Un NGO blurre les visages en vidéo sans outil payant : une solution simple et efficace créée avec Python

Un organisme à but non lucratif (ONG) souhaitait partager une vidéo contenant des personnes en situation vulnérable, mais devait d'abord flouter certaines visages. Leur besoin semblait simple, mais les outils existants présentaient plusieurs contraintes. Les logiciels professionnels coûtaient cher, tandis que les solutions en ligne limitaient souvent le nombre de sorties possibles par mois ou ne permettaient de flouter que l'ensemble de l'image. Cela rendait impossible de cibler précisément les visages à flouter. Pour résoudre ce problème, un développeur a conçu une solution simple en utilisant des outils gratuits. Il a expliqué que les vidéos sont composées de cadres successifs, comme un flipbook, et qu’il était possible de les séparer, de modifier les images individuelles, puis de les reconstituer. Il a utilisé Python et OpenCV pour extraire les cadres, et Ikomia pour détecter et flouter les visages. Le processus a été rendu accessible via un notebook Google Colab, sans installation ni coût. L’approche consistait à extraire chaque cadre de la vidéo avec OpenCV, à appliquer un algorithme de détection de visages avec Ikomia, puis à flouter les visages détectés. Après l’éditeur, les cadres floutés et originaux étaient sauvegardés, permettant une révision manuelle. Les cadres modifiés étaient ensuite réintégrés dans la vidéo, en veillant à ce que le nombre de cadres reste identique pour préserver la synchronisation audio. L’audio original était ensuite ajouté à la vidéo reconstruite grâce à ffmpeg. Cette méthode semi-automatisée offrait une certaine flexibilité, mais nécessitait un suivi humain pour identifier les éléments sensibles que l’IA pouvait manquer, comme des noms sur les murs ou des cartes d’identité. Bien que manuelle, cette révision permettait d’assurer une meilleure confiance, d’ajuster les décisions de floutage et de respecter les normes éthiques. Cette solution, bien qu’imparfaite, s’est révélée efficace pour les vidéos courtes et les cas simples. Elle ne convient pas aux projets volumineux ou nécessitant une automatisation totale. Cependant, elle montre qu’une approche technique simple peut répondre à des besoins critiques en matière de confidentialité des données, sans recourir à des outils payants. Des améliorations sont possibles, comme l’intégration de face_recognition pour flouter uniquement les visages inconnus. Cela pourrait réduire le besoin de révision manuelle. Cependant, le développeur souligne que l’humain reste un élément clé pour des décisions éthiques et contextuelles. Cette expérience illustre comment les outils open source et les logiciels gratuits peuvent être adaptés pour des besoins spécifiques, surtout dans des contextes où les ressources sont limitées. Elle offre une alternative accessible et éthique pour les ONG qui souhaitent protéger la vie privée de leurs sources tout en partageant des contenus significatifs.