Toden rejoint NVIDIA Inception

Vérifier qu'un selfie correspond à la photo d'une pièce d'identité est un problème simple. Un visage, un document, une comparaison, et une réponse en moins d'une seconde.

Vérifier si cette même personne a déjà été enregistrée sous un autre nom pose un problème différent. Il faut comparer le nouveau visage avec toutes les identités vérifiées par l'entreprise, et cette base de données ne cesse de s'allonger. Un petit organisme de crédit effectue cette vérification sur quelques milliers de personnes. Un grand organisme, lui, la réalise sur des millions de personnes, à chaque inscription.

Découvrez d'autres de nos travaux sur Toden Cela ressemble maintenant au deuxième problème. C'est en grande partie pour cela que nous avons adhéré. NVIDIA Création, NVIDIA Ce programme s'adresse aux startups qui développent des solutions d'IA et de calcul accéléré. Il ne nécessite aucun investissement ni prise de participation. Il nous permet en revanche d'accéder plus facilement aux outils nécessaires à mesure que ces charges de travail migrent vers les GPU.

Un document authentique peut tout de même permettre d'ouvrir un compte frauduleux.

Un contrôle d'identité peut être concluant sur tous les points et pourtant laisser passer une fraude.

Un véritable numéro d'identification national, vérifié dans la base de données gouvernementale, avec le visage d'une autre personne devant la caméra. La reconnaissance faciale détecte la supercherie.

Il est plus difficile pour une même personne d'ouvrir trois comptes avec trois pièces d'identité valides. Chaque vérification est effectuée individuellement, et seule une recherche croisée des visages permet de les relier. Ainsi, chaque visage vérifié dans Toden Une recherche est effectuée auprès des clients existants de cette organisation. En cas de correspondance, un vérificateur est chargé de l'examiner. Nous ne considérons jamais cela comme une preuve que deux enregistrements concernent une seule et même personne, car sur un grand nombre de cas, des faux positifs sont inévitables.

Ou encore vingt candidats à une même adresse. Cela ne prouve rien en soi : un domicile familial et une usine à fraude regroupent tous deux de nombreuses personnes à une même adresse. Ce qui les distingue, c’est s’ils partagent également des téléphones, des visages ou la même adresse IP le même jour ; c’est ce que nous montrons à l’examinateur.

Même les problèmes qui semblent résolus ne le sont pas. Les passeports comportent un chiffre de contrôle permettant à une machine de détecter les erreurs de lecture. Nous avons constaté qu'un numéro de passeport avait été mal lu par notre scanner à deux endroits, les deux erreurs s'annulant par hasard, le chiffre de contrôle a donc été validé. C'est précisément face à des lettres et des chiffres similaires que la reconnaissance de texte échoue. Le scanner refuse donc désormais toute lecture présentant plus d'une version plausible et confie le document à un second lecteur.

Certains signaux sont moins fiables qu'il n'y paraît. Sur les réseaux mobiles nigérians, une adresse IP localise un abonné dans la ville où se trouve la passerelle de son opérateur. Auparavant, nous affichions cette ville. Nous l'avons supprimée et n'indiquons plus que le pays, car une réponse erronée, même en apparence précise, est plus préjudiciable qu'une absence de réponse.

Le coût réside dans la recherche, pas dans le chèque.

Nos modèles faciaux fonctionnent sur nos propres serveurs ; ainsi, un selfie n’est jamais envoyé à un tiers pour comparaison. Pour un produit qui traite des données biométriques, c’était le choix judicieux, car cela signifie que nous maîtrisons la puissance de calcul.

Aujourd'hui, ces modèles fonctionnent sur des processeurs. Pour les faire tenir dans la mémoire disponible, nous avons quantifié le modèle facial en entiers 8 bits. Chaque traitement est devenu environ deux fois et demie plus lent, et pourtant, lors de nos tests, aucun verdict n'a été modifié. Pour un match, cette différence est imperceptible. Personne ne remarque un quart de seconde.

La recherche est le point de départ idéal. Notre système de recherche faciale compare un nouveau visage à tous les visages enregistrés dans l'organisation, un par un. C'est précis, et c'était le bon point de départ. Mais son coût augmente avec chaque client vérifié. La solution est simple : un index conçu pour la recherche au plus proche voisin et une inférence sur un matériel dédié.

Il en va de même pour ce que nous développons actuellement. Nous travaillons à la détection des documents modifiés ou générés, et non plus seulement de ceux qui sont illisibles. Nous souhaitons également que nos modèles de risque soient entraînés sur la base de décisions réelles de relecteurs, et non sur des pondérations définies manuellement. Ces deux aspects sont plus gourmands en ressources que tout ce que nous utilisons aujourd'hui.

Nos modèles de visage utilisent déjà ONNX, un format de modèle ouvert. Les outils d’inférence de NVIDIA, dont TensorRT, l’acceptent : le passage aux GPU relève donc de l’ingénierie plutôt que d’une réécriture. Inception nous donne accès aux outils de développement et aux formations techniques de NVIDIA, à des tarifs préférentiels sur certains matériels et logiciels, ainsi qu’à des offres de crédits cloud pendant cette transition.

Un meilleur matériel ne garantit pas la fiabilité d'un modèle. En août, nous avons testé trois modèles d'estimation d'âge commercialisés en les comparant à des dates de naissance vérifiées par nos soins. Tous trois ont surestimé l'âge de la personne la plus jeune d'au moins douze ans. Nous n'en avons commercialisé aucun. Le calcul permet d'utiliser un bon modèle, mais il ne peut rien faire pour un mauvais.

Les preuves ne sont pas synonymes de confiance.

La vérification d'identité vise à déterminer si les justificatifs d'identité sont valides. L'évaluation des risques vise à déterminer si le compte est digne de confiance.

La première question trouve une réponse à un moment donné. La seconde reste sans réponse. Le client, dont le compte a été vérifié sans problème en mars, se connecte en juin depuis un nouveau téléphone dans un autre pays et effectue un paiement à une personne dont le compte n'avait jamais servi auparavant.

L'unité utile n'est donc pas le chèque, mais l'enregistrement à partir duquel le chèque est initialisé. Toden Une vérification permet de créer une identité. Les informations recueillies par la suite s'y rattachent : appareils, coordonnées vérifiées, adresses, visages vus ailleurs, résultats de vérification, transactions. Un processus traite ces éléments. Il peut demander un nouveau selfie, ouvrir un dossier ou soumettre le compte à un examen.

Ajouter des signaux est la partie facile. L'analyste doit encore être capable d'interpréter le résultat. Nous l'avons appris à nos dépens avec notre propre score de risque. Il était calculé correctement, mais la somme des trois facteurs affichés ne correspondait pas au score, empêchant toute vérification. Nous l'avons donc repensé : chaque score est désormais une liste de contributions dont la somme est exacte. En matière de conformité, un score inexplicable est un score indéfendable.

Ce principe limite également les actions autorisées aux modèles. Un modèle doit classer, acheminer et synthétiser les demandes. Les refus doivent être décidés par une personne ou conformément à une politique consultable par le client. Chaque décision d'évaluation est enregistrée et sert de base d'apprentissage au modèle suivant.

Ce que nous construisons

L'infrastructure d'identité ne se résumera pas à un simple système de réussite ou d'échec. Il s'agira de systèmes capables de comprendre les liens entre les personnes, les appareils, les comptes, les documents et les flux financiers, et d'aider une entreprise à déterminer à qui faire confiance.

Voilà ce que nous sommes en train de construire.

Créer une infrastructure d'identité, de lutte contre la fraude ou de gestion des risques ? Explorer Toden