Différenciation biométrique de jumeaux monozygotes basée sur les marques faciales en utilisant l’amélioration dynamique des caractéristiques

Pourquoi les minuscules détails de la peau comptent

La plupart d’entre nous partent du principe que les jumeaux identiques sont, eh bien, identiques — si semblables que même des caméras haute technologie et des tests ADN peinent à les distinguer. Cette similarité crée de vrais problèmes dans des situations concrètes, de la résolution d’affaires criminelles à la sécurisation des frontières. Cette étude montre que la solution pourrait se cacher dans quelque chose que nous remarquons rarement : les petites marques stables et les imperfections dispersées sur nos visages. En traitant ces grains de beauté, taches et pores comme une sorte de « carte cutanée », les chercheurs ont construit un système automatisé capable de distinguer de manière fiable des jumeaux identiques, ouvrant la voie à des outils biométriques plus précis et explicables.

De visages confus à des cartes cutanées claires

Les systèmes traditionnels de reconnaissance faciale se concentrent sur la structure globale du visage — la distance entre les yeux, la forme du nez, le contour de la mâchoire. Pour des jumeaux identiques, ces caractéristiques sont presque des photocopies, ce qui explique pourquoi même des algorithmes avancés et le profilage ADN échouent souvent à dire quel est quel. Les auteurs se concentrent plutôt sur les détails minuscules et en grande partie permanents de la peau du visage : cicatrices d’acné, taches foncées, pores et rides. Ces marques tendent à former des motifs uniques au fil de la vie d’une personne, même chez des individus partageant presque tous leurs gènes. L’idée centrale est simple mais puissante : si les visages de jumeaux peuvent sembler identiques à première vue, leurs constellations de marques cutanées ne le sont pas.

Comment le système voit ce que nous manquons

L’équipe a travaillé avec 319 photos faciales provenant de 74 paires de jumeaux dans une collection de recherche bien connue. D’abord, ils ont utilisé un modèle de vision par ordinateur pré-entraîné pour scanner chaque visage et détecter différents types de caractéristiques cutanées — comme l’acné, les cernes ou les pores — en traçant des boîtes invisibles autour de chacune. Fait important, ils ont réglé le détecteur pour qu’il soit très sensible, prêt à capter même des marques faibles au prix d’un certain bruit. Plutôt que de faire confiance à chaque détection isolée, ils ont résumé toutes les marques en un profil riche pour chaque personne : combien de marques de chaque type apparaissent, à quel point elles sont regroupées, comment elles se répartissent sur le visage et quelle est leur taille moyenne.

Transformer les motifs cutanés en décisions sur les jumeaux

Puis, les chercheurs ont comparé ces profils cutanés entre paires d’images — parfois de vrais jumeaux, parfois des personnes non apparentées — pour mesurer leur similarité ou leur différence. Ils ont combiné plusieurs étapes de comparaison intuitives : à quel point la répartition des types de marques correspond, la similitude des tailles globales des marques, l’équilibre des marques entre gauche et droite ou entre le haut et le bas du visage, et la manière dont les marques sont arrangées dans l’espace, y compris leur distance par rapport au centre du visage et leur tendance à former des grappes. Ces scores de similarité ont ensuite alimenté un modèle d’apprentissage automatique qui a appris à répondre à une question binaire : ces deux visages appartiennent-ils à la même paire de jumeaux ou non ?

Réglage intelligent sans perdre de temps

Construire un tel classificateur ne dépend pas seulement des informations qu’on lui fournit, mais aussi de la manière dont on ajuste ses nombreux « boutons » internes, comme la complexité maximale autorisée du modèle. L’étude a comparé systématiquement quatre stratégies différentes pour rechercher les meilleurs paramètres, allant d’une grille exhaustive de possibilités à des méthodes plus exploratoires inspirées par l’échantillonnage aléatoire et les comportements de type essaim dans la nature. Alors qu’une méthode basée sur l’essaim obtenait un léger avantage en précision brute lors des tests, une recherche aléatoire plus simple offrait des performances quasi identiques en une fraction du temps. Cet équilibre est important en pratique : un système à la fois précis et efficace a beaucoup plus de chances d’être utilisé dans des laboratoires de police, aux points de contrôle frontaliers ou en recherche médicale.

Ce que la peau révèle sur l’identité

Globalement, le cadre a atteint environ 96,6 % de précision en validation croisée et un score solide aux tests mesurant sa capacité à séparer les jumeaux des non-jumeaux, avec peu de signes de surapprentissage. Le signal le plus décisif n’était pas tant les types de marques présentes, mais l’endroit où ces marques apparaissaient sur le visage — le motif spatial agissant comme une signature unique. Le nombre de marques par type, les différences entre régions faciales et les schémas de regroupement subtils ont apporté une fiabilité supplémentaire. Fait crucial, les décisions du système peuvent être visualisées et expliquées, permettant aux enquêteurs de voir quels aspects de la carte cutanée ont conduit à une correspondance ou une non-correspondance. Pour le grand public, le message est frappant : même chez les humains les plus semblables que nous connaissons, la peau enregistre suffisamment de détails individuels pour que les machines puissent les distinguer, ouvrant la porte à des procédures judiciaires plus justes, à des systèmes biométriques plus sûrs et à de nouvelles façons d’étudier comment notre environnement façonne notre apparence au fil du temps.

Citation: Brahmbhatt, K.J., Prakasha, K. & Sanil, G. Facial mark based biometric differentiation of identical twins using dynamic feature enhancement. Sci Rep 16, 9249 (2026). https://doi.org/10.1038/s41598-026-39470-y

Mots-clés: jumeaux monozygotes, biométrie faciale, marques cutanées, identification médico-légale, apprentissage automatique