Caméras intelligentes en 2026

Régulièrement, des articles apparaissent dans l'actualité sur les caméras intelligentes : la solution miracle à tous les problèmes. De la détection de l'usage du GSM au volant à l'identification de plantes exotiques. Mais est-ce vraiment le cas ? Que peuvent réellement faire les caméras intelligentes aujourd'hui ? Et comment les utiliser concrètement pour résoudre de vrais problèmes ?

Dans l'article ci-dessous, nous examinons les applications dans l'espace public. Beaucoup sont encore en phase de test, mais donnent déjà un avant-goût de ce qui est possible, des progrès attendus et des défis à relever.

La valeur établie : la reconnaissance de plaques d'immatriculation

Les applications les plus simples et les plus fiables sont celles qui impliquent une plaque d'immatriculation. Cela rend le sujet immédiatement identifiable sans ambiguïté, même sur des images prises dans des conditions difficiles, comme la nuit. Chaque plaque d'immatriculation est également liée à un propriétaire, avec une adresse, ce qui simplifie le suivi.

Caméras ANPR

ANPR signifie Automatic Number Plate Recognition, soit la reconnaissance automatique de plaques d'immatriculation. Ces systèmes sont désormais répandus partout en Belgique. Pensez aux parkings où il n'est plus nécessaire de scanner un ticket pour sortir, à la surveillance des zones piétonnes ou à faible trafic, ainsi qu'aux nombreux radars tronçons sur les routes. Il existe également un cadre législatif explicite et clair autorisant l'utilisation de ces caméras, qu'elles soient fixes ou mobiles.

Que peut-on encore faire avec ces caméras ?

Contrôler le sens de circulation, par exemple dans les rues à sens unique ou pour détecter les véhicules à contresens
Surveiller l'usage des voies, par exemple les couloirs de bus ou les bandes d'arrêt d'urgence
Contrôler le type de véhicule, par exemple dans les zones interdites aux poids lourds
Vérifier le stationnement correct, par exemple les longue-durée dans les zones bleues
Repérer les véhicules signalés

Radars de contrôle

Les caméras radar classiques qui surveillent la vitesse et les feux de signalisation utilisent également, en principe, la plaque d'immatriculation. Toutefois, il s'agit ici de caméras qui constatent d'abord l'infraction, puis lisent la plaque sur la base des images, tandis qu'une vraie caméra ANPR enregistre et analyse en continu tous les véhicules. C'est pourquoi les caméras ANPR sont soumises à des règles de confidentialité plus strictes que les radars.

Traitement et impact sur le comportement

Le défi ne réside pas tant dans les images elles-mêmes que dans la façon dont elles sont traitées et dans leur influence sur le comportement des usagers. Ainsi, dans les premières années de cette technologie, les villes et communes se retrouvaient submergées de constats à traiter, tandis que les caméras manquaient leur objectif.

Par exemple, dans les zones à faible trafic, de nombreux conducteurs ne savaient pas clairement quand ils pouvaient ou non y entrer. C'est pourquoi l'approche a été ajustée en de nombreux endroits, avec l'ajout d'une signalétique complémentaire. Des totems de signalisation indiquent très clairement qui peut entrer, où et quand, afin que les conducteurs aient réellement la possibilité de respecter les règles. Des solutions logicielles facilitent également le traitement des constats en back-office.

Analyser les flux de circulation

Toutes les applications ne nécessitent pas une identification. Souvent, les images de caméra permettent également de collecter des informations utiles sans lien avec des données personnelles. Les caméras intelligentes sont régulièrement utilisées pour analyser les flux de circulation, améliorer l'infrastructure routière et assurer une meilleure fluidité du trafic.

Recherche et analyse

Il est par exemple possible de déployer temporairement une caméra mobile pour collecter des données en un point de forte fréquentation, de les analyser rétrospectivement et d'en tirer des recommandations. Les données sont alors anonymes, souvent stockées uniquement sur la caméra elle-même et non transmises à une salle de contrôle centrale.

Il n'est pas nécessaire d'identifier des personnes ou des véhicules : reconnaître un schéma suffit. Ainsi, à Louvain, des caméras ont été déployées dans deux parcs pour cartographier les « sportifs non affiliés ». Il s'agit de sportifs qui ne sont pas membres d'un club et dont les besoins passent traditionnellement à travers les mailles du filet. Grâce au monitoring et à l'analyse, la ville peut tenir compte de ces sportifs. Il suffit pour cela d'identifier des activités telles que le jogging ou le cyclisme, les directions de déplacement, les volumes, les périodes de forte et faible affluence... En d'autres termes, des données agrégées, non sensibles sur le plan de la vie privée.

Carrefours intelligents

Les solutions en temps réel qui passent de l'analyse à la régulation sont également intéressantes, notamment en identifiant le type et le volume de trafic. Pensez aux carrefours intelligents où les feux passent plus rapidement au vert pour les usagers vulnérables, où la durée du feu vert est adaptée à l'affluence, ou encore où les services de secours bénéficient d'une priorité dès leur approche.

Il existe aujourd'hui des exemples de projets pilotes, notamment à Hasselt et à Halle, mais ceux-ci sont loin d'être irréprochables. La plupart des carrefours intelligents actuels n'utilisent pas encore de caméras pour la régulation et fonctionnent à base de boucles inductives dans la chaussée, de radars classiques et d'émetteurs dans les véhicules des transports en commun et des services de secours.
L'intégration de données issues de sources externes — par exemple, utiliser les informations météo de l'IRM pour accorder plus de vert aux cyclistes par temps de pluie, mesurer l'affluence sur la base de signaux GSM et GPS des véhicules, etc. — reste pour l'instant un rêve lointain.

Plus complexe : le comportement humain

Plus on se rapproche de l'individu, plus la matière devient complexe. Il existe cependant encore de nombreuses applications de caméras intelligentes qui restent pertinentes.

Les caméras peuvent ainsi être utilisées pour mesurer l'affluence et les mouvements de foule. Cela peut en principe se faire de manière totalement anonyme, par exemple avec des caméras thermiques ou des radars. Les caméras ordinaires peuvent également analyser l'affluence avec les logiciels appropriés.

Ce même type de logiciel est aujourd'hui capable de détecter et signaler un certain nombre de situations :

Attroupements et rassemblements anormaux
Trajectoires de déplacement inhabituelles
Pénétration dans des zones interdites
Mouvements de panique
Chutes, accidents
Bagarres
Objets abandonnés, par exemple déchets sauvages, dépôts clandestins, bagages...
Port de la ceinture de sécurité et usage du GSM au volant

Précision et « human in the loop »

Deux points d'attention majeurs se posent ici, le premier étant la précision. Le logiciel détecte des schémas et peut souvent obtenir des résultats corrects, mais il est loin d'être fiable à 100 %. La principale fonction de ces outils est donc de générer une alerte et de faciliter la recherche d'images pertinentes dans la masse.

Mais une intervention humaine reste toujours nécessaire. C'est le principe du « human in the loop ». Et c'est là que le bât blesse : les effectifs sont-ils disponibles ? Peut-on intervenir en temps réel ? Et cela est-il aussi socialement pertinent ?

Dans certaines situations, ce type de suivi est effectivement justifié. Pensez aux événements, où l'opérateur peut rapidement envoyer une équipe de sécurité sur place en cas de vrai problème, et classer immédiatement les faux positifs, comme un moshpit signalé par le système comme une bagarre. Mais est-il pertinent de surveiller en direct des objets abandonnés près d'une poubelle et d'y envoyer une patrouille de police en temps réel ?

Vie privée et AI Act

Le deuxième enjeu est la protection de la vie privée des citoyens dans l'espace public. Pour effectuer des analyses précises, des caméras offrant une qualité d'image relativement élevée sont nécessaires. Sur ces images, les personnes sont individuellement identifiables, ce qui nous place dans une zone grise. C'est pourquoi les projets pilotes de surveillance de l'usage du GSM au volant par caméra se sont à plusieurs reprises heurtés à la question de la vie privée.

En 2024, l'EU Artificial Intelligence Act a été définitivement adoptée en Europe. Elle définit explicitement ce qui est autorisé et ce qui ne l'est pas dans ce contexte. Les applications d'IA qui analysent le comportement humain — par exemple un projet pilote visant à renforcer la sécurité dans les quartiers juifs d'Anvers — relèvent de la catégorie à haut risque. Cela signifie qu'elles ne sont pas interdites, mais uniquement autorisées sous réserve d'analyses de risques, de transparence, de contrôles de qualité, de documentation et, une fois de plus, d'une supervision humaine.

Au-delà de l'image : le son et la chaleur

Détection de sons inhabituels

Une caméra peut également être équipée d'un microphone permettant d'enregistrer toutes sortes de sons. Sur la grande majorité des caméras, celui-ci est présent par défaut mais désactivé par logiciel. Techniquement, une analyse similaire à celle des images vidéo est aujourd'hui possible : reconnaître des schémas et signaler certaines situations pour un examen approfondi. Pensez aux coups de feu, aux bris de verre, aux bagarres, aux véhicules à échappement modifié, aux voitures qui accélèrent trop brusquement...

Là encore, ce n'est pas tant la technologie qui pose problème, mais la vie privée et l'application. Il est en effet interdit d'écouter des conversations ; les caméras ne peuvent donc détecter que des sons spécifiques dans des situations spécifiques. Les enregistrements sonores constants sont absolument prohibés.

Se pose également la question de l'utilisation opérationnelle réelle. Intervenir dans une bagarre dans un quartier de nuit, où une surveillance est de toute façon prévue lors des soirées chargées, est tout à fait envisageable. En revanche, verbaliser des véhicules à échappement modifié sur la base d'enregistrements réalisés avec des caméras mobiles est une affaire plus complexe. Ce qui est possible, c'est d'utiliser ces outils pour identifier des schémas récurrents, afin d'intervenir ensuite sur le terrain avec une équipe pour prendre des contrevenants en flagrant délit.

Détection sonore intelligente : un test à Beringen avec Mobiqam

Détection thermique : foyers d'incendie vs virus

The Safe Group
Le non-sense des caméras de "fièvre"

La température peut également être exploitée. Le meilleur exemple est celui des caméras thermiques utilisées pour la détection d'incendies, par exemple dans des espaces naturels ou des sites particulièrement sensibles au feu, comme les parcs de recyclage. Un foyer couvant à 60°-150°C se distingue nettement de son environnement, qui se situe généralement entre 15 et 30°C. Il n'y a par ailleurs aucun problème de vie privée, puisqu'il ne s'agit pas de sujets humains.

À l'opposé, on trouve des applications comme les caméras de détection de fièvre. Nous avions déjà écrit en 2020, en pleine crise du COVID, sur l'absurdité de ces systèmes, et pourtant ils réapparaissent régulièrement lors de nouvelles menaces virales — comme récemment en Thaïlande et en Indonésie lors de dépistages pour le virus Nipah.

Les grandes questions n'ont pas changé en cinq ans : ces caméras sont-elles suffisamment précises ? Il s'agit ici d'écarts infimes de moins de 2 degrés. Et que dit réellement une température cutanée élevée sur l'état de santé de la personne concernée ? Qu'elle a de la fièvre ? Ou qu'elle vient de faire un effort physique, ou qu'elle s'est touchée le visage ? Le nombre de faux positifs et de faux négatifs de ce type d'application est immense.

Les cas difficiles

Armes à feu et couteaux

La détection d'armes est l'un des cas les plus délicats. Pour les armes à feu, les résultats sont relativement corrects, du moins dans de bonnes conditions d'éclairage et lorsque la personne tient l'arme en main. Mais un couteau est bien plus difficile à détecter. En termes de forme, des clés de voiture ou même un GSM peuvent facilement ressembler à un couteau sur des images de caméra. Le contexte est également important : un traiteur circulant avec un couteau a rarement de mauvaises intentions. En pratique, ce type de détection est peu pertinent dans le contexte européen. La plupart des exemples proviennent d'ailleurs des États-Unis, où la problématique est plus présente.

Dans les lieux présentant une menace accrue, comme les événements ou les tribunaux, l'accès est souvent contrôlé et il est bien plus efficace d'utiliser simplement un détecteur de métaux classique. Ces dispositifs sont plus précis et préventifs : il n'est pas nécessaire d'attendre que l'arme soit utilisée pour la découvrir.

Âge et genre

La reconnaissance de l'âge et du genre par caméra intelligente est aujourd'hui déjà relativement performante. Ainsi, un magasin a utilisé dans un projet pilote une caméra intelligente pour contrôler l'âge des jeunes souhaitant acheter des produits du tabac. Lorsque la caméra estimait qu'ils étaient mineurs, ils devaient présenter leur carte d'identité. La caméra a effectivement contribué à réduire l'agressivité dans les situations où la vérification était nécessaire. Certains clients se sont toutefois interrogés sur la protection de leur vie privée et n'étaient pas enthousiastes face à un nouveau mode de collecte de leurs données. Récemment, la plateforme numérique Discord a également introduit la vérification d'âge par caméra dans plusieurs pays, soulevant des questions similaires.

Outre la question de la vie privée, la précision entre également en jeu. Plus le profil correspond à la norme, plus les résultats sont précis. Pour les hommes blancs cisgenres d'âge adulte, l'algorithme fonctionne souvent très bien. Mais dès que l'on s'écarte de la norme — par exemple en raison d'une autre couleur de peau, d'une identité de genre différente, ou même de personnes présentant des visages atypiques dus à un handicap ou à des cicatrices — le risque de contrôles augmente considérablement et le danger de discrimination est réel.

Reconnaissance faciale

Avec la reconnaissance faciale, nous nous approchons des frontières de la science-fiction. En mode un-à-un, avec des images de référence récentes, dans de bonnes conditions d'éclairage, immobile et sous un bon angle, ça fonctionne encore. Le déverrouillage de son téléphone en est un bon exemple. Des systèmes similaires pour le contrôle d'accès peuvent être fonctionnels, mais toujours avec une solution de repli (par exemple un badge RFID).

Dès que l'on passe à des situations où une personne doit être extraite d'une foule, dans des conditions variables, souvent sur des images de faible qualité, le nombre d'erreurs augmente de façon exponentielle. Et même si les images sont exploitables, il est rarement possible de disposer de suffisamment de données de référence pour les comparer. La reconnaissance faciale ne fonctionne en pratique que si les personnes y coopèrent. C'est précisément pourquoi elle ne fonctionne pas bien dans l'espace public.

Au-delà de la technique, la législation belge est claire : la reconnaissance faciale relève du traitement de données biométriques et est soumise à des restrictions très strictes. La reconnaissance faciale automatique dans l'espace public n'est pas autorisée. Ni pour les acteurs privés, ni pour les acteurs publics. Les services de police ne peuvent pas non plus utiliser librement la reconnaissance faciale, sauf dans des situations exceptionnelles très précisément définies par la loi, et toujours avec une intervention humaine.

Contexte, émotions et intentions : pas de Minority Report

Dans des films de science-fiction comme Minority Report, la technologie prédit les crimes avant qu'ils ne se produisent, en « lisant » les intentions et les émotions. Dans la réalité, les caméras intelligentes en sont absolument incapables. Les caméras voient des images et reconnaissent des schémas, mais elles ne comprennent pas le contexte. Elles ne savent pas pourquoi quelqu'un fait quelque chose, seulement que cela se produit. Deux personnes qui gesticulent vivement peuvent se disputer, mais aussi très bien raconter une anecdote avec enthousiasme. Quelqu'un qui va et vient peut être agité, attendre quelqu'un, ou simplement être au téléphone.

Les émotions restent également hors de portée. Bien que certains systèmes prétendent reconnaître le stress, la colère ou l'agressivité, il n'existe pas de base scientifique fiable pour cela. Les expressions faciales et le langage corporel dépendent fortement de la culture, de la situation et de la personne. Ce qu'un algorithme qualifie de « menaçant » peut tout aussi bien être de la fatigue, de la concentration ou du trac. Et ce que quelqu'un a l'intention de faire est totalement invisible pour une caméra. La technologie peut constater qu'une personne court, mais pas si c'est pour fuir, aider ou simplement attraper son train.

Pas de caméras intelligentes sans êtres humains

Aussi intelligentes que soient les caméras, elles ne fonctionnent jamais de manière autonome. Sans personnes autour d'elles, elles sont au mieux inutiles, au pire nuisibles.

La vie privée reste un sujet sensible, même pour ceux qui « n'ont rien à cacher ». Ce qui constitue une infraction n'est pas une donnée fixe, mais un choix humain et politique qui peut évoluer. En Iran, par exemple, des caméras intelligentes ont été utilisées pour repérer des femmes sans voile. Les autorités de protection de la vie privée mettent à juste titre en garde contre le function creep : l'utilisation progressive de caméras introduites à des fins bien définies pour des surveillances bénéficiant d'un moindre soutien social.

Par ailleurs, le débat accorde souvent trop d'attention à ce que les caméras peuvent constater, et pas assez à ce qui se passe ensuite. Les caméras intelligentes ne fonctionnent que s'il y a toujours un « human in the loop » : quelqu'un qui évalue, nuance et décide. Cela exige plus que de la technologie seule. Cela nécessite des logiciels qui rendent les dossiers gérables — notamment pour les constats rétroactifs —, une formation du personnel, et pour les applications en temps réel, suffisamment de personnes sur le terrain pour donner une suite concrète aux alertes. Une alarme sans suivi ne génère qu'un sentiment de sécurité illusoire.

Cette tension se reflète également dans des choix politiques concrets. À Hasselt, la décision a été prise de ne pas acquérir de véhicule scanner, car un tel système ne peut pas suffisamment tenir compte des exceptions telles que les cartes de stationnement pour personnes handicapées ou les cartes bleues. La technologie peut beaucoup, mais pas tout ce qu'un être humain évalue naturellement. Et même lorsque la logique est correcte, elle achoppe parfois sur quelque chose d'aussi banal que l'intégration. À Courtrai, une écluse pour poids lourds équipée de caméras intelligentes n'a pu être mise en service qu'un an après sa construction, faute de connexion fonctionnelle avec les serveurs municipaux.

La conclusion est peut-être moins spectaculaire que ce que promet la science-fiction, mais elle n'en est que plus importante : les caméras intelligentes nécessitent des organisations intelligentes. La technologie peut soutenir, signaler et accélérer, mais la compréhension, l'appréciation et la responsabilité restent l'affaire des êtres humains.

Vous souhaitez utiliser les caméras intelligentes de manière judicieuse ? Nous sommes là pour vous aider !

Il peut être difficile de garder une vue d'ensemble de ce qui est possible avec les caméras si vous ne vous en occupez pas quotidiennement. The Safe Group se tient à votre disposition pour réfléchir stratégiquement à ce qui est ou non pertinent pour votre situation spécifique, et à la manière d'optimiser votre budget caméra disponible.

Pour les institutions publiques en Flandre et à Bruxelles, ce conseil s'inscrit également dans le cadre du contrat-cadre Smartville. Les instances publiques en Flandre et à Bruxelles peuvent y adhérer facilement.

Contactez-nous

Webinaire: une sécurité des villes optimale grâce au vidéosurveillance

Découvrez le triangle de la vidéosurveillance : notre méthode pour exploiter au mieux chaque réseau de caméras.

Date: 4 juin 2026,
Heure: 13h30-14h30

S'inscrire

Shape Divider - Style triangle

Webinaire: Mobiqam — utiliser davantage votre caméra mobile

Les caméras mobiles sont depuis des années un partenaire incontournable dans la lutte contre les décharges sauvages, mais elles peuvent faire bien plus encore.

Date: 22 mai 2026
Heure: 10h00-11h00