Le développement des systèmes biométriques faciaux a grandement contribué à l’évolution du domaine de la vision par ordinateur. À l’heure actuelle, il existe un besoin constant de concevoir des systèmes multimodaux capables de combiner de manière efficace et significative plusieurs traits biométriques. Dans cet article, nous présentons « IdentiFace », un système biométrique facial multimodal qui intègre le noyau de la reconnaissance faciale avec certains des traits biométriques doux les plus importants, tels que le genre, la forme du visage et l’émotion. Nous avons également mis l’accent sur la conception de ce système en n’utilisant qu’une architecture inspirée de VGG-16, avec de légères modifications apportées à chaque sous-système. Cette unification permet une intégration simplifiée entre les modalités, facilite l’interprétation des caractéristiques apprises entre les différentes tâches, et fournit une indication précieuse sur le processus de prise de décision à travers les différentes modalités faciales ainsi que sur leurs éventuelles connexions. Pour la tâche de reconnaissance, nous avons atteint une précision de test de 99,2 % sur cinq classes présentant de fortes variations intra-classe, en utilisant des données issues de la base de données FERET[1]. Une précision de 99,4 % a été obtenue sur notre propre jeu de données, et de 95,15 % sur un jeu de données public[2] pour la reconnaissance du genre. Nous avons également atteint une précision de test de 88,03 % pour la tâche de détermination de la forme du visage, en utilisant le jeu de données de formes faciales de célébrités[3]. Enfin, une précision de test raisonnable de 66,13 % a été atteinte pour la tâche d’émotion, ce qui constitue une performance très satisfaisante comparée aux travaux antérieurs sur le jeu de données FER2013[4].