noRecognition : le projet anti-flicage qui a utilisé 31 millions de tests IA pour déjouer les caméras Flock, Axon et Clearview

Les systèmes de surveillance automatisés qui scannent les plaques d'immatriculation, identifient les visages et suivent les véhicules semblent être devenus une fatalité de la vie moderne. Mais un chercheur en cybersécurité de Kansas City a développé quelque chose qui promet de les contrer, sans bloquer une seule caméra.

Le projet noRecognition de Bill Swearingen utilise l'apprentissage par renforcement pour générer des motifs visuels adverses qui, une fois imprimés sur du tissu ou du vinyle, brouillent les logiciels de détection et de classification des caméras de surveillance largement déployées. Après environ 31 millions de tests automatisés menés sur un an, le système a convergé vers des designs qui ont mis en échec 11 algorithmes de détection open source en laboratoire. Puis, le vendredi 7 août 2026, Swearingen a prouvé publiquement son efficacité dans le monde réel : une Toyota Yaris de 2009 recouverte de l'un de ses motifs a dépassé un lecteur de plaques Flock lors de la conférence Def Con à Las Vegas sans être détectée automatiquement .

Voici comment fonctionne noRecognition, ce que la démonstration du Def Con a réellement montré, et comment il est désormais possible d'acheter ces motifs sous forme de vêtements.

Qu'est-ce que noRecognition ?

noRecognition est un projet de recherche anti-surveillance mené par Bill Swearingen, un professionnel de la cybersécurité de Kansas City et fondateur du meetup SecKC et de SIXCYBER. Il produit des motifs visuels adverses conçus pour empêcher les systèmes de surveillance automatisés de détecter les personnes, les visages, les véhicules et les objets . Les motifs sont imprimés sur du tissu ou du vinyle et appliqués sur des vêtements ou des surfaces de véhicules. Ils ne bloquent pas l'enregistrement vidéo normal — ils trompent spécifiquement les logiciels de détection et de classification qui tournent sur ces caméras .

Swearingen a décrit son approche à TechCrunch : les motifs exploitent la couche de classification des réseaux de neurones, créant un signal visuel que le modèle ne peut pas analyser en une catégorie reconnaissable . Pour un observateur humain, le motif ressemble à un dessin abstrait et chaotique. Pour une IA, il est effectivement invisible.

Comment le système d'apprentissage par renforcement s'est entraîné sur 31 millions de tests

Swearingen a construit un modèle d'apprentissage par renforcement qui a généré des motifs de manière itérative et les a testés contre 11 algorithmes de détection par vision par ordinateur open source différents . À chaque test, le modèle apprenait quelles caractéristiques visuelles provoquaient l'échec de la détection et affinait le motif en conséquence.

Après environ 31 millions de tests (certaines sources mentionnent 31,7 millions) menés sur environ un an, le modèle a convergé vers des designs qui ont systématiquement empêché ces algorithmes de classifier ce que le motif recouvrait . Swearingen a décrit le processus comme un apprentissage pour le modèle à « peindre » — le système a appris à générer des textures qui maximisent la confusion dans le logiciel de détection .

Dans des tests numériques contrôlés utilisant de véritables poids de modèles extraits, une texture noRecognition à couverture intégrale a porté le taux de non-détection du détecteur de surveillance f-YOLOv5 à 61,7 % sur 240 images de vêtements mises de côté au seuil de détection de 0,25, avec un gain de +0,537 par rapport à la référence non texturée après correction de l'occlusion .

Ce que les motifs ont vaincu en laboratoire :

• Flock lecteurs de plaques d'immatriculation
• Axon caméras corporelles
• Clearview AI systèmes de reconnaissance faciale
• Les 11 algorithmes de détection open source de la suite de test de Swearingen

La démo du Def Con 34 : une Toyota Yaris de 2009 que les caméras ne pouvaient pas voir

Le vendredi 7 août 2026, Swearingen a mené le premier test public en conditions réelles d'un motif noRecognition lors de la conférence Def Con à Las Vegas . En collaboration avec le média automobile Donut Media, il a recouvert une Toyota Yaris de 2009 de l'un de ses motifs générés par ordinateur et l'a conduite devant un lecteur de plaques Flock .

Swearingen a rapporté que la Yaris a échappé entièrement à la détection automatique — la caméra Flock n'a pas pu identifier le véhicule ni lire sa plaque d'immatriculation, tandis que l'enregistrement vidéo normal s'est poursuivi sans problème . Les roues auraient présenté un défi, mais le test global a été jugé efficace .

Réserve importante concernant la démo : La vérification indépendante de cette affirmation est limitée. TechCrunch a noté que le résultat est plus étroit que le fait qu'un véhicule devienne « invisible » — la caméra a toujours enregistré des images, tandis que la vidéo de démonstration et les journaux ne sont pas publics . Le bilan dans le monde physique se résume actuellement à un test Def Con contre un seul modèle de caméra, et la preuve reste un sujet de discussion .

Comment acheter des motifs noRecognition : T-shirts, sweats à capuche et tours de cou

L'objectif déclaré de Swearingen est de faire de noRecognition un outil pratique pour la vie privée du public — un moyen pour les gens de refuser la surveillance algorithmique sans avoir besoin de compétences techniques .

Il a lancé une campagne Kickstarter qui est devenue active simultanément à ses présentations de recherche au Black Hat et au Def Con début août 2026 . Il a annoncé sur LinkedIn : « T-shirts, sweats à capuche et tours de cou imprimés avec les motifs qui fonctionnent vraiment » — publiés au même moment que la recherche .

Produits actuels et prévus :

Produit	Statut
T-shirts	Disponibles via la campagne Kickstarter
Sweats à capuche	Disponibles via la campagne Kickstarter
Tours de cou / cache-cous	Disponibles via la campagne Kickstarter
Pellicules pour véhicules	Prévues, après la ligne de vêtements

À la mi-août 2026, la campagne Kickstarter avait récolté plus de 40 000 dollars . Les contributeurs qui paient un supplément peuvent demander des motifs personnalisés qui ont été « générés, testés et jamais publiés, montrés ou imprimés pour personne d'autre » . L'application de la pellicule pour véhicule est décrite comme une prochaine étape une fois la ligne de vêtements lancée .

Mises en garde juridiques et pratiques importantes

Le projet reste une initiative de recherche sur la vie privée plutôt qu'un produit commercial éprouvé . Les tests en laboratoire ont montré un succès contre des algorithmes spécifiques, mais les performances en conditions réelles contre l'ensemble des systèmes de surveillance déployés n'ont pas été auditées ou garanties de manière indépendante .

Swearingen a également reconnu des zones grises juridiques : conduire une voiture recouverte d'une pellicule soulève des questions, variables selon les États américains, concernant l'obstruction de la plaque d'immatriculation, et ses motifs évitent explicitement de couvrir les zones des plaques .

Pour l'instant, noRecognition offre un aperçu d'un futur possible où les individus pourraient refuser la surveillance algorithmique en portant le bon motif. Mais Swearingen lui-même, ainsi que plusieurs médias, ont pris soin de noter qu'il s'agit de recherche — pas d'une cape d'invisibilité — et que la base de preuves reste un seul test de caméra non documenté publiquement .