# Comptes en double et recherche faciale

Source: https://help.didit.me/fr/verification-sessions/duplicate-detection
Updated: 2026-10-12

La preuve de vie compare chaque visage aux utilisateurs déjà vérifiés et à votre liste de blocage. Voici comment lire un doublon et éviter les faux positifs.

Chaque contrôle de preuve de vie lance automatiquement une recherche faciale 1:N par
rapport aux utilisateurs que vous avez déjà vérifiés et à votre liste de blocage. Un
signalement de doublon signifie que le même visage est déjà apparu, ce qui est de la
fraude s'il s'agit d'un nouveau compte et parfaitement normal s'il s'agit d'un client
récurrent. Distinguez les deux cas avec `vendor_data`.

## Ce qui s'exécute automatiquement

[Video: Recherche faciale et listes de blocage - Didit Academy](https://www.youtube.com/watch?v=7htTWCWsl60&t=413)

[Video: Listes de blocage, listes d'autorisation et listes personnalisées : stoppez la fraude répétée - Didit Academy](https://www.youtube.com/watch?v=xqsJihVTbEM)

[Video: Détection des comptes en double : même visage, même pièce d'identité, même appareil - Didit Academy](https://www.youtube.com/watch?v=ras0mkfhvKo)

![La liste de blocage dans la console Didit, filtrée par visages, documents, téléphones et e-mails](https://help.didit.me/screenshots/blocklist-light.webp)

*Un doublon confirmé peut être bloqué par visage, document, téléphone ou e-mail.*

Quand quelqu'un termine un contrôle de preuve de vie, Didit compare son visage à **tous les utilisateurs déjà vérifiés dans votre organisation** et à **votre liste de blocage**, sans que vous ayez à activer quoi que ce soit séparément :

- Une correspondance avec un utilisateur déjà vérifié lève un signalement de doublon possible sur la session.
- Une correspondance avec un visage sur liste de blocage refuse la vérification.

La sensibilité est régie par les seuils de similarité que vous configurez, et ce qui se passe en cas de correspondance (refus, révision, ou passage avec un signalement) est régi par les règles de votre workflow.

## Doublon n'est pas synonyme de fraude

C'est la distinction qui compte, et la plateforme ne peut pas la faire à votre place : un visage en double signifie *ce visage s'est déjà vérifié ici*. Que ce soit un problème dépend entièrement de votre produit.

| Situation | Le signalement de doublon est... |
|---|---|
| Une personne ouvrant un second compte pour abuser d'une prime d'inscription | Le signal que vous vouliez |
| Un client légitime qui se revérifie après l'expiration de son KYC | Attendu et inoffensif |
| Un client qui a abandonné puis recommencé | Attendu et inoffensif |
| Un appareil partagé dans une famille ou un commerce | Nécessite un regard humain |

## Empêcher que des utilisateurs récurrents légitimes soient signalés

La solution consiste à indiquer à Didit que les deux sessions sont la même personne, ce que vous faites avec **`vendor_data`**.

Définissez `vendor_data` sur votre propre identifiant utilisateur interne à la création d'une session. Les sessions partageant un `vendor_data` sont regroupées en un utilisateur consolidé, si bien qu'un client récurrent se lit comme la même personne plutôt que comme un inconnu portant un visage familier.

> **Tip:** Si vous voyez des signalements de doublon sur vos propres clients récurrents
> authentiques, vérifiez si votre intégration transmet bien `vendor_data`. Les sessions
> créées sans lui ne peuvent pas être reliées, donc chaque revérification a l'air
> d'être un inconnu qui ressemble par hasard à quelqu'un d'autre.

Pour la revérification délibérée d'un utilisateur connu, l'**authentification biométrique** est le module conçu pour cela : il reconfirme un utilisateur récurrent par le visage sans refaire tout le parcours document.

## Examiner un doublon signalé

Le résultat de session porte la référence à la session antérieure qui a correspondu, si bien que vous pouvez ouvrir les deux et les comparer côte à côte : même nom, même numéro de document, nom différent sur le même visage, et ainsi de suite. Cette comparaison est ce qui vous indique dans laquelle des situations ci-dessus vous vous trouvez.

Si c'est un abus avéré, ajoutez le visage à votre liste de blocage pour que la tentative suivante soit automatiquement refusée. Si c'est votre propre client récurrent, approuvez la session et corrigez le manque de `vendor_data` pour que cela cesse de se produire.

## Supprimer des données affecte la détection future des doublons

La détection des doublons fonctionne en comparant avec des données que vous détenez encore. Si vous supprimez une session, cette session disparaît, donc le visage qu'elle contenait n'est plus là pour établir une correspondance, et une tentative ultérieure de la même personne ne sera pas reconnue comme un doublon de celle-ci.

Une application peut conserver un modèle facial sans image pendant un nombre défini de jours après la suppression d’une session, uniquement pour détecter les doublons. La fenêtre de suppression affiche ce réglage et permet de le modifier pour cette opération. Une demande d’effacement au titre de la vie privée supprime immédiatement tous les modèles de la personne. Les modèles conservés figurent dans **Listes → Modèles biométriques**.

C'est le compromis honnête entre minimisation des données et détection de fraude, et il vaut mieux le décider délibérément plutôt que de le découvrir plus tard. Voir [supprimer des données de vérification](https://help.didit.me/fr/data-privacy/delete-verification-data).

## Rechercher un visage vous-même

Au-delà du contrôle automatique, la recherche faciale est disponible en API pour que vous puissiez rechercher un visage précis parmi vos utilisateurs vérifiés à la demande, utile pour enquêter sur un schéma de fraude après coup plutôt qu'à l'entrée en relation. Voir [recherche faciale](https://docs.didit.me/standalone-apis/face-search).

## Les signaux d'appareil et d'IP forment une couche distincte

Un visage en double est un signal, une empreinte d'appareil partagée ou une IP suspecte en est un autre. Ce sont des contrôles indépendants, et un fraudeur déterminé finira généralement par déclencher l'un avant l'autre. L'analyse de l'appareil et de l'IP est peu coûteuse (0,03 $ par contrôle), ce qui en fait un ajout économique à un flux qui exécute déjà la preuve de vie.

> **Warning:** Les signaux d'appareil et d'IP produisent des faux positifs sur les infrastructures
> partagées : réseaux d'entreprise, NAT des opérateurs mobiles et navigateurs hébergés
> dans le cloud placent tous de nombreux utilisateurs authentiques derrière une même
> adresse. Orientez-les vers la révision plutôt que de les refuser sur ce seul critère.