu de 40 personnes, il a reconnu la bonne dans 57,75 % des visages floutés avec l’outil de YouTube, alors que le hasard n’en aurait trouvé que 2,5 %. Les mêmes chercheurs montrent des résultats comparables contre la pixelisation, détaillés sur la page [pixeliser une image](/fr/pixeliser-image/).

Votre photo ne subira sans doute jamais un tel effort. Mais vous ne savez pas à l’avance qui la regardera : la page part donc d’un bloc plein, qui ne garde rien des pixels d’origine.

## Ce que contient la copie exportée

L’export fabrique une nouvelle image à partir du canevas, donc :

- les visages cachés ne contiennent que le noir du bloc, ou le flou, et plus aucun pixel d’origine ;
- les données cachées que les téléphones écrivent dans les photos ne suivent pas : EXIF (appareil, date), position GPS, champs XMP et IPTC, notes du fabricant, vignettes et identifiants de contenu ;
- l’image garde sa taille d’origine. La détection et l’aperçu utilisent une copie réduite, dont le plus grand côté ne dépasse pas environ 2 048 pixels, et vos cadres sont remis à l’échelle pour l’export.

Si une photo est trop grande pour que le navigateur l’encode d’un seul tenant, vous obtenez une copie dont le grand côté mesure 4 096 pixels, avec un message qui l’explique.

## Photos et appareils pris en charge

- JPEG, PNG et WebP s’ouvrent dans tous les navigateurs actuels, sur ordinateur comme sur téléphone.
- Un HEIC s’ouvre uniquement si le navigateur sait l’afficher lui-même, c’est-à-dire en pratique Safari. Ailleurs, la page vous demande de le convertir d’abord en JPG.
- Une photo se modifie à la fois ; vous pouvez en choisir plusieurs et les traiter l’une après l’autre.
- La détection demande WebAssembly, présent dans tous les navigateurs actuels. Sur un téléphone ancien, le premier lancement peut prendre quelques secondes, le temps de charger le modèle.

## Votre photo ne va nulle part

La photo est lue depuis votre appareil dans cet onglet, le modèle tourne dans cet onglet, et la copie finale est fabriquée dans la mémoire de l’onglet pour que vous l’enregistriez. Le modèle arrive depuis ce site au premier appui sur Trouver les visages ; la photo ne fait partie ni de cette requête ni d’aucune autre. Fermer l’onglet efface tout ce que la page a produit.

## Les pièces techniques

Le détecteur associe TensorFlow.js, dans sa version WebAssembly, au fichier du modèle YuNet ; les deux sont servis par ce site, en versions figées. L’éditeur garde les coordonnées des cadres par rapport à la photo d’origine et dessine l’image finale au moment de l’export. Ouvrez les outils de développement du navigateur : leur onglet Réseau montre le téléchargement du modèle et aucune requête contenant votre photo ; la [page de méthodologie](/fr/methodologie/) explique comment le vérifier.

## Questions fréquentes

### Flouter un visage suffit-il à cacher la personne ?

Pas de façon fiable. Dans un test de 2016, un réseau de reconnaissance a retrouvé 57,75 % des visages floutés avec l’outil de YouTube, contre 2,5 % au hasard. Le flou convient pour l’esthétique ; choisissez Bloc plein quand une personne ne doit pas être identifiée.

### Pourquoi l’outil a-t-il raté un visage ?

Le modèle fonctionne le mieux sur les visages tournés à peu près vers l’objectif. Les profils, chapeaux, masques, très petits visages et flous de bougé provoquent des oublis. Tracez un cadre sur tout visage oublié avant d’exporter.

### Le modèle envoie-t-il ma photo quelque part ?

Non. Le fichier du modèle est téléchargé dans votre navigateur et la détection s’y déroule. Votre photo ne part ni avec ce téléchargement ni après.

### Combien pèse le téléchargement ?

Environ 1 Mo, affiché à côté du bouton Trouver les visages avant que vous appuyiez. Cela comprend le moteur WebAssembly de TensorFlow.js et le modèle YuNet, récupérés une fois depuis ce site.

### Puis-je cacher seulement certains visages ?

Oui. Retirez les cadres des visages à garder visibles et ajoutez-en là où le détecteur n’a rien vu. Seuls les cadres affichés sont appliqués.

### La photo exportée garde-t-elle le lieu et l’appareil ?

Non. Le nouveau fichier est encodé à partir des pixels : EXIF, GPS, XMP, IPTC et identifiants de contenu ne sont pas recopiés.

### Est-ce que ça marche sur téléphone ?

Oui. Ouvrez la page dans le navigateur du téléphone, touchez Trouver les visages, ajustez les cadres du doigt et enregistrez le résultat avec le bouton de partage.

## Sources

Vérifié le 11 octobre 2026.

- [McPherson, Shokri et Shmatikov, « Defeating Image Obfuscation with Deep Learning », 2016](https://arxiv.org/abs/1609.00408) (en anglais) : 57,75 % de reconnaissance des visages floutés par YouTube sur un jeu de 40 personnes.
- [OpenCV Zoo : détection de visages YuNet](https://github.com/opencv/opencv_zoo/tree/main/models/face_detection_yunet) (en anglais) : description du modèle, visages de 10 à 300 pixels, licence MIT.

Last updated: 2026-10-17