Débutant
Qu’est-ce que l’IA biométrique ?
La technologie biométrique désigne des systèmes qui utilisent des données biométriques pour reconnaître, vérifier ou identifier l’identité d’une personne. Les exemples incluent la reconnaissance faciale, la lecture d’empreintes digitales, la reconnaissance de l’iris, la reconnaissance vocale et des outils connexes d’assurance d’identité.
Qu’est-ce qu’une donnée biométrique ?
Les données biométriques sont des données personnelles produites par un traitement technique spécifique des caractéristiques physiques, physiologiques ou comportementales d’une personne. Les exemples incluent les images faciales, empreintes digitales, motifs vocaux, démarche et autres identifiants pouvant soutenir la reconnaissance ou l’identification.
Qu’est-ce que l’identification biométrique ?
L’identification biométrique est la reconnaissance automatisée de l’identité d’une personne physique en comparant ses données biométriques à des données biométriques stockées dans une base de données. Il s’agit généralement d’un processus de correspondance un-à-plusieurs visant à établir qui est la personne.
En quoi la vérification biométrique diffère-t-elle de l’identification biométrique ?
Utilisez l’identification biométrique lorsque l’accent porte sur la reconnaissance automatisée de l’identité d’une personne physique en comparant ses données biométriques à une base de données ; utilisez la vérification biométrique lorsque l’accent porte sur la confirmation automatisée un-à-un de l’identité revendiquée par une personne.
Intermédiaire
Qu’est-ce qu’un système d’identification biométrique à distance ?
Un système d’identification biométrique à distance est un système d’IA utilisé pour identifier des personnes physiques sans leur participation active, généralement à distance. Il compare les données biométriques d’une personne avec des données biométriques stockées dans une base de référence.
Qu’est-ce que l’identification biométrique à distance en temps réel ?
Un système d’identification biométrique à distance en temps réel est un système dans lequel la capture, la comparaison et l’identification des données biométriques se produisent sans délai significatif. La catégorie inclut l’identification instantanée ainsi que les courts délais destinés à empêcher le contournement.
Qu’est-ce qu’un système de reconnaissance des émotions ?
Un système de reconnaissance des émotions est un système d’IA destiné à identifier ou inférer les émotions ou intentions de personnes physiques, souvent à partir de données biométriques. Comme ces systèmes peuvent affecter la vie privée, l’autonomie et l’équité, ils font l’objet d’un examen renforcé dans les contextes de gouvernance et de réglementation.
Qu’est-ce que la catégorisation biométrique ?
Un système de catégorisation biométrique est un système d’IA qui attribue des personnes physiques à des catégories spécifiques sur la base de données biométriques.
Pourquoi la reconnaissance faciale est-elle à haut risque ?
La technologie de reconnaissance faciale (FRT) désigne les systèmes automatisés qui identifient, vérifient ou catégorisent des personnes en analysant les traits du visage à partir d’images numériques ou de vidéos. C’est une technologie biométrique qui peut soulever des préoccupations de confidentialité, d’exactitude et de discrimination selon son usage.
Que sont les deepfakes dans l’IA biométrique ?
Les deepfakes sont des images, sons ou vidéos générés ou manipulés par l’IA qui font paraître authentiques des personnes, objets, lieux, entités ou événements alors qu’ils ne le sont pas.
Avancé
Qu’est-ce qu’un média synthétique ?
Un média synthétique est un contenu médiatique entièrement ou partiellement généré ou manipulé par l’IA. Il peut inclure du texte, des images, de l’audio, de la vidéo, des avatars, des voix et d’autres artefacts numériques.
Comment l’IA biométrique peut-elle nuire à l’équité ?
L’équité en IA désigne le principe selon lequel les systèmes d’IA doivent traiter les personnes et les groupes de manière équitable et éviter la discrimination injustifiée ou les biais préjudiciables. Elle implique d’identifier et d’atténuer les biais dans les données, les modèles, les contextes de déploiement et les processus décisionnels.