Un concours, des milliers de copies, un principe intangible : le correcteur ne doit pas savoir qui a écrit.
La mécanique est simple. On numérise la copie. On repère le cartouche d'identification en haut de page. On pose un masque dessus. Le nom disparaît.
Le masque est appliqué. Au bon endroit. Sur la bonne face.
Et c'est bien là le problème : sur la bonne face.
| Recto - identification masquée | Verso - visible en miroir |
|---|---|
 |
 |
Une feuille de papier a deux côtés
Un candidat écrit au feutre. Ou le papier du livret est un peu trop fin. L'encre traverse.
Retournez la feuille : vous y trouvez l'image inversée de ce qui a été écrit de l'autre côté. Parfois quelques points parasites. Parfois un miroir parfaitement lisible.
Et si ce qui a traversé, c'est le cartouche d'identification, alors le nom du candidat s'affiche au dos de la page précédente. Le masque n'a rien vu passer : il travaillait sur le recto.
C'est une faille silencieuse. Aucune alarme, aucun cas d'erreur, aucun log. La copie masquée paraît irréprochable - et une page plus loin, le nom réapparaît.
Première idée : on nettoie
C'est le réflexe de n'importe quel ingénieur. Détecter ce qui a traversé. L'effacer. Rendre une image propre.
C'est exactement ce qu'on n'a pas le droit de faire.
Une copie corrigée est une pièce contestable. Un candidat peut demander à revoir sa copie - et ce qu'il doit revoir, c'est sa copie. Pas une version améliorée par un algorithme.
La tache de café doit rester. La trace de gomme doit rester. La rature illisible doit rester illisible. Si le logiciel a discrètement effacé ce qui gênait, la valeur probante du document s'effondre, et la défense de l'organisateur avec elle.
Le cahier des charges n'est donc pas « rendre l'image lisible ». Il est :
Retirer la transparence. Et strictement rien d'autre.
Cela change tout. Le critère de réussite habituel en traitement d'image - est-ce que ça se lit mieux ? - laisse la place à un critère bien plus dur : est-on certain de n'avoir touché à rien d'autre ?
Ici, un faux positif ne dégrade pas la qualité. Il peut altérer une pièce dont l'intégrité compte.
| Verso tel que numérisé |
|---|
 |
| Nettoyé par seuillage : le quadrillage et une partie des traits ont disparu, mais les lettres en miroir les plus foncées restent |
 |
| Zones masquées : l'image n'est pas modifiée, des caches sont posés sur les lettres en miroir |
 |
Le nettoyage modifie la copie sans même retirer toute la transparence. Illustration reconstituée.
Deuxième idée : la recherche a déjà résolu ça
Bonne nouvelle, le phénomène est connu, nommé et étudié. Les chercheurs l'appellent le bleed-through, et travaillent dessus depuis plusieurs décennies - surtout sur les manuscrits anciens, où l'encre traverse le papier et parasite la lecture.
Deux écoles s'y affrontent.
Celle qui regarde les deux faces. On numérise recto et verso, on les superpose, et ce qui apparaît des deux côtés au même endroit peut aider à repérer la traversée. Trois chercheurs en traitement d'image du Trinity College Dublin, Róisín Rowley-Brooke, François Pitié et Anil Kokaram, ont publié en 2012 une base de vingt-cinq paires de pages annotées à la main, puis présenté en 2013 un cadre non paramétrique qui exploite les deux faces.
Celle qui n'en regarde qu'une. Dite aveugle, elle n'a qu'un seul côté à disposition et doit estimer ce qui relève de chaque couche. Elle décompose l'image en texte utile, traversée et fond, en s'appuyant notamment sur le voisinage des pixels. Christian Wolf propose une méthode à champs aléatoires en 2009 ; Bin Sun et ses coauteurs reprennent cette approche en 2016 avec des champs aléatoires conditionnels.
D'autres travaux abordent le problème par la restauration ou la binarisation : certains localisent les zones dégradées puis les reconstruisent, d'autres cherchent à séparer les couches sans nécessairement reconstituer une image couleur fidèle.
Des décennies de travaux, des résultats publiés, des méthodes évaluées sur des corpus. Alors ?
Alors ça ne marche pas tel quel chez nous
Trois écarts, tous logés dans la distance entre un manuscrit historique et une copie de concours.
Le droit d'embellir. Sur un manuscrit ancien, améliorer la lisibilité est souvent l'objectif ; lisser un fond au passage peut être acceptable. Sur une copie notée, toute modification du contenu authentique pose un problème.
La mesure. Le domaine sait évaluer des méthodes de binarisation et de restauration. Depuis 2009, les campagnes DIBCO (Document Image Binarization Contest), des compétitions ouvertes organisées en marge des grandes conférences internationales sur l'analyse de documents, mettent les équipes de recherche en concurrence et comparent leurs résultats sur des corpus annotés, avec des métriques comme la F-mesure ou la distorsion pondérée par la distance. Ces métriques pénalisent aussi la suppression de traits présents dans la vérité terrain.
Mais un score agrégé sur un corpus ne garantit pas l'absence d'erreur sur chaque document. Et une F-mesure de 0,98 ne signifie pas, à elle seule, que 2 % de l'encre légitime a été supprimée : ce score combine des erreurs de plusieurs types et dépend de la définition des classes et du jeu évalué.
Ces mesures sont calculées contre une vérité terrain - une annotation de ce qui est réellement de l'encre. Elle existe pour les jeux de test annotés, pas pour chaque copie entrante en production. Sans cette référence indépendante, on ne peut pas déduire du seul score que tel trait a été retiré à tort ou conservé à raison.
Le fond. Les méthodes de reconstruction doivent estimer ce qui se trouvait sous la traversée. Sur une copie réelle, le texte fantôme peut croiser une tache d'encre, un surligneur ou une trace de gommage. Le fond à préserver n'est donc pas toujours uniforme - et le reconstruire fidèlement est une difficulté supplémentaire.
| Une tache sous la transparence | Après nettoyage par seuillage |
|---|---|
 |
 |
Ici, reconstruire le fond veut dire reconstruire la tache. Le seuillage efface l'intérieur de la tache, garde son contour et laisse les lettres en miroir. Illustration reconstituée.
Et le terrain n'a pas fini de trier
À l'exigence de préserver l'original s'ajoutent quatre contraintes d'exploitation.
Automatique. Aucune reprise manuelle sur les copies individuelles. Dans notre contexte, une personne qui ouvre une copie pour y retirer une identité risque de prendre connaissance de son contenu - ce qui compromet l'objectif d'anonymat.
Réversible. L'original doit rester récupérable à l'identique.
Tracée. Il faut pouvoir dire plus tard ce qui a été masqué, où, quand, et par quelle version du traitement.
Rapide. La copie passe de la numérisation à l'écran du correcteur. Le traitement doit s'insérer dans ce délai.
Alors, on fait quoi ?
On cesse de vouloir réparer l'image originale.
Ces contraintes suggèrent une autre sortie : non pas une copie nettoyée, mais une liste de zones à masquer, appliquée sans altérer le fichier source.
L'image d'origine reste intacte. Ce que voit le correcteur est une couche posée par-dessus - réversible, journalisée, et qui n'a rien effacé du fichier.
En cas de contestation, on peut alors conserver la trace des zones masquées, leur contenu d'origine, l'horodatage et la version du traitement.
Les recherches sur les documents ne se limitent pas à la restauration logicielle : selon la question, elles mobilisent aussi des acquisitions spécialisées, comme l'imagerie infrarouge ou multispectrale, les rayons X et la tomographie 3D. Ces outils ne sont pas notre terrain d'exploitation : ici, nous disposons d'un scanner courant et d'un logiciel. Cette contrainte définit notre question de recherche, distincte de la restauration : repérer puis décider si un trait vient de l'autre face plutôt que de la face examinée.
Reste la partie difficile : le faire automatiquement, sans supervision et avec un niveau de confiance suffisant, sans masquer un trait qui appartient à la face examinée.
À retenir
Un dispositif d'anonymisation peut être bien conçu, bien codé, appliqué au bon endroit - et échouer quand même, parce qu'il raisonne sur une face d'un objet qui en a deux. Aucune revue de code ne rattrape ça. Il faut regarder le papier.
Et une fois la faille trouvée, la réponse technique la plus évidente - nettoyer l'image - peut être inadaptée si l'intégrité de la copie doit être préservée.
C'est un enjeu dès qu'un logiciel traite un document qui fait foi. La contrainte d'intégrité n'arrive pas après la solution : elle contribue à déterminer quelles solutions sont acceptables.