Amazon Rekognition : analyse d'images et vidéos par IA

Pour intégrer l'analyse multimédia à vos applications, Amazon Rekognition s'impose comme la solution idéale. Ce service d'analyse d'images et de vidéos basé sur le deep learning détecte, analyse et compare les visages avec précision, identifie les objets, lit du texte imprimé et bien plus encore. Bâti sur AWS, Rekognition est hautement scalable et capable de traiter des millions d'images ou de vidéos en temps réel.

Comment fonctionne Amazon Rekognition ?

Grâce au deep learning, Amazon Rekognition analyse images et vidéos en s'appuyant sur des réseaux de neurones convolutifs (CNN) capables de détecter et de reconnaître des éléments au sein des données visuelles. Vous pouvez utiliser ce service via :

Voici les principales fonctionnalités de Rekognition :

Détection d'objets et de scènes : reconnaissance de milliers d'objets et de scènes, des éléments du quotidien comme une voiture, un chien ou un arbre, jusqu'à des catégories plus larges comme la plage, un paysage urbain ou une forêt.
Analyse faciale : détection, analyse et comparaison des visages, avec la possibilité de déterminer des attributs comme la tranche d'âge, le genre ou les émotions.
Reconnaissance faciale : recherche et comparaison de visages au sein d'une collection, pour identifier des correspondances potentielles ou vérifier l'identité d'un utilisateur.
Pathing : suivi des déplacements des personnes dans une vidéo afin de repérer d'éventuels risques de sécurité ou d'analyser le comportement des clients.
Détection de labels : cette fonctionnalité analyse les images et identifie automatiquement les objets, scènes et concepts qu'elles contiennent. Une photo de personnes sur une plage tropicale peut par exemple comporter des labels comme palmier (objet), plage (scène), course (action) ou extérieur (concept).
Propriétés de l'image : détection des couleurs dominantes et mesure de la luminosité, de la netteté et du contraste de l'image.
Segmentation vidéo : Rekognition analyse les fichiers vidéo et les découpe en scènes ou plans pertinents. Particulièrement utile pour l'indexation, la gestion de contenu et la publicité ciblée, cette fonctionnalité aide à mieux comprendre et organiser ses contenus vidéo.
Détection de texte : Rekognition détecte et extrait le texte présent dans les images et les vidéos. De quoi identifier les informations écrites au sein d'un contenu visuel : analyse documentaire, reconnaissance de plaques d'immatriculation, expériences de réalité augmentée, etc.
Détection des émotions : la plateforme reconnaît et analyse les émotions exprimées par les personnes dans les images et vidéos — joie, tristesse, colère, surprise. Précieuse pour l'expérience client, la publicité et le divertissement, cette fonctionnalité permet d'évaluer les réactions du public ou d'adapter le contenu pour susciter des réponses émotionnelles ciblées.
Modération de contenu : Rekognition aide à repérer et à filtrer les contenus visuels potentiellement dangereux ou inappropriés en détectant automatiquement les éléments explicites ou suggestifs. Un atout pour les entreprises et organisations qui doivent garantir un environnement sûr à leurs utilisateurs : plateformes de réseaux sociaux, sites e-commerce, établissements d'enseignement, etc.
Reconnaissance de célébrités : Rekognition identifie des milliers de personnalités dans des domaines variés — divertissement, sport, politique. Une fonctionnalité utile pour l'analyse média, la recommandation de contenu et la publicité.

Exemple d'analyse faciale issu du dashboard Amazon Rekognition dans la console AWS

Tutoriel : premiers pas avec Amazon Rekognition

Ce tutoriel vous présente le concept de détection de labels d'Amazon Rekognition et vous accompagne dans l'utilisation de la console de gestion AWS et du SDK AWS pour Python (Boto3).

Configurer l'environnement AWS CLI

Connectez-vous à la console de votre compte AWS si ce n'est pas déjà fait : https://console.aws.amazon.com
Installez l'AWS Command Line Interface (CLI) en suivant ces instructions : https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html
Configurez l'AWS CLI avec votre access key, secret access key, région par défaut et format de sortie :

$ aws configure
AWS Access Key ID [****]:
AWS Secret Access Key [****]:
Default region name [us-east-1]:
Default output format [json]:

Créer un bucket Amazon S3 pour stocker votre image

Connectez-vous à la console de gestion AWS et ouvrez la console Amazon S3 : https://s3.console.aws.amazon.com/s3/
Cliquez sur Create bucket et suivez les instructions pour créer un nouveau bucket destiné à stocker votre image.
Téléversez une image dans le bucket S3 que vous venez de créer.

Configurer les permissions

Pour créer un rôle IAM disposant des permissions nécessaires pour accéder au bucket S3 et utiliser Amazon Rekognition, vous devez rédiger un document de stratégie JSON associé à ce rôle. Voici un exemple de stratégie qui accorde les permissions requises :

{
    "Version": "2012-10-17",
    "Statement": [\
        {\
            "Effect": "Allow",\
            "Action": [\
                "rekognition:DetectLabels"\
            ],\
            "Resource": "*"\
        },\
        {\
            "Effect": "Allow",\
            "Action": [\
                "s3:GetObject",\
                "s3:ListBucket"\
            ],\
            "Resource": [\
                "arn:aws:s3:::your-bucket-name",\
                "arn:aws:s3:::your-bucket-name/*"\
            ]\
        },\
        {\
            "Effect": "Allow",\
            "Action": [\
                "logs:CreateLogGroup",\
                "logs:CreateLogStream",\
                "logs:PutLogEvents"\
            ],\
            "Resource": "arn:aws:logs:*:*:*"\
        }\
    ]
}

Remarque : remplacez your-bucket-name par le nom réel de votre bucket S3.

La stratégie ci-dessus autorise le rôle IAM à :

Utiliser l'opération DetectLabels dans Amazon Rekognition.
Lister le contenu et lire les objets du bucket S3 indiqué.
Créer et écrire dans CloudWatch Logs, ce qui est utile à des fins de journalisation et de monitoring.

Les étapes de création de la stratégie IAM via l'éditeur JSON dans la console AWS sont détaillées dans ce guide ici.

Utiliser Amazon Rekognition en Python avec Boto3

Installez la bibliothèque boto3 :

$ pip install boto3

2. Créez un nouveau fichier Python et importez les bibliothèques nécessaires :

import boto3

rekognition_client = boto3.client('rekognition')

3. Écrivez une fonction pour détecter les objets et les scènes dans une image :

def detect_objects_and_scenes(bucket, key):
    response = rekognition_client.detect_labels(
        Image={
            'S3Object': {
                'Bucket': bucket,
                'Name': key
            }
        },
        MaxLabels=10,
        MinConfidence=80
    )

    for label in response['Labels']:
        print(f"Label: {label['Name']}, Confidence: {label['Confidence']}")

detect_objects_and_scenes('your-bucket-name', 'your-image-key')

4. Exécutez votre script Python.

La sortie affiche les objets et scènes détectés dans l'image, ainsi que leurs scores de confiance. Pour rappel, un score de confiance est un nombre compris entre 0 et 100 qui indique la probabilité qu'une prédiction donnée soit correcte. Par exemple, si une analyse d'image renvoie un score de 95 pour le label Smiling et de 20 pour le label Wearing Glasses, il est très probable que la personne sur la photo sourie sans porter de lunettes. Pour les applications sensibles aux erreurs, mieux vaut définir un seuil de confiance minimal supérieur à la valeur par défaut afin d'écarter les faux positifs et de soigner l'expérience utilisateur.

Ce n'est qu'un aperçu de ce qu'offre Amazon Rekognition : reconnaissance faciale, détection de texte, modération de contenus inappropriés et bien d'autres fonctionnalités encore. Pour aller plus loin, consultez la documentation officielle Getting Started with Amazon Rekognition.

Cas d'usage concrets d'Amazon Rekognition

Marketing et publicité : les entreprises peuvent s'appuyer sur Rekognition pour analyser les préférences de leurs clients et diffuser des publicités ciblées. Le service identifie les objets, activités et scènes les plus présents dans les images et vidéos partagées sur les réseaux sociaux, ce qui aide les marketeurs à mieux cerner les centres d'intérêt et les préférences des consommateurs. Ces données précieuses permettent ensuite de bâtir des campagnes personnalisées qui parlent vraiment à leur audience.

Gestion des réseaux sociaux : pour un community manager, Rekognition est un atout précieux pour modérer le contenu généré par les utilisateurs et le faire respecter les règles de la communauté ainsi que les standards de la marque. La modération de contenu identifie automatiquement les éléments explicites ou suggestifs et empêche leur publication. Le service peut aussi mesurer l'engagement en analysant les expressions faciales suscitées par un contenu, offrant ainsi aux entreprises une lecture fine de la perception de leur marque par leur audience.

Finance et banque : les institutions financières peuvent enrichir l'expérience client et lutter contre la fraude grâce à Rekognition. En intégrant la reconnaissance faciale à leurs applications de banque mobile, elles vérifient l'identité de leurs utilisateurs sans passer par les mots de passe ni les questions de sécurité. La détection de texte extrait par ailleurs des informations utiles depuis des documents comme les demandes de prêt ou les pièces d'identité, ce qui simplifie la saisie de données et limite les erreurs humaines.

Retail et e-commerce : les distributeurs peuvent exploiter Rekognition pour analyser le comportement des acheteurs et améliorer l'agencement de leurs magasins. En suivant les déplacements des clients en magasin, Rekognition identifie les zones et produits les plus fréquentés et fournit des informations précieuses pour orienter le placement des produits et le design des points de vente. Les plateformes e-commerce profitent elles aussi de la détection d'objets et de scènes : catégorisation et étiquetage automatiques des images de produits, et au final un parcours d'achat plus fluide pour le client.

Sécurité et surveillance : Rekognition renforce les systèmes de sécurité en détectant et en analysant les visages en temps réel. La reconnaissance faciale permet d'identifier des individus surveillés, de vérifier l'identité d'employés aux points d'accès ou de scruter une foule à la recherche de comportements suspects. Sa capacité de pathing permet en outre de suivre les mouvements des personnes dans une vidéo, aidant les équipes de sécurité à repérer les menaces potentielles et à réagir vite. Pour mémoire, l'attentat du marathon de Boston en 2013 a déclenché l'une des plus vastes et des plus intenses traques de l'histoire des États-Unis. Il a fallu trois jours aux forces de l'ordre pour identifier les auteurs, ce qui leur a laissé le temps d'échapper à l'arrestation immédiatement après les faits. Si la technologie Amazon Rekognition avait été disponible et déployée à l'époque, elle aurait pu traiter et analyser rapidement les énormes volumes d'images de surveillance captées par diverses sources pendant le marathon. En détectant, reconnaissant et suivant les coupables en temps réel, Rekognition aurait pu accélérer leur identification et permettre aux autorités de les appréhender bien plus vite.

Avantages et enjeux éthiques d'Amazon Rekognition

Avantages

Simplicité d'utilisation : pensé pour être accessible, le service permet aux développeurs d'intégrer facilement l'analyse d'images et de vidéos à leurs applications.
Scalabilité : bâti sur AWS, il prend en charge des projets à grande échelle et traite des millions d'images ou de vidéos en temps réel.
Précision : il s'appuie sur des algorithmes avancés de deep learning pour fournir des résultats précis et fiables.
Analyse en temps réel : il traite images et vidéos à la volée, ce qui permet aux entreprises de réagir rapidement aux événements ou de tirer parti des données dès qu'elles sont produites.
Personnalisation : les utilisateurs peuvent entraîner des modèles sur mesure pour reconnaître des objets, scènes ou activités propres à un secteur ou à un cas d'usage particulier.
Mises à jour automatiques : à mesure qu'AWS fait évoluer Rekognition, les nouvelles fonctionnalités et améliorations sont automatiquement disponibles, sans effort supplémentaire de la part des utilisateurs.
Documentation et support solides : AWS propose une documentation complète, des exemples de code et des tutoriels pour Rekognition, ce qui permet aux développeurs de prendre le service en main rapidement. AWS met également à disposition divers canaux de support — forums, webinaires, support technique — pour aider les utilisateurs à surmonter les difficultés rencontrées.

Enjeux éthiques

Vie privée : la reconnaissance faciale soulève des questions de vie privée, car elle peut faciliter une surveillance ou un suivi des individus sans leur consentement. Les entreprises et organisations qui utilisent Rekognition doivent veiller à respecter les réglementations et lignes directrices applicables en matière de protection des données.
Biais : les algorithmes d'IA, y compris ceux de Rekognition, peuvent présenter des biais dans leurs prédictions selon les données d'entraînement qui leur sont fournies. Cela peut entraîner un traitement inéquitable de certains groupes démographiques ou de certains individus. Les développeurs et les organisations doivent rester attentifs aux biais potentiels présents dans les données d'entraînement et surveiller en continu les prédictions du service pour limiter les dérives éventuelles.
Transparence : assurer la transparence dans l'utilisation des technologies d'IA comme Rekognition est essentiel. Les organisations doivent assumer ouvertement leur recours au service et expliciter le raisonnement qui sous-tend les décisions prises à partir des analyses de la plateforme. Cette transparence renforce la confiance des parties prenantes — clients, collaborateurs, régulateurs.

Tarification d'Amazon Rekognition

Rekognition s'appuie sur un modèle de tarification à l'usage (pay-as-you-go), avec des coûts distincts pour l'analyse d'images et celle de vidéos. Le service inclut une offre gratuite avec un nombre limité d'images mensuelles et de minutes d'analyse vidéo, qui permet de tester le service sans frais. Au-delà de cette offre gratuite, la facturation repose sur le nombre d'images ou de minutes de vidéo analysées, le nombre de visages stockés dans une collection et le nombre de détections de texte effectuées.

Pour le détail complet de la tarification, consultez la page Amazon Rekognition Pricing ainsi que l'AWS Pricing Calculator, un outil de planification en ligne qui permet d'établir des estimations.

Conclusion

Amazon Rekognition se positionne à la pointe de l'analyse d'images et de vidéos par IA et offre de nombreux avantages aux clients AWS. En tirant parti de la puissance des algorithmes de deep learning, Rekognition propose des capacités de pointe susceptibles de transformer en profondeur de nombreux secteurs et applications. Du marketing à la sécurité en passant par bien d'autres domaines, ce service apporte aux clients AWS des insights et une automatisation inédits, fluidifie leurs opérations et améliore leur prise de décision.

En examinant attentivement les implications éthiques liées à l'utilisation de Rekognition et en suivant les bonnes pratiques, les organisations peuvent exploiter pleinement le potentiel de cette plateforme avancée tout en respectant les droits individuels et en favorisant l'équité. Alors que l'IA continue d'évoluer, Amazon Rekognition reste une ressource précieuse pour les entreprises qui souhaitent prendre une longueur d'avance et tirer parti de l'analyse d'images et de vidéos pilotée par l'IA.

Spécialisé dans AWS, je travaille principalement comme Cloud Architect, avec un focus sur la modernisation des infrastructures.

[Résoudre le problème Your current user or role does not have access to Kubernetes objects sur AWS…\ \

18 juin 2023

[Construire une architecture AWS avec les serveurs MCP et les Strands Agents\ \

22 sept. 2025

[Empreintes JA3 et JA4 dans AWS WAF et au-delà\ \

10 avr. 2025

[Transformer votre startup en success story avec AWS et DoiT\ \

5 mai 2023

[Stanford vient d'enterrer le prompt engineering en 8 mots (et je n'arrive pas à croire que ça ait fonctionné)\ \

19 oct. 2025

[A clap icon25K\ \

[10 compétences indispensables pour Claude (et tout coding agent) en 2026\ \

9 mars

[A clap icon1K\ \

[J'ai arrêté ChatGPT pendant 30 jours. Ce qui est arrivé à mon cerveau était terrifiant.\ \

28 déc. 2025

[A clap icon12.1K\ \

[Je me suis levé à 4 h 30 tous les jours pendant 30 jours — voici ce que personne ne vous dit\ \

7 mars

[A clap icon5K\ \

[Pourquoi des milliers de personnes achètent des Mac Mini pour s'affranchir définitivement des abonnements IA des Big Tech |…\ \

15 févr.

[A clap icon5.8K\ \

[En tant que neuroscientifique, j'ai abandonné ces 5 habitudes matinales qui détruisent votre cerveau\