L’empreinte perceptuelle expliquée simplement

Pour reconnaître un contenu indépendamment de son nom ou de son format, les plateformes, les banques d’images et les outils de protection du droit d’auteur s’appuient sur une empreinte perceptuelle. Comprendre comment elle se calcule permet de comprendre ce qui la fait changer, et ce qui ne la touche pas.

Empreinte cryptographique et empreinte perceptuelle

Une empreinte cryptographique, comme SHA-256, change entièrement dès qu’un seul octet du fichier change. Elle sert à vérifier qu’un fichier est intact, pas à reconnaître un contenu. Une empreinte perceptuelle fait l’inverse : deux images qui se ressemblent à l’œil doivent produire des empreintes proches, même si leurs fichiers n’ont pas un octet en commun.

Le calcul en quatre étapes

L’empreinte moyenne, ou average hash, est la plus simple à comprendre. C’est celle que Klypsed utilise pour mesurer ses variantes.

1. Réduire l’image à 8 × 8 pixels. Tous les détails fins disparaissent, il ne reste que la structure générale.
2. Passer en niveaux de gris. La couleur est écartée, seule la luminosité compte.
3. Calculer la moyenne des 64 valeurs de luminosité.
4. Écrire un bit par pixel : 1 si le pixel est plus clair que la moyenne, 0 sinon. On obtient 64 bits.

D’autres méthodes affinent le principe. Le dHash compare chaque pixel à son voisin. Le pHash passe par une transformée en cosinus discrète pour ne garder que les basses fréquences de l’image. Les plateformes utilisent des variantes plus robustes encore : Meta a publié en 2019 PDQ pour les photos et TMK+PDQF pour les vidéos.

Comparer deux empreintes

Deux empreintes se comparent avec la distance de Hamming : le nombre de bits qui diffèrent. Zéro signifie des images quasi identiques. Plus la distance augmente, plus les contenus s’éloignent. Chaque système fixe un seuil sous lequel deux contenus sont considérés comme identiques.

Pour une vidéo, le calcul se répète sur des images clés réparties dans le temps. Le son a sa propre empreinte, construite à partir des pics d’énergie de son spectre, sur le même principe que les applications de reconnaissance musicale.

Ce qui fait bouger l’empreinte

• Le miroir horizontal inverse la position des zones claires et sombres : beaucoup de bits changent d’un coup.
• Le recadrage et le zoom déplacent la structure de l’image dans la grille de 8 × 8.
• Les variations de lumière et de contraste font passer certains pixels de part et d’autre de la moyenne.
• La vitesse décale les images clés dans le temps, le pitch déplace les pics du spectre audio.

Ce qui ne la touche pas

• le nom du fichier, sa date et ses métadonnées ;
• le format du conteneur, MP4 ou MOV ;
• un nouvel encodage à qualité équivalente ;
• un léger changement de définition, puisque l’image est de toute façon réduite à 8 × 8.

Pourquoi mesurer plutôt que deviner

Une modification peut être visible et pourtant déplacer très peu l’empreinte, ou l’inverse. La seule façon de savoir est de mesurer. Klypsed calcule l’empreinte de l’original et de chaque variante, puis affiche le nombre de bits modifiés sur 64. Pour une variante retournée, l’écart est mesuré contre l’original lui aussi retourné, pour que le miroir seul ne compte pas.

Pour mettre cette mesure en pratique, lisez notre méthode pour décliner une même vidéo sur plusieurs comptes.