Pourquoi deux applis de scan facial notent différemment

La réponse courte

Envoyez la même photo à deux applis de scan facial et vingt points d'écart sont monnaie courante. Aucune des deux n'est cassée. La note n'est pas une propriété de votre visage : c'est la sortie d'une chaîne de traitement, et chaque étape de cette chaîne contient des choix. Changez les choix, le nombre change.

Trois de ces choix expliquent presque tout l'écart : quels points du visage sont mesurés, par quoi cette mesure est divisée, et à quel endroit de sa propre échelle l'appli place le rapport obtenu. Il y en a un quatrième auquel presque personne ne pense, et il se produit avant même que l'appli voie quoi que ce soit.

1. Elles ne mesurent pas les mêmes points

Les chaînes d'analyse faciale reposent sur des schémas de points de repère, et ces schémas ne sont pas interchangeables :

• 68 points — la disposition classique de dlib et des débuts d'OpenCV. Contour de la mâchoire, deux sourcils, arête et base du nez, deux contours d'œil, ligne externe et interne des lèvres.
• 98 points — le schéma d'annotation WFLW, utilisé par plusieurs modèles de recherche. Même principe, plus dense autour des yeux et du contour de la bouche.
• 468 points — MediaPipe Face Mesh, un maillage dense couvrant tout le visage, joues et front compris.
• 478 points — le même maillage, plus dix points d'iris, cinq par œil.

Là où ça se voit : la largeur du nez. Avec 68 points, il y a deux points d'aile du nez et un seul écart entre eux. Avec un maillage à 468, plusieurs paires candidates traversent le nez, et celle que la formule retient décale la mesure de quelques pour cent. Même chose pour la largeur de la mâchoire : le point le plus externe de la joue sur un maillage dense n'est pas au même endroit anatomique que le coin de mâchoire d'un schéma à 68 points. Deux applis peuvent honnêtement étiqueter « largeur de mâchoire » et mesurer deux segments différents de votre visage.

Plus de points ne veut pas dire plus de précision. Un maillage plus dense offre plus d'options à la formule, donc plus d'occasions de diverger de l'outil voisin.

2. Tout rapport a besoin d'un dénominateur, et ils n'en choisissent pas le même

Une distance en pixels ne veut rien dire : elle varie avec la résolution, la distance à la caméra, le recadrage. Chaque outil divise donc sa distance brute par quelque chose. Les dénominateurs habituels :

Deux applis peuvent calculer exactement le même écart nasal et publier des rapports différents, parce que l'une divise par la largeur des pommettes et l'autre par la boîte englobante. Si la boîte inclut vos cheveux, le dénominateur grossit et tous les rapports rétrécissent d'un coup. C'est ainsi qu'une note entière chute alors que rien n'a changé sur votre visage.

Un test simple : si les chiffres bougent quand vous changez de coiffure mais pas quand vous changez d'expression, le dénominateur est probablement la boîte englobante.

3. Les données d'entraînement ne sont pas neutres

Les modèles de points de repère apprennent sur des photos annotées, et ces photos décident des visages sur lesquels ils sont précis. Les notes publiées par Google sur Face Mesh décrivent un ensemble d'environ 30 000 images. Quelle que soit sa composition exacte, aucun ensemble ne représente également toutes les populations, et les points faibles connus du domaine sont constants : pose extrême de la tête, faible luminosité, occlusion par lunettes, barbe ou cheveux sur le visage, et teints de peau moins présents dans le jeu annoté.

Concrètement, cela donne une erreur que vous ne voyez pas. Un décalage de deux ou trois pixels au coin de la mâchoire est invisible dans l'aperçu, mais c'est un vrai changement dans un rapport, et ce rapport est ensuite projeté sur une échelle de 0 à 100 à pente raide. Petite erreur en entrée, écart visible en sortie.

C'est aussi pourquoi le même visage note différemment sous un autre éclairage dans la même appli. Ce n'est pas l'humeur : c'est la confiance du détecteur qui bouge.

4. Quelque chose se passe avant que le modèle tourne

Presque tous les téléphones traitent l'image avant de la remettre à l'appli : lissage de peau, mappage des tons, parfois remodelage de la forme du visage. Deux conséquences.

D'abord, le lissage efface les gradients de texture que le modèle utilise pour trouver les contours : la ligne des lèvres, le pli de la paupière, les côtés du nez. Les points dérivent.

Ensuite, le remodelage change la géométrie elle-même. Le modèle mesure alors le visage remodelé, et il le mesure avec précision. Il fait bien son travail sur la mauvaise entrée.

Une appli qui lit le flux brut de la caméra et une autre qui lit l'aperçu déjà traité vont diverger même si leurs algorithmes sont identiques.

5. La dernière étape est conçue, pas mesurée

Même avec les mêmes points et le même dénominateur, le nombre diffère encore, parce que transformer un rapport en note est une décision de conception. La forme habituelle : prendre le rapport r, le borner entre un minimum et un maximum, le projeter linéairement sur 0–100. Déplacez les bornes, toutes les notes suivent.

Le 70 d'une appli peut signifier « milieu de la plage, un peu au-dessus de la moyenne ». Le 70 d'une autre peut être le quatre-vingt-dixième centile de son propre échantillon. Aucune borne n'est calibrée sur une référence externe : elles sont choisies pour que la distribution paraisse raisonnable sur quelques centaines de photos de test.

Voilà pourquoi les nombres absolus ne circulent pas d'une appli à l'autre. L'ordre de classement circule un peu mieux, et seulement entre visages semblables.

Une comparaison que vous pouvez vraiment faire

L'astuce consiste à vous retirer de l'équation. Une photo imprimée est une constante physique : même géométrie, même lumière, à chaque fois.

1. Imprimez un portrait net et de face sur papier mat, environ 15 cm de haut.
2. Scotchez-le au mur à hauteur des yeux. Éclairez-le de face avec une lampe, rideaux fermés.
3. Scannez l'impression avec chaque outil deux fois, à dix minutes d'intervalle. Notez les deux nombres.
4. Recommencez avec un selfie réel à 60 cm, objectif à hauteur des yeux, sans filtre.
5. Faites un tableau : outil, note de l'impression, note du selfie, écart.

Comment le lire :

• Impression stable, selfie instable — l'outil est sensible à l'entrée, pas au visage. Sa variance vient de la lumière et de la pose.
• Note d'impression très éloignée de la note du selfie sur le même outil — le prétraitement est lourd. Une impression n'a pas de texture de peau à lisser, les deux entrées ne sont donc pas équivalentes.
• Deux outils classent cinq visages imprimés dans le même ordre — ils mesurent des choses proches sur des échelles différentes.
• L'ordre s'inverse — ils mesurent des choses différentes, et ce sont les étiquettes qui font le travail.

Classer cinq visages et comparer les ordres est la seule comparaison entre outils qui survive à des échelles différentes. Les nombres absolus ne voyagent pas ; les ordres, parfois.

Si la variation vient de votre côté et non de l'outil, corrigez d'abord l'entrée : le guide des angles de selfie traite distance, hauteur d'objectif et lumière, et l'analyseur de forme de visage permet de vérifier en passant deux fois la même photo.

Que faire de la note obtenue

Rien de tout cela n'enlève leur intérêt aux tests. Cela les rend lisibles. Quand deux applis ne sont pas d'accord sur votre visage, ce désaccord est un fait sur les applis — leurs points, leurs dénominateurs, leur jeu d'entraînement, leur échelle — et non un fait sur vous. Bon à savoir avant de prendre une capture d'écran au sérieux.

Questions fréquentes

Pourquoi deux applis donnent-elles des notes différentes pour la même photo ?

Schémas de points différents, dénominateurs différents pour le même rapport, données d'entraînement différentes, bornes différentes sur l'échelle finale. Chacun de ces éléments suffit à déplacer une note de dix points.

La note la plus haute est-elle la plus juste ?

Non. Il n'existe pas de vérité de référence à atteindre. Une note haute signifie souvent que l'échelle est ancrée plus bas, ou que la formule récompense un trait que vous possédez.

Quel nombre de points est le plus précis ?

Il n'y a pas de réponse unique, cela dépend de la tâche. 68 points est bien documenté et peu coûteux ; 468 ou 478 offre une couverture dense adaptée à l'analyse de forme. La précision vient du jeu d'entraînement et de son adéquation à vos conditions, pas du nombre de points.