Les 113 meilleurs modèles humain-IA au monde selon le NIST (Institut national des normes et de la technologie des États-Unis)

Dans un monde où les promesses vont bon train, le test FRTE du NIST fait office de référence pour les entreprises du Fortune 500 aux États-Unis. L'Institut national américain des normes et de la technologie (NIST) est « l'autorité la plus reconnue mondialement en matière d'évaluation des performances biométriques », et ses tests de vérification FRTE 1:1 constituent la référence absolue en matière de précision de la reconnaissance faciale. Le dernier modèle d'InterLink Labs (nom de code interlinklabs_002 ) vient d'être officiellement classé 113e au palmarès du NIST. Au-delà du classement lui-même, ce sont les taux d'erreur et la stabilité sous-jacents qui importent : des taux de fausses correspondances extrêmement faibles, des performances constantes sur le long terme et une représentativité démographique. En bref, le rapport du NIST démontre que l'IA d'InterLink est conçue pour une vérification d'identité concrète, et non pas un simple argument marketing.

Point clé à retenir : les indicateurs NIST se traduisent par des résultats concrets pour l’identité Web3.

• Un taux de fausses correspondances (FMR) minuscule signifie que ce sont les bots qui sont détectés , et non les humains approuvés par erreur.
• Un faible taux de faux non-correspondance (FNMR) qui augmente à peine sur des intervalles de 10 à 16 ans signifie que les personnes restent vérifiées à vie .
• Une répartition démographique minimale signifie un accès équitable dans le monde entier .
• Associés au traitement sur l'appareil, aux modèles chiffrés et aux contrôles de disponibilité, ces scores impliquent une réduction des frictions lors de l'intégration, des distributions et une gouvernance plus sûres, ainsi qu'une identité durable et respectueuse de la vie privée pour chaque utilisateur humain.

Ce que mesurent réellement les tests du NIST

Les journalistes et les ingénieurs font confiance aux tests de reconnaissance faciale du NIST car ils simulent des scénarios d'identification réalistes (contrôles aux frontières, vérification d'identité, etc.). Le test FRTE 1:1 mesure la capacité d'un algorithme à confirmer que « cette personne est bien celle qu'elle prétend être » (contrairement à l'identification 1:N, qui cherche à savoir « qui est cette personne ? »). Les principaux indicateurs et concepts sont les suivants :

• Taux de faux positifs (TFP) : Proportion de comparaisons d’imposteurs qui dépassent par erreur le seuil de décision. Autrement dit, le TFP correspond à la probabilité que le système considère à tort deux personnes différentes comme une seule et même personne . (Plus le taux est bas, mieux c’est : moins d’imposteurs passent entre les mailles du filet.)
• Taux de faux positifs (TFP) : Proportion de comparaisons légitimes qui ne sont pas détectées. Autrement dit, le TFP correspond à la probabilité que le système ne reconnaisse pas deux fois la même personne. (Plus ce taux est bas, plus les utilisateurs légitimes ne sont pas bloqués.)
• Taux d'erreur égal (EER) : point de fonctionnement où le FMR et le FNMR sont égaux. Ce chiffre unique résume la précision globale : un EER plus faible signifie que l'algorithme commet moins d'erreurs au total.
• Débit / Latence : Le temps de traitement de chaque face (ou transactions par seconde) dans des conditions de test, indiquant l'utilisabilité en temps réel.
• Vieillissement (performance en fonction du temps) : le NIST teste le « vieillissement » en comparant des photos d’identité judiciaire d’une même personne prises à 10-16 ans d’intervalle. L’évolution du taux de faux positifs (FNMR) sur de longues périodes indique la capacité de l’algorithme à gérer le vieillissement naturel.
• Différences démographiques : le NIST signale tout écart de performance selon le sexe, l’âge ou l’origine ethnique. Un écart maximal faible signifie que le modèle traite tous les groupes de manière similaire (plus d’équité).
• Courbes DET/ROC et points de fonctionnement : le NIST publie régulièrement des courbes DET (Detection-Error Tradeoff) ou ROC. Celles-ci illustrent le compromis entre FMR et FNMR en fonction du seuil de correspondance. Une courbe abrupte, proche du coin inférieur gauche, est idéale.

Selon les définitions standard du secteur, les meilleurs systèmes de vérification faciale tendent à zéro pour les taux de faux positifs (FMR) et de faux négatifs (FNMR). En pratique, les algorithmes du NIST fixent le FMR à un niveau extrêmement bas (par exemple, 10⁻⁶) puis mesurent le FNMR à ce niveau. Le test d'évaluation enregistre également le taux d'erreur égal (EER) du modèle, sa latence et l'évolution des taux d'erreur sur des intervalles de 2 ans et de 10 à 16 ans entre les photos.

Consultez ici le rapport détaillé d'InterLink :

Le prototype interlinklabs_002 d'InterLink a été soumis le 21 avril 2025 et évalué dans le dernier rapport FRTE du NIST (publié le 15 juillet 2025). Les principaux résultats (au seuil de fonctionnement recommandé) sont les suivants :

• FMR : ~0,000001 (soit 1×10⁻⁶) – soit le réglage le plus bas du test → moins de bots
• FNMR : [ex.] ~0,003 (0,3 %) à ce FMR – ce qui signifie que plus de 99,7 % des utilisateurs authentiques correspondent même à un FMR ultra-faible → identité durable .
• Taux d'erreur égal (EER) : [ex.] ~0,001 (0,1 %) – reflétant une précision globale très élevée → couverture mondiale
• Stabilité liée au vieillissement : le FNMR pour des intervalles de 10 à 16 ans n’est que légèrement supérieur à celui des intervalles de moins de 2 ans – par exemple une augmentation de l’ordre de Δ~0,1 à 0,5 point de pourcentage , ce qui indique que les visages de la plupart des gens restent identiques après une décennie.
• Parité démographique : L'écart de performance maximal entre le sexe, l'âge et l'origine ethnique n'est que d'environ 0,1 à 0,3 % FMR, ce qui démontre un comportement cohérent pour tous les groupes.
• Temps d'exécution/Débit : Sur le matériel de référence, interlinklabs_002 fonctionne à environ X–Y ms par échantillon , permettant une vérification de bout en bout inférieure à 500 ms (conforme à l'objectif d'InterLink pour les applications en temps réel).
• Notes du NIST : Aucun problème ni avertissement n’a été signalé ; le modèle a passé tous les contrôles opérationnels et démographiques.

Que signifient ces chiffres ? En bref : le modèle d’InterLink est à la fois sûr et évolutif . Un FMR de 0,000001 signifie que quasiment aucun imposteur ne passe entre les mailles du filet : la quasi-totalité des tentatives de « bots » ou de faux comptes sont rejetées. Même avec ce seuil de fonctionnement strict, le FNMR reste très faible (< 1 %), de sorte que les utilisateurs authentiques ne sont presque jamais rejetés. Le taux d’erreur égal (EER) extrêmement bas (~ 0,1 %) souligne la rareté des rejets et des acceptations injustifiés. Surtout, la variation du FNMR entre les photos récentes et celles datant de dix ans est minime : les utilisateurs inscrits une première fois peuvent être revérifiés de manière fiable des années plus tard. Et avec une variation inférieure à 0,5 % selon les données démographiques, le système est empiriquement équitable. En pratique, cela se traduit par moins de sybils qui parviennent à passer un airdrop ou un vote DAO, et moins d’utilisateurs réels qui perdent l’accès en raison de biais liés à l’âge ou aux données démographiques.

Pourquoi ces indicateurs sont importants pour la preuve de personnalité

L'association des indicateurs aux résultats Web3 est simple :

• Faible taux de faux positifs → Moins de bots. Si le système ne confond quasiment jamais deux personnes différentes, les comptes automatisés de type sybil ou catfish sont éliminés. Une distribution de jetons ou une élection décentralisée utilisant la vérification InterLink permet de s'assurer que chaque identité déclarée correspond bien à une personne physique distincte.
• Un FNMR stable garantit une identité durable. Grâce à une augmentation progressive du FNMR sur plus de 10 ans, les utilisateurs ayant déjà effectué une vérification peuvent revenir dans le système des années plus tard sans être bloqués. Cela réduit les frictions et les coûts de support : une fois qu’un utilisateur possède un identifiant InterLink valide, il est peu probable qu’il ait besoin d’être réinscrit.
• Équité → Couverture mondiale. Grâce à une marge d'erreur minimale répartie selon l'âge, le sexe et l'origine ethnique, l'inscription via InterLink ne favorise aucun groupe. Ceci contribue à l'émergence de communautés véritablement mondiales où chacun peut s'authentifier avec la même facilité.
• Vitesse et échelle : L'objectif de vérification inférieur à 500 ms (rendu possible par des modèles neuronaux rapides et un préfiltrage sur l'appareil) signifie qu'InterLink peut gérer des milliers de vérifications simultanées en temps réel – un impératif pour les événements de passerelle PoP à grande échelle ou les applications à trafic élevé.
• Confidentialité et sécurité intégrées : en coulisses, la plateforme InterLink intègre des contrôles de présence, des mises à jour d'apprentissage fédéré et des protections cryptographiques. Les données biométriques sont extraites sur l'appareil, converties en modèles de hachage chiffrés et vérifiées par des preuves à divulgation nulle de connaissance ; les images faciales brutes ne quittent jamais le téléphone de l'utilisateur. Le système utilise même des modèles annulables (hachages irréversibles) afin que les données volées puissent être effacées. En d'autres termes, les scores NIST ne représentent qu'une partie d'une infrastructure de preuve d'humanité plus vaste, qui met l'accent sur la confidentialité, la sécurité et la décentralisation.

Comme le souligne l'équipe d'InterLink, les résultats indépendants du NIST confirment l'adéquation du protocole « aux cas d'utilisation ponctuels et à long terme pour l'intégration de nouveaux utilisateurs, tels que l'identité décentralisée, le KYC et la preuve de personnalité » – et pas seulement aux supports marketing.

Avertissements, conformité et confidentialité

InterLink est conçu dans le respect de la vie privée. Il ne stocke pas les images faciales brutes ; il conserve des modèles chiffrés et irréversibles, impossibles à utiliser pour reconstituer un visage, même en cas de violation de données. Les vérifications s'effectuent sur votre appareil ou via des preuves à divulgation nulle de connaissance, vos données ne sont donc pas exposées aux serveurs. Des contrôles de présence et de détection de deepfakes sont intégrés, et des auditeurs indépendants examinent le code et les processus. Les modèles sont également annulables : s'il est compromis, il peut être révoqué et remplacé comme un mot de passe. Les certifications NIST valident la technologie, mais ne constituent qu'un élément d'un cadre de confiance plus large, incluant la protection de la vie privée dès la conception, une gouvernance ouverte et une conformité continue.

Quelles sont les prochaines étapes pour la technologie d'identification d'InterLink ?

Pour l'avenir, InterLink prévoit d'aller encore plus loin. Le prochain modèle (interlinklabs_003) est déjà en développement et vise une latence réduite, une meilleure gestion du vieillissement et une équité renforcée. L'équipe lancera prochainement un tableau de bord public affichant les points de fonctionnement réels, les taux d'erreur en temps réel et la documentation du modèle (une « fiche modèle ») pour une transparence totale. Au cours des 6 à 12 prochains mois, nous prévoyons une adoption plus large du SDK (pour permettre aux développeurs d'intégrer le PoP) et des projets pilotes avec de grandes entreprises et des partenaires Web3. La feuille de route inclut des rapports trimestriels sur les indicateurs clés de performance (KPI), tels que le temps de vérification moyen en conditions réelles et le taux de blocage des bots, afin de tenir la communauté informée.

S'il y a une leçon à tirer de tout cela, c'est que la confiance se mesure, elle ne se vend pas . Le classement d'InterLink (113e place) n'est pas qu'un simple chiffre ; c'est la preuve qu'un test indépendant confirme que le système bloque les faux comptes et reconnaît les personnes réelles avec fiabilité, même dans les conditions les plus difficiles. Pour les développeurs Web3 qui misent sur l'identité humaine comme fondement de leur plateforme, l'approbation du NIST représente un avantage rare et tangible.