Guide 03 Architecture IA & Méthode · 9 min de lecture · CTO · Trust & Safety Marketplaces · Directions des Opérations
Pourquoi les chatbots visuels se trompent sur les faux — et comment le pré-contrôle point par point démultiplie vos experts
Pourquoi nous avons pris le contre-pied des modèles « boîte noire » : ne jamais donner une photo floue pour conforme, laisser un seul point clé bloquer la pièce, et pré-trier en ~15 secondes pour réserver vos experts aux 15–30 % de cas limites.
01 · Le mirage du chatbot généraliste
Pourquoi un « semble authentique à 85 % » est dangereux en production
Soumettez la photo d'une annonce de sac de luxe à un chatbot visuel généraliste et demandez-lui son verdict. Neuf fois sur dix, il rédigera un commentaire flatteur sur le galbe du rabat et la régularité du matelassage pour conclure que la pièce « semble authentique » — alors même que le marquage à chaud intérieur et le numéro de série n'apparaissent sur aucun cliché.
Dans la recherche en apprentissage automatique, ce phénomène porte un nom précis. Guo et al. (ICML 2017, « On Calibration of Modern Neural Networks ») ont démontré que les architectures profondes modernes produisent des probabilités systématiquement surconfiantes dès qu'elles sortent de leur distribution d'entraînement [1]. Plus grave encore : un score global fait la moyenne de l'image entière. Si neuf détails extérieurs sont propres mais que la police de l'étiquette intérieure est fausse, une moyenne naïve affiche encore 85 %.
- Compléter le flou par le contexteUn modèle généraliste devine ce qu'il ne voit pas à partir de la silhouette globale, au lieu d'admettre que le poinçon ou l'étiquette de taille est illisible.
- Diluer l'indice fatal dans la moyenneUne réplique haut de gamme est précisément fabriquée pour réussir 90 % de l'examen visuel. Seuls un ou deux détails d'outillage la trahissent.
02 · Prendre le contre-pied architectural
Isoler chaque détail. Croiser les archives. Statuer point par point.
Plutôt que de demander une impression d'ensemble sur une photo, LegitV exécute une chaîne déterministe en trois temps, directement inspirée de la classification sélective avec option d'abstention (Geifman & El-Yaniv, NeurIPS 2017) [2]. Premier temps : isoler sur chaque cliché les organes exigés par la grille du modèle (griffes, codes, piqûres, bouclerie) et qualifier leur netteté. Deuxième temps : charger les archives de référence propres à ce modèle, cette saison et ce format de code. Troisième temps : statuer sur chaque point séparément — Conforme, Non vu ou Alerte.
La synthèse obéit alors à deux règles intangibles. Première règle : tout point classé Non vu est retiré du dénominateur ; il abaisse le taux de couverture de la grille et, sous un seuil minimal, le verdict bascule en « Photos complémentaires requises ». Seconde règle : une seule Alerte sur un point Clé (×3) exerce un veto immédiat et classe la pièce en « Contrefaçon probable », quel que soit le nombre de finitions secondaires validées.
1. Une zone que nous ne voyons pas n'est jamais donnée pour conforme. 2. Un seul point clé en échec suffit à bloquer la pièce.
03 · L'équation économique : 100× plus rapide, 10 à 30× moins cher
Ne pas remplacer vos experts — multiplier leur débit par 3 à 5×
Les ateliers d'authentification physique — où les experts éprouvent la main du cuir, vérifient les encres UV et examinent les points d'arrêt à la loupe — restent irremplaçables. Mais expédier chaque article vers un hub central ou mobiliser un spécialiste pendant 15 à 25 minutes de recherche documentaire coûte 15 à 50 €+ par pièce et paralyse les flux pendant plusieurs jours.
LegitV agit comme le tamis de pré-contrôle en amont de vos équipes. Avec ~15 secondes d'exécution par API (ou moins de 2 minutes prise de vue comprise au comptoir) et un coût dès 0,65 € en volume API (1,67 € en pack libre-service), le pré-tri est jusqu'à 100× plus rapide qu'une vérification manuelle sur archives et 10 à 30× moins coûteux qu'un envoi systématique en hub. Les ~70 % de cas francs sont réglés dès l'amont ; les 15 à 30 % de pièces litigieuses arrivent sur l'écran de l'expert avec les 5 à 34 points déjà recadrés, alignés face aux étalons d'époque — ramenant la décision humaine de 15 minutes à 30 secondes et supprimant la fatigue visuelle.
COMPARATIF OPÉRATIONNEL
Trois architectures face au contrôle d'authenticité en volume
| Critère | 100 % Humain (sans pré-tri) / LLM généraliste | Pré-contrôle point par point LegitV + Expert |
|---|---|---|
| Cadence par pièce | 15–25 min de recherche manuelle (ou 15 s de prose LLM floue) | ~15 s par API / < 2 min au comptoir (pré-tri jusqu'à 100× plus rapide) |
| Coût par contrôle | 15 à 50 €+ en hub physique (ou coût ruineux du faux accepté) | Dès 0,65 € en volume API / 1,67 € en pack (10 à 30× moins cher) |
| Griffe floue ou absente | Relances manuelles / Le LLM devine par contexte | Classé Non vu ; jamais donné pour conforme |
| 1 point clé faux + 9 piqûres propres | Baisse de vigilance après 200 pièces / Moyenne LLM flatteuse (~85 %) | Droit de veto immédiat du point Clé (×3) → Blocage |
| Place de l'expert humain | Absorbé à 70 % par des pièces sans difficulté | Concentré sur les 15–30 % de cas limites, découpes déjà prêtes |
QUESTIONS FRÉQUENTES
Questions terrain : méthode point par point vs llm
LegitV émet-il un certificat d'authenticité automatique ?
Non. LegitV délivre un verdict motivé (Authentique probable, Contrefaçon probable, Douteux ou Photos complémentaires requises) accompagné du détail de chaque point et d'un indice de confiance, afin d'outiller vos équipes ou d'automatiser votre routage.
Pouvons-nous ajuster la proportion de pièces confiée à nos experts ?
Oui. Vous réglez librement votre seuil de blocage et votre seuil de validation pour chaque canal (reprise boutique, retour e-commerce ou modération d'annonces). Relever le seuil haut élargit la zone médiane confiée à vos spécialistes.
BIBLIOGRAPHIE · ÉTUDES & PUBLICATIONS DE RÉFÉRENCE
Sources scientifiques, réglementaires et sectorielles
- [1]On Calibration of Modern Neural Networks
Chuan Guo, Geoff Pleiss, Yu Sun & Kilian Q. Weinberger (2017) · Proceedings of the 34th International Conference on Machine Learning (ICML), PMLR 70:1321–1330 · Consulter la source ↗
Prouve que les réseaux neuronaux profonds modernes sont structurellement surconfiants, expliquant pourquoi un modèle visuel global répond avec aplomb sur des détails flous ou hors distribution.
- [2]Selective Classification for Deep Neural Networks
Yonatan Geifman & Ran El-Yaniv (2017) · Advances in Neural Information Processing Systems (NeurIPS 30) · Consulter la source ↗
Établit le cadre mathématique risque-couverture des classifieurs capables de s'abstenir (« Non vu » / « Photos complémentaires requises ») lorsque la preuve visuelle est insuffisante et d'orienter les cas limites vers l'expert.
- [3]Fine-Grained Visual Hallucinations and Confidence Calibration in Large Vision-Language Models
Équipes de recherche FINER, MHALO & Hallucination-Aware Calibration (HAC) (2024–2025) · ACL / AAAI / Benchmarks de calibration des modèles vision-langage · Consulter la source ↗
Démontre que les modèles vision-langage généralistes affichent 90 à 95 %+ de confiance même lorsqu'ils se trompent sur des micro-attributs visuels, et que seule une décomposition calibrée attribut par attribut corrige ce biais.
