Résumé :
États-Unis La police utilise un outil d'intelligence artificielle appelé Raven pour tenter de déterminer dans quelle propriété spécifique la photo a été prise à partir d'une simple photo de l'intérieur de la maison. Même si la photo n'inclut pas de vue depuis la fenêtre, de panneaux de signalisation ou d'informations de localisation GPS, la machine à laver, les équipements de salle de bain et la décoration intérieure sur la photo peuvent être des indices pour identifier la maison. La technologie peut associer des photos intérieures ordinaires avec des informations sur les biens immobiliers et les plateformes de location à court terme, fournissant ainsi des pistes d'enquête potentielles aux responsables de l'application des lois tout en soulevant des inquiétudes concernant la vie privée et la surveillance de masse.
Selon le rapport TechSpot du 12 octobre 2026, cet outil baptisé Raven a été développé par la société américaine Graylark Technologies. Le système, anciennement connu sous le nom de GeoSpy, était initialement utilisé pour déduire les lieux de prise de vue en fonction des styles architecturaux, de la topographie et d'autres caractéristiques géographiques des photos. Au fur et à mesure que de nouvelles fonctionnalités sont ajoutées, l’entreprise tente d’étendre la portée de l’identification à l’intérieur des bâtiments, aidant ainsi les enquêteurs à localiser des propriétés spécifiques à partir de photos intérieures.
Selon de précédents rapports médiatiques, la police de Los Angeles et le bureau du shérif du comté de Miami-Dade ont acheté les droits d'utilisation de Raven. Cependant, il manque encore suffisamment de données publiques permettant de savoir si les services répressifs utilisent largement cet outil dans des affaires réelles et dans quelle mesure il peut améliorer l'efficacité des enquêtes.
Ce qui a attiré l'attention cette fois-ci, c'est une vidéo de démonstration récemment montrée par Daniel Heinen, PDG de Graylark. Dans la vidéo, l’opérateur extrait une photo intérieure de la plateforme de médias sociaux X qui montre uniquement une laveuse et une sécheuse. Les opérateurs téléchargent des photos sur Raven, sélectionnent les fonctions de localisation de propriétés intérieures et extérieures et spécifient la zone à rechercher.
Après quelques secondes, le système réduit la carte à une zone de Charlotte, en Caroline du Nord, aux États-Unis, et répertorie les propriétés correspondantes possibles. Le meilleur résultat montrait une description de location à court terme avec un texte tel que « Rénové ! À distance de marche du centre-ville ». Les médias ont ensuite vérifié et constaté que ce texte correspondait à une annonce spécifique sur la plateforme Airbnb, et que les photos intérieures affichées dans l'annonce correspondaient également au même bien que les photos à localiser.
Dans une autre démo, un opérateur a mis en ligne une photo d'une salle de bain à partir des réseaux sociaux. Raven a ensuite pointé la portée de la recherche vers la région de Montecito, en Californie, et a donné comme résultat une liste nommée "Montecito Beach Sand House". Les médias concernés ont vérifié que le texte renvoyé par le système correspondait directement à une introduction d'annonce sur la plateforme de location courte durée Vrbo.
Cela signifie que la façon dont Raven fonctionne ne consiste pas simplement à rechercher s'il existe exactement les mêmes images sur Internet, mais à essayer d'identifier des caractéristiques uniques dans les photos, puis à trouver d'autres photos et informations sur la propriété correspondantes possibles à partir de sites Web immobiliers et de listes de plateformes de location à court terme.
Par exemple, une photo intérieure peut inclure un modèle spécifique de machine à laver, un agencement de salle de bain unique, des revêtements muraux, des styles d'armoires ou d'autres détails décoratifs. Individuellement, ces éléments peuvent ne pas être géographiquement spécifiques, mais si on les compare à un grand nombre d'images d'annonces, il peut être possible d'affiner la recherche aux propriétés qui répondent le mieux à vos critères.
Cette technologie est très différente de la recherche d'images inversée traditionnelle. La recherche d'images inversée est principalement utilisée pour trouver des images identiques ou similaires déjà apparues sur Internet, tandis que Raven tente d'établir des associations à travers les caractéristiques de la scène entre différentes photos. Même si la photo à localiser n'est pas identique à l'image sur la page d'annonce, le système peut quand même identifier la même propriété en fonction de son environnement intérieur commun.
C'est également une raison importante pour laquelle cette technologie soulève des problèmes de confidentialité. Dans le passé, on aurait pu penser qu'il serait difficile de déduire une adresse spécifique à partir d'une photo intérieure ordinaire, tant que la photo ne comportait pas de coordonnées GPS, de rues ou de points de repère. Mais comme l’intelligence artificielle peut traiter des caractéristiques visuelles plus complexes et les combiner avec des données à grande échelle sur les logements sociaux, ce jugement pourrait ne plus être fiable.
Graylark a déclaré que la société renforce les capacités de positionnement de Raven dans les scènes d'intérieur. L'introduction de Haining sur les réseaux sociaux indique que cette fonction peut géolocaliser les photos intérieures de millions de propriétés en location à court terme dans le monde. Il estime que pour les agents chargés de l'application des lois enquêtant sur des affaires de traite et d'exploitation d'êtres humains, la possibilité de relier une photo intérieure non identifiée à un lieu spécifique peut fournir des pistes d'enquête méritant une vérification plus approfondie.
Par exemple, les enquêteurs peuvent avoir une photo d'un intérieur provenant des réseaux sociaux, des journaux de discussion ou d'autres sources, mais ne pas savoir de quel hôtel, appartement ou location la photo a été prise. Si le système parvient à trouver une correspondance possible, la police peut vérifier davantage les informations pour déterminer s'il existe un lieu pertinent pour l'affaire.
Cependant, les résultats fournis par de telles techniques doivent être considérés comme des pistes d'enquête plutôt que comme des preuves indépendantes de faits. Les meubles, les finitions et les accessoires sur les photos peuvent apparaître dans plusieurs annonces, ou la maison peut avoir été rénovée ou ses caractéristiques ont changé depuis le moment où la photo a été prise. Par conséquent, les résultats de correspondance fournis par le système doivent encore être confirmés par d’autres preuves.
Les bases techniques de Raven remontent au développement initial de GeoSpy. Le système analysait auparavant les styles architecturaux, le sol, la végétation et d’autres caractéristiques géographiques pour déduire où une photo aurait pu être prise. Pour atteindre cet objectif, Graylark utilise un grand nombre d’images du monde entier pour entraîner le modèle.
Haining avait précédemment déclaré dans une interview avec le média technologique Indicator que les capacités de positionnement en intérieur n'étaient pas l'objectif de développement initial de l'équipe. Alors qu'il testait une nouvelle version de GeoSpy, il a accidentellement téléchargé une photo de sa petite amie prenant un selfie dans la salle de bain et le système a pointé vers San Francisco. Surpris par cela, il a commencé à tester en téléchargeant des photos intérieures à partir de sites Web immobiliers et a constaté que le système était capable d'identifier la bonne ville dans de nombreux cas.
Haining a émis l'hypothèse que le modèle avait été exposé à des images géolocalisées contenant des scènes d'intérieur pendant l'entraînement, et que même si ces images n'étaient pas initialement utilisées spécifiquement pour le positionnement en intérieur, le modèle aurait pu apprendre des caractéristiques visuelles associées à différents emplacements.
Cette expérience montre que les modèles d'intelligence artificielle peuvent développer des capacités au-delà des attentes initiales des développeurs au cours du processus de formation. Cependant, ce n’est pas parce que le modèle peut déduire une certaine ville ou région qu’il peut nécessairement localiser avec précision l’adresse spécifique de la maison. Limiter les résultats de recherche à une ville, identifier un bâtiment et localiser une maison sont des problèmes de difficulté variable.
Selon la démonstration publique actuelle, Raven peut effectivement trouver la maison spécifique correspondant à la photo dans certains cas, mais il ne peut localiser aucune maison dans le monde à partir d'une photo intérieure. TechSpot a noté que les capacités de l'outil semblent toujours limitées par des facteurs tels que la gamme de propriétés qu'il peut rechercher, et que les résultats spécifiques peuvent varier en fonction de la région, du nombre d'annonces et du contenu des photos.
En fait, les performances de ce système dépendent également de la richesse des données de la plateforme immobilière. Si une propriété a beaucoup de photos publiées sur des sites comme Airbnb, Vrbo ou Zillow, le système peut avoir plus de données à faire correspondre. À l’inverse, si une maison n’a pas de photos publiques ou si l’intérieur manque de caractéristiques distinctives, la localiser peut être beaucoup plus difficile.
Il est important de noter que les capacités de Raven peuvent impliquer la collecte et l'utilisation automatisées de données provenant de plateformes immobilières, et que ces plateformes ne permettent pas nécessairement à des tiers d'obtenir des informations de cette manière.
Airbnb a déclaré aux médias que la protection de la vie privée des utilisateurs de la plateforme était très importante. La société note que les photos de liste excluent souvent les métadonnées de localisation et que les hôtes peuvent choisir de montrer aux utilisateurs uniquement un emplacement général, les adresses spécifiques n'étant généralement pas fournies tant qu'une réservation n'est pas confirmée. Airbnb a également déclaré avoir déployé des mesures techniques pour tenter de limiter l'exploration automatisée du contenu des sites Web et réexaminer la situation.
Airbnb a également souligné que la société n'entretient aucune relation de coopération avec Graylark et que ses conditions de service interdisent la capture de données non autorisée.
La plateforme immobilière Zillow a également déclaré que la suppression des données de son site Web violait les conditions d'utilisation de la plateforme et a déclaré qu'elle traiterait les problèmes concernés par des moyens légaux si nécessaire. La plateforme de location courte durée Vrbo n'a pas répondu aux multiples demandes de commentaires des médias.
Ces réponses montrent que le développement et l'application d'outils de positionnement par intelligence artificielle peuvent impliquer de multiples problèmes tels que les règles d'utilisation des données de la plateforme, la protection de la vie privée des utilisateurs et les responsabilités juridiques associées. Même si certaines photos d'annonces sont accessibles publiquement aux internautes ordinaires, cela ne signifie pas que les données peuvent être automatiquement collectées, intégrées et utilisées pour construire de nouveaux systèmes de ciblage sans restriction.
Dans le même temps, les droits d'utilisation de Raven ont également été ajustés.
404 Media a précédemment rapporté que lorsque GeoSpy a été rendu public pour la première fois, les utilisateurs ont demandé à la communauté Discord de l'entreprise comment utiliser l'outil pour suivre les femmes. Après que les médias ont contacté Graylark pour lui poser des questions, la société a restreint l'accès à l'outil aux agences gouvernementales et aux entreprises.
Ce changement reflète l'apparente double utilisation de la technologie qui permet de déduire des lieux à partir de photos. Cela peut aider la police à enquêter sur des affaires graves telles que la traite et l’exploitation des êtres humains. Il peut également être utilisé pour traquer des cibles privées, déduire les adresses d’autres personnes et même harceler des personnes sans méfiance.
De plus, limiter l’accès aux utilisateurs ordinaires n’élimine pas automatiquement tous les risques. Lorsque les forces de l’ordre utilisent de tels outils, elles ont également besoin de règles d’utilisation claires, d’enregistrements d’accès et de mécanismes de surveillance pour empêcher que les systèmes ne soient utilisés à des fins d’enquête ou privées sans justification.
Un autre problème à noter est qu'il n'est pas clair si la démo marketing de Raven est représentative de ses performances générales dans des cas réels. Les vidéos de démonstration sélectionnent généralement des cas qui peuvent facilement démontrer les effets techniques, tandis que les photos des enquêtes réelles peuvent être floues, contenir des informations limitées ou manquer d'informations publiques permettant de les faire correspondre.
Le bureau du shérif du comté de Miami-Dade a précédemment déclaré à 404 Media que l'utilisation de GeoSpy par l'agence est généralement limitée et en phase exploratoire. L'agence a déclaré que même si l'outil a été évalué dans une poignée de cas, à ce jour, aucune percée majeure dans les enquêtes ou aucune arrestation n'a abouti, et aucun résultat de cas ne s'est appuyé uniquement ou principalement sur les informations générées par l'outil.
Cela signifie que même si Raven peut trouver rapidement des maisons spécifiques lors de certaines manifestations, on ne peut pas conclure qu'il est devenu une méthode de positionnement stable et fiable dans les enquêtes policières. Il est actuellement plus approprié comme outil supplémentaire pour aider les enquêteurs à filtrer les emplacements possibles et à les vérifier ensuite par d'autres méthodes.
D'un point de vue plus large, Raven illustre la façon dont l'intelligence artificielle modifie les attributs de confidentialité des images publiques. Dans le passé, une photo d'une salle de bains ou d'un lave-linge sans géolocalisation était souvent difficile à mapper directement à une adresse spécifique ; mais lorsqu’un grand nombre de photos de maisons, d’informations immobilières et de modèles de reconnaissance visuelle sont combinés, ces détails apparemment ordinaires peuvent devenir des indices de localisation.
Cela ne signifie pas que toutes les photos intérieures révèlent l’endroit où elles ont été prises, ni que l’intelligence artificielle peut déjà suivre la maison de n’importe qui à volonté. Cependant, à mesure que les bases de données d’images accessibles au public continuent de se développer et que l’IA est de plus en plus capable d’établir des liens à partir d’informations disparates, les individus devront être plus prudents dans leur jugement des indices de localisation sur les photos.
En fin de compte, la question centrale soulevée par Raven n'est pas seulement de savoir si l'intelligence artificielle peut trouver une maison sur la base d'une photo intérieure, mais aussi de savoir comment définir les limites de son utilisation lorsque cette capacité est utilisée dans les forces de l'ordre, les services commerciaux ou d'autres scénarios. Pour les enquêteurs, cela pourrait fournir des indices précieux ; pour les utilisateurs occasionnels, cela rappelle que même si une photo ne contient pas d'informations GPS, l'environnement intérieur lui-même peut contenir suffisamment de caractéristiques identifiables.
Avec le développement des technologies pertinentes, l'équilibre entre la protection des données de la plateforme, la surveillance des forces de l'ordre, l'exactitude des résultats de positionnement et le droit à la vie privée deviendra des problèmes inévitables dans ce domaine.
Commentaires