Un outil d'IA contourne les filtres en supprimant le maquillage numérique

Les cosmétiques pour le visage permettent aux utilisateurs mineurs, principalement des filles, de contourner les systèmes de vérification d'âge basés sur les selfies sur des plateformes telles que les applications de rencontre et les sites de commerce électronique. Un nouvel outil d'IA s'attaque à cette vulnérabilité grâce à un modèle discriminatif entraîné à supprimer le maquillage tout en préservant l'identité faciale, ce qui rend plus difficile pour les mineurs de tromper les contrôles automatisés.

L'adoption de services tiers de vérification de l'âge basés sur les selfies est en pleine croissance, sous l'impulsion d'une tendance mondiale à la vérification de l'âge en ligne.

Par exemple, en vertu de la loi britannique sur la sécurité en ligne (Online Safety Act), la vérification de l'âge peut être effectuée par divers services tiers utilisant des méthodes telles que l'estimation visuelle de l'âge, où l'IA prédit l'âge d'un utilisateur à partir d'images en direct prises par la caméra d'un téléphone portable. Des fournisseurs tels que Ondato, TrustStamp et Yoti utilisent cette approche.

Cependant, l'estimation de l'âge n'est pas infaillible. Les efforts déployés depuis longtemps par les adolescents pour accéder aux privilèges réservés aux adultes les ont amenés à développer des moyens efficaces pour accéder aux sites de rencontre, aux forums et à d'autres plateformes qui limitent leur tranche d'âge.

Une méthode courante, en particulier chez les femmes*, consiste à se maquiller le visage, une tactique connue pour tromper les systèmes automatisés d'estimation de l'âge, qui surestiment souvent l'âge des personnes plus jeunes et sous-estiment celui des personnes plus âgées.

Pas seulement les filles

Avant d'aborder les objections potentielles à l'idée de considérer le maquillage comme « réservé aux femmes », il est important de noter que le maquillage facial, quel que soit la personne qui le porte, n'est pas un indicateur fiable du genre :

Dans l'étude « Impact of Facial Cosmetics on Automatic Gender and Age Estimation Algorithms » (Impact des cosmétiques pour le visage sur les algorithmes d'estimation automatique du sexe et de l'âge), des chercheurs américains ont découvert que les systèmes de vérification du sexe étaient perturbés par le maquillage permettant de changer de sexe. Source : https://cse.msu.edu/~rossarun/pubs/ChenCosmeticsGenderAge_VISAPP2014.pdf

En 2024, environ 72 % des consommateurs américains âgés de 18 à 24 ans incluaient le maquillage dans leur routine de soins, même si la plupart utilisaient des produits cosmétiques pour améliorer l'apparence d'une peau saine plutôt que d'adopter les combinaisons mascara/rouge à lèvres généralement associées à l'esthétique féminine.

Nous devons donc aborder le sujet en nous basant sur le scénario le plus courant exploré dans les recherches récentes : les mineures qui utilisent du maquillage pour contourner les systèmes automatisés de vérification visuelle de l'âge.

Démaquillage efficace – La méthode IA

Les recherches évoquées proviennent de trois contributeurs de l'université de New York, auteurs du nouvel article DiffClean : Diffusion-based Makeup Removal for Accurate Age Estimation (DiffClean : démaquillage par diffusion pour une estimation précise de l'âge).

Le projet vise à développer une méthode basée sur l'IA pour supprimer le maquillage des images (et éventuellement des vidéos) afin de mieux déterminer l'âge réel d'une personne.

Extrait du nouvel article, un exemple montrant comment le démaquillage peut modifier considérablement la prédiction de l'âge. Source : https://arxiv.org/pdf/2507.13292

L'un des défis liés au développement d'un tel système est la sensibilité liée à la collecte ou à la conservation d'images de filles mineures portant du maquillage pour adultes. Pour y remédier, les chercheurs ont utilisé EleGANt, un système tiers basé sur un réseau antagoniste génératif, afin d'appliquer de manière synthétique des styles de maquillage, une approche très efficace :

Le système EleGANt 2022 de l'université Tsinghua utilise un réseau antagoniste génératif (GAN) pour superposer de manière réaliste des produits cosmétiques sur des photos sources. Source : https://arxiv.org/pdf/2207.09840

À l'aide des données synthétiques ainsi générées, ainsi que de divers projets auxiliaires et ensembles de données, les auteurs ont surpassé les méthodes d'estimation de l'âge les plus avancées lorsqu'il s'agissait de maquillage visible ou « performatif ».

L'article indique :

« DiffClean [efface] les traces de maquillage à l'aide d'un modèle de diffusion guidé par le texte afin de se prémunir contre les attaques de maquillage. [Il] améliore l'estimation de l'âge (précision mineur/adulte de 4,8 %) et la vérification du visage (TMR de 8,9 % à FMR=0,01 %) par rapport aux références concurrentes sur des images de maquillage simulées numériquement et réelles. »

Examinons leur méthodologie.

Méthode

Pour éviter d'utiliser des images réelles de mineurs maquillés, les auteurs ont appliqué des cosmétiques synthétiques via EleGANt à des images provenant de l'ensemble de données UTKFace, créant ainsi des paires avant/après pour l'entraînement.

Exemples tirés de l'ensemble de données UTKFace. Source : https://susanqq.github.io/UTKFace/

DiffClean a ensuite été entraîné à inverser cette transformation. Étant donné que les algorithmes d'estimation de l'âge ont le plus de mal avec les groupes d'âge plus jeunes, les chercheurs ont développé un classificateur d'âge proxy ajusté pour les âges 10-19 ans. Ils ont utilisé l'architecture SSRNet entraînée sur UTKFace avec une perte L1 pondérée.

Une version simplifiée du modèle de diffusion 2021 d'OpenAI a constitué la base, avec l'ajout de têtes d'attention à différentes résolutions, de couches plus profondes et de blocs de type BigGAN pour améliorer le suréchantillonnage et le sous-échantillonnage.

Le contrôle directionnel a été mis en œuvre à l'aide d'invites CLIP : visage maquillé et visage non maquillé, guidant le modèle pour qu'il enlève le maquillage tout en préservant les détails du visage, les indices d'âge et l'identité.

Maquillage synthétique appliqué à l'aide d'EleGANt. Chaque triplet montre l'image UTKFace originale (à gauche), le style de maquillage de référence (au centre) et le résultat après le transfert de style (à droite). Ce type de transfert de maquillage est courant dans la recherche en vision par ordinateur et est également disponible dans les filtres neuronaux d'Adobe Photoshop, qui peuvent appliquer le maquillage d'une image de référence à une cible.

Quatre fonctions de perte clés ont guidé le démaquillage sans altérer l'identité faciale ou les indices d'âge. Outre la perte basée sur CLIP, la préservation de l'identité a utilisé des pertes ArcFace pondérées provenant de la bibliothèque InsightFace, mesurant la similitude entre le visage généré et l'image originale non maquillée et la version « maquillée » afin de garantir la cohérence.

Troisièmement, la perte perceptuelle Learned Perceptual Similarity Metrics (LPIPS) a utilisé la distance L1 pour renforcer le réalisme au niveau des pixels et conserver l'apparence de l'image originale après le démaquillage.

Enfin, la supervision de l'âge a utilisé un SSRNet affiné et entraîné sur UTKFace, avec une perte L1 lissée qui pénalisait plus lourdement les erreurs dans la tranche d'âge 10-29 ans, où les erreurs de classification sont les plus fréquentes. Une variante a utilisé une invite d'âge basée sur CLIP pour faire correspondre l'apparence à un âge spécifique.

Pour l'estimation de l'âge au moment de l'inférence, le cadre MiVOLO 2023 a été utilisé.

Données et tests

Le réglage fin du SSRNet sur UTKFace a utilisé 15 364 images d'entraînement et 6 701 images de test. Les 20 000 images originales ont été filtrées pour exclure les personnes de plus de 70 ans et divisées en deux parties égales.

Conformément à la méthode du projet DiffAM 2023, l'entraînement s'est déroulé en deux étapes : une session initiale avec 300 images de maquillage réelles provenant de l'ensemble de données MT de BeautyGAN (200 pour l'entraînement, 100 pour la validation).

Le modèle a été affiné à l'aide de 300 images UTKFace supplémentaires augmentées de maquillage synthétique via EleGANt, ce qui a donné un ensemble d'entraînement final de 600 exemples appariés à cinq styles de référence de BeautyGAN. Étant donné que le démaquillage implique de mapper plusieurs styles sur un seul visage propre, l'entraînement a mis l'accent sur une généralisation large plutôt que sur la couverture de toutes les variations cosmétiques.

Les performances ont été évaluées à la fois sur des images synthétiques et réelles. Les tests synthétiques ont utilisé 2 556 images provenant de l'ensemble de données Flickr-Faces-HQ (FFHQ), échantillonnées de manière uniforme parmi neuf groupes d'âge de moins de 70 ans et modifiées avec EleGANt.

La généralisation a été évaluée à l'aide de 3 000 images provenant de BeautyFace et de 355 images provenant de LADN, toutes deux présentant du maquillage réel.

Exemples tirés de l'ensemble de données BeautyFace, montrant la segmentation sémantique qui définit les différentes zones du visage affectées par le maquillage. Source : https://li-chongyi.github.io/BeautyREC_files/

Mesures et mise en œuvre

Pour les mesures, les auteurs ont utilisé l'erreur absolue moyenne (MAE) entre les âges réels et les valeurs prédites (plus la valeur est faible, mieux c'est) ; la précision par tranche d'âge pour évaluer le regroupement correct (plus la valeur est faible, mieux c'est) ; et la précision mineur/adulte pour évaluer l'identification correcte des adultes (plus la valeur est élevée, mieux c'est).

Ils ont également rapporté des mesures de vérification d'identité : le taux de correspondance véritable (TMR) et le taux de correspondance erronée (FMR), ainsi que les valeurs ROC (Receiver Operating Characteristic) associées.

SSRNet a été affiné sur des images de 64 × 64 pixels avec une taille de lot de 50, à l'aide de l'optimiseur Adam, d'une décroissance de poids de 1e−4, d'un planificateur de recuit cosinus et d'un taux d'apprentissage de 1e−3 sur 200 époques avec arrêt précoce.

DiffClean a reçu des images d'entrée de 256 × 256 pixels et a été affiné pendant cinq époques à l'aide d'Adam avec un taux d'apprentissage de 4e−3. L'échantillonnage a utilisé 40 étapes d'inversion DDIM et 6 étapes directes DDIM. Toute la formation a été effectuée sur un seul GPU NVIDIA A100.

Les systèmes concurrents testés étaient CLIP2Protect et DiffAM. Les auteurs ont utilisé des styles de maquillage « mat », que CLIP2Protect a jugés plus efficaces.

Pour reproduire DiffAM comme référence, le modèle pré-entraîné de BeautyGAN a été affiné sur l'ensemble de données MT. Pour le transfert de maquillage antagoniste, le point de contrôle DiffAM a été utilisé avec les paramètres par défaut.

Performances de DiffClean par rapport aux références sur les tâches d'estimation de l'âge, à l'aide de MiVOLO. Les mesures rapportées sont la précision de la classification mineur/adulte, la précision du groupe d'âge et l'erreur absolue moyenne (MAE). DiffClean avec la perte d'âge CLIP obtient les meilleurs résultats pour toutes les mesures.

Les auteurs déclarent :

« [Notre] méthode DIFFCLEAN surpasse les deux références, CLIP2Protect et DiffAM, et permet de restaurer avec succès les indices d'âge perturbés par le maquillage en réduisant la MAE (à 5,71) et en améliorant la précision globale de la prédiction des groupes d'âge (à 37 %).

Notre objectif était axé sur les groupes d'âge mineurs, et les résultats indiquent que nous obtenons une classification supérieure des mineurs par rapport aux adultes de 88,6 %. »

Résultats du démaquillage à partir des méthodes de référence et des méthodes proposées. La colonne la plus à gauche montre les images sources, la suivante les résultats de CLIP2Protect et DiffAM. La troisième colonne montre les résultats de DiffClean via SSRNet et la perte d'âge basée sur CLIP. Les auteurs affirment que DiffClean élimine le maquillage plus efficacement, en évitant la distorsion des caractéristiques observée dans CLIP2Protect et les résidus de cosmétiques manqués par DiffAM.

Les auteurs notent que le maquillage n'affecte pas uniformément l'âge perçu : il peut l'augmenter, le diminuer ou le laisser inchangé. Ainsi, DiffClean n'applique pas une réduction globale de l'âge prédit, mais vise à récupérer les indicateurs d'âge d'origine en supprimant les traces de maquillage :

Exemples de démaquillage à partir des ensembles de données CelebA-HQ et CACD. Chaque colonne montre une paire d'images avant (à gauche) et après (à droite) le démaquillage. Dans la première colonne, l'âge prédit diminue après le démaquillage ; dans la deuxième, il reste inchangé ; et dans la troisième, il augmente.

Pour tester la généralisation, DiffClean a été exécuté sur les ensembles de données BeautyFace et LADN, qui contiennent du maquillage réel mais aucune image propre appariée. Les prédictions d'âge avant et après le démaquillage ont été comparées afin de mesurer l'efficacité de DiffClean à réduire la distorsion induite par le maquillage :

Résultats du démaquillage sur des images réelles provenant des ensembles de données LADN (paire de gauche) et BeautyFace (paire de droite). DiffClean réduit les âges prédits en supprimant les cosmétiques, ce qui réduit l'écart entre l'âge apparent et l'âge réel. Les chiffres blancs indiquent les âges estimés avant et après le traitement.

Les résultats ont montré que DiffClean réduisait systématiquement l'écart entre l'âge apparent et l'âge réel, réduisant les erreurs de surestimation et de sous-estimation d'environ trois ans en moyenne, ce qui indique une forte généralisation aux styles cosmétiques réels.

Conclusion

Il est intrigant, et peut-être inévitable, que le maquillage visible soit utilisé de manière antagoniste. Étant donné que les filles mûrissent à des rythmes différents, mais généralement plus rapidement en tant que groupe, identifier la transition entre le statut de mineure et celui de femme adulte est l'un des défis les plus ambitieux dans ce domaine de recherche.

Néanmoins, avec le temps, les données pourraient révéler des indicateurs cohérents liés à l'âge qui permettraient d'ancrer les systèmes de vérification visuelle de l'âge.

* Compte tenu du caractère sensible de ce sujet, et étant donné que le terme « filles » est exclusif (alors que « femmes et filles », le terme actuellement accepté pour désigner les personnes de sexe féminin, ne convient pas ici), j'ai utilisé « femmes » comme meilleur compromis possible, même si cela ne rend pas compte de toutes les nuances démographiques, ce dont je m'excuse.

^†Dans cet article, le terme « performatif » fait référence au maquillage destiné à être visible et reconnu comme tel, comme le mascara, l'eyeliner, le fard à joues et le fond de teint, par opposition aux crèmes correctrices et autres applications cosmétiques subtiles.

Publié pour la première fois le vendredi 18 juillet 2025.