PiiBlur

Une plaque d'immatriculation relie un véhicule à son propriétaire enregistré, ce qui en fait des données personnelles en vertu du RGPD, du CCPA et des réglementations de confidentialité les plus modernes. Si vous publiez, partagez ou stockez des images contenant des plaques visibles, vous pouvez manipuler des données personnelles sans vous en rendre compte.

Cet article explique pourquoi les plaques sont considérées comme PII, quels secteurs sont les plus concernés et comment les rendre automatiquement floues à grande échelle.

Pourquoi les plaques d'immatriculation comptent comme des données personnelles

Un numéro de plaque d'immatriculation, combiné à des bases de données publiques ou commerciales, identifie le propriétaire enregistré du véhicule : son nom, son adresse et son historique de conduite. En vertu du RGPD, toute donnée permettant d'identifier directement ou indirectement une personne est considérée comme une donnée personnelle. Les plaques d'immatriculation atteignent ce seuil.

Le CCPA adopte une position similaire. Si la plaque d'un résident californien apparaît dans votre ensemble de données et que vous ou un courtier en données pouvez la lier à un individu, cette plaque constitue une information personnelle soumise à des demandes de divulgation et de suppression.

Même en dehors des cadres réglementaires, la publication de la plaque d'immatriculation d'une personne révèle sa localisation à une heure précise, son type de véhicule et potentiellement son domicile ou son lieu de travail.

Pour un aperçu plus large de ce qui compte comme PII dans les médias visuels, consultez notre aperçu de PII dans les images et ce que les réglementations exigent.

## Industries qui ont besoin d'une rédaction de plaque d'immatriculation

Les plaques d’immatriculation apparaissent dans plus d’ensembles de données que ce à quoi la plupart des organisations s’attendent.

Flotte et logistique. Les images de la Dashcam capturent des centaines de plaques par équipe. Le partage de ces images avec des assureurs ou des auditeurs de sécurité sans rédaction transfère les données personnelles à des tiers. En savoir plus sur automatisation de la rédaction des dashcams pour les flottes.

Immobilier et propriété. Les photos des listes et les visites virtuelles incluent souvent des véhicules garés dans les rues ou les allées. Ces plaques persistent en ligne sous forme de données personnelles pendant des années. Le cas d'utilisation de l'immobilier couvre cela en détail.

Cartographie et imagerie au niveau de la rue. Toute entreprise collectant des photos au niveau de la rue à des fins de cartographie, de planification urbaine ou d'inspection des infrastructures capture des plaques à grande échelle. Google Street View brouille les plaques dans le monde entier : toute personne effectuant un travail similaire doit faire de même.

Médias et journalisme. Les organismes de presse, les documentaristes et les créateurs de contenu publient des images contenant des plaques incidentes. La caviardage protège les sujets qui n'ont pas consenti à comparaître.

Gestion du stationnement et du trafic. Les systèmes ANPR (reconnaissance automatique des plaques d'immatriculation) collectent les données sur les plaques d'immatriculation dès leur conception, mais les flux bruts de caméra stockés ou partagés contiennent les plaques de chaque véhicule dans le cadre, pas seulement la cible.

Le problème du flou manuel des plaques d'immatriculation

Le flou manuel fonctionne pour une poignée d’images. Ouvrez un éditeur de photos, dessinez une zone de flou sur chaque plaque, exportez - 30 secondes à une minute par image.

À grande échelle, cela se décompose :

Volume. Une flotte de 50 véhicules génère chaque jour des milliers de cadres contenant des plaques. Aucun éditeur ne suit.
Cohérence. Les évaluateurs manquent des plaques partielles, des plaques inclinées, des plaques dans les reflets et des plaques sur les véhicules en arrière-plan.
Coût. L'embauche d'éditeurs pour des flous répétitifs coûte bien plus cher que l'automatisation.
Retournement. Lorsque les images doivent être expédiées de toute urgence (une réclamation d'assurance, une date limite pour les médias), la rédaction manuelle bloque le flux de travail.

Comment brouiller automatiquement les plaques d'immatriculation

PiiBlur détecte les plaques d'immatriculation sur les photos et vidéos et applique automatiquement le flou ou la pixellisation. Le modèle manipule les plaques selon les angles, les distances, les conditions d'éclairage et l'occlusion partielle.

Pour les images individuelles, téléchargez une photo via le tableau de bord ou l'API et recevez une version expurgée en quelques secondes.

Pour la vidéo, PiiBlur suit les plaques image par image, maintenant une rédaction cohérente à mesure que les véhicules se déplacent dans la scène.

Pour le traitement par lots, un simple script extrait les images du stockage cloud, les envoie à l'API REST et réécrit les versions expurgées - aucune intervention manuelle n'est requise.

Vous contrôlez les catégories de PII à supprimer. Vous n’avez besoin que d’assiettes ? Configurez l'appel API en conséquence. Besoin de visages, de panneaux de signalisation ou de documents également ? Ajoutez ces catégories dans la même demande. PiiBlur détecte 13 catégories PII, donc un seul passage gère tout.

Choisir entre le flou et la pixellisation

PiiBlur propose deux styles de rédaction : le flou gaussien et la pixellisation. Les deux rendent la plaque illisible.

Flou produit un résultat fluide et naturel qui attire moins l'attention - idéal pour les annonces immobilières, les supports marketing et les médias.

La pixellisation produit un résultat en bloc, clairement artificiel, qui signale une rédaction intentionnelle, ce qui est courant dans les contextes juridiques, de conformité et de preuve.

Choisissez en fonction de votre public. Les deux méthodes sont irréversibles : les données originales de la plaque sont détruites dans le fichier de sortie, et non masquées.

Premiers pas avec le floutage automatique des plaques

Le niveau gratuit de PiiBlur vous offre 100 images et 5 minutes de vidéo par mois – suffisamment pour tester la précision de la détection sur vos propres données avant de passer à la vitesse supérieure.

Les forfaits vont de 49 $ à 499 $ par mois en fonction du débit. Voir le page de tarification pour plus de détails.

L'API REST s'intègre à n'importe quel langage ou plateforme. Si vous stockez déjà des images dans S3, GCS ou Azure Blob Storage, vous pouvez ajouter la rédaction de plaques à votre pipeline en un après-midi.