Scores et seuils de correspondance faciale
La correspondance faciale renvoie un score de similarité, et vous décidez de ce qui se passe pour chaque tranche - voici comment définir les seuils de revue et de refus sans noyer votre file d'attente ni laisser passer la fraude.
La correspondance faciale renvoie un score de similarité, pas un oui ou un non. Vous définissez deux seuils : en dessous du seuil de refus, la session est refusée, entre les deux elle part en revue, au-dessus du seuil de revue elle passe. L'endroit où vous les placez est une décision de politique, et c'est le principal levier à la fois sur votre taux de fraude et sur votre file d'attente de revue.
#Ce que signifie le score
- Preuve de vie contient le selfie, le verdict de preuve de vie et le score de correspondance faciale.
- Aperçu montre l'effet de ce score sur la décision de la session.
La correspondance faciale 1:1 compare le selfie au portrait figurant sur le document et renvoie un score de similarité. C'est une mesure du degré de ressemblance entre deux visages : ce n'est jamais une certitude sur l'identité, car aucune comparaison biométrique ne l'est.
C'est pourquoi la plateforme vous donne deux seuils plutôt qu'un seul verdict.
#Les trois tranches
| Tranche | Ce qui se passe |
|---|---|
| Au-dessus du seuil de revue | Passe automatiquement |
| Entre les deux seuils | La session part en revue pour qu'une personne décide |
| En dessous du seuil de refus | La session est refusée automatiquement, avec LOW_FACE_MATCH_SIMILARITY |
Les deux seuils sont définis sur l'étape de correspondance faciale de votre workflow, donc différents workflows peuvent avoir des appétits pour le risque différents : un parcours d'ouverture de compte à forte valeur et un contrôle d'âge à faible risque n'ont pas besoin des mêmes réglages.
#Ce qui fait réellement baisser un score légitime
Avant de resserrer quoi que ce soit, sachez ce qui fait bouger le score pour des utilisateurs authentiques :
- Ancienneté de la photo du document. Un portrait pris il y a dix ans est réellement moins similaire.
- Qualité de l'impression et du scan. Certains pays impriment des portraits petits et peu contrastés ; une carte usée est encore pire.
- Occlusion. Lunettes, chapeaux, maquillage épais, une barbe qui n'était pas là avant.
- Éclairage et caméra. Une pièce sombre et une caméra frontale bon marché coûtent toutes deux en similarité.
Rien de tout cela n'est de la fraude, et tout cela est plus fréquent sur certains marchés que sur d'autres. Si vos utilisateurs ont tendance à avoir des documents plus anciens, un seuil calibré sur des passeports récents refusera de vraies personnes.
#Choisir les seuils
Le compromis est symétrique et inévitable :
- Des seuils plus stricts attrapent plus d'imposteurs et envoient plus d'utilisateurs authentiques en revue ou au refus.
- Des seuils plus permissifs laissent passer plus d'utilisateurs authentiques et laissent passer plus d'imposteurs.
Une méthode pratique pour les définir :
- Commencez avec les valeurs par défaut et collectez des données
Faites passer du trafic réel dans les valeurs par défaut pendant quelques centaines de sessions avant de modifier quoi que ce soit. Vous ne pouvez pas ajuster à l'intuition.
- Regardez ce qui est parti en revue, et pourquoi
Ouvrez les sessions de la tranche de revue. Si un réviseur approuve presque toutes, votre seuil de revue est trop élevé : il génère du travail sans décisions dedans.
- Regardez les refus
Si les sessions refusées sont majoritairement des utilisateurs authentiques avec des documents anciens, votre seuil de refus est trop élevé pour votre population.
- Déplacez un seuil à la fois
Modifiez-en un, gardez l'autre, et remesurez. Modifier les deux en même temps ne vous apprend rien sur celui qui comptait.
Ne réglez pas le seuil pour faire disparaître une plainte spécifique. Un seul utilisateur refusé n'est pas un signal, et assouplir un seuil pour régler un cas l'assouplit aussi pour chaque imposteur. Réglez les cas individuels avec une décision de revue manuelle ou une nouvelle soumission ; ne modifiez les seuils que face à un schéma récurrent.
#Élargir la tranche de revue n'est pas gratuit
Une large tranche de revue semble sûre : rien n'est refusé automatiquement, un humain voit tout ce qui est limite. Dans la pratique, cela transforme un problème de décision en problème d'effectifs : la file d'attente grossit, les revues deviennent moins soignées, et la qualité effective des décisions baisse. Voir sessions bloquées en revue.
#Un contrôle plus solide vaut mieux qu'un meilleur seuil
Si la correspondance faciale est votre point faible, le changement le plus efficace n'est généralement pas le seuil lui-même :
- Le NFC lit le portrait depuis la puce du document, l'image de l'émetteur lui-même, en pleine qualité, ce qui élimine la variable de dégradation liée à l'impression.
- La preuve de vie active augmente le coût d'une attaque de présentation, donc un score limite a moins de chances d'être une attaque en premier lieu.
#Tester vos seuils avant la mise en production
Le sandbox dispose de scénarios exactement pour cela : decline_face_match_low_similarity pour un échec net et review_face_match_borderline pour un score à l'intérieur de la tranche de revue. Utilisez-les pour confirmer que votre workflow oriente chaque tranche là où vous pensez qu'il le fait, avant que de vrais utilisateurs ne les atteignent. Voir tester en sandbox.