Captcha : pourquoi doit-on prouver qu'on n'est pas un robot ?
Vous réservez un billet, vous remplissez un formulaire, vous cliquez sur "Valider". Et là, une grille de neuf photos floues : "Sélectionnez toutes les images contenant des feux tricolores". Vous plissez les yeux. Le coin de feu qui déborde sur la case d'à côté, ça compte ou pas ? Vous validez, la grille se recharge, et vous voilà en train de prouver à un ordinateur que vous n'en êtes pas un.
Ce petit rituel a une histoire, et elle vaut le détour. Vos clics ont longtemps servi à tout autre chose qu'à vous laisser entrer, et le test a changé de nature en cours de route, au point de se jouer parfois sans que vous voyiez quoi que ce soit. Et à la fin, une bonne nouvelle attend ceux qui ont un site, ou qui comptent en avoir un.
Une colle posée aux machines
Le captcha vient du monde de la recherche. En 2003, une équipe de chercheurs de l'université Carnegie Mellon et d'IBM en a formalisé le principe : un test automatisé que les humains réussissent et que les programmes de l'époque ne savaient pas réussir. Il s'agissait d'empêcher les robots de créer des comptes à la chaîne et de déverser leurs messages publicitaires dans le moindre champ de commentaire.
Les auteurs avaient aussi prévu le coup d'après. Si un jour un programme réussissait le test, écrivaient-ils, il aurait fallu pour cela résoudre un problème d'intelligence artificielle encore ouvert, et la recherche aurait progressé au passage. Pile, le site était protégé. Face, la science avançait.
Le test qui faisait d'une pierre deux coups
Quelques années plus tard, deux de ces chercheurs remarquent que chaque captcha résolu représente quelques secondes d'attention humaine, et que cette attention part dans le vide. D'où l'idée de reCAPTCHA. Au lieu de mots générés au hasard, on fait déchiffrer des mots tirés de vieux livres et journaux numérisés, ceux que les logiciels de reconnaissance de caractères n'arrivaient pas à lire.
Les résultats, publiés dans la revue Science en 2008, sont spectaculaires. La précision dépasse 99 %, au niveau de transcripteurs professionnels. Le système tourne sur plus de 40 000 sites, et plus de 440 millions de mots ont été transcrits par des internautes qui pensaient simplement se connecter à leur forum.
C'est un peu comme un musée gratuit qui demanderait à chaque visiteur, en passant la porte, de remettre deux cartes postales à leur place dans le présentoir de la boutique. Dix secondes pour vous. Multiplié par tous les visiteurs de l'année, un présentoir toujours impeccable, sans embaucher personne.
Devenu un service de Google, reCAPTCHA a ensuite été mis sur d'autres chantiers. En 2012, Google a confirmé glisser, à titre expérimental, des numéros de rue photographiés par Street View dans ses captchas, pour améliorer les données de ses cartes. Chaque fois que vous recopiiez un numéro de maison, un plan devenait un peu plus précis.
Aujourd'hui, le test a lieu avant votre clic
Les grilles de feux tricolores n'ont pas disparu, mais elles ne sont plus qu'une partie du dispositif. Prenez la fameuse case "Je ne suis pas un robot". D'après la documentation de Google, la cocher suffit parfois, et une épreuve visuelle s'affiche dans les autres cas. Quant à la version invisible de l'outil, elle ne soumet par défaut d'épreuve qu'au trafic jugé le plus suspect. Le tri se fait donc en coulisses, avant que vous ayez cliqué sur quoi que ce soit.
La version 3 de reCAPTCHA pousse cette logique jusqu'au bout. Elle ne vous demande plus rien du tout. Elle observe vos interactions avec le site et attribue à chaque visite une note entre 0 et 1, où 1 signifie "très probablement un humain" et 0 "très probablement un robot". Il n'y a plus de photos ni de case à cocher, et le test tourne en continu sans jamais interrompre la visite.
C'est plus confortable, puisqu'il y a moins de grilles à déchiffrer. Mais on est passé d'une devinette qu'on vous posait à une observation de votre comportement, et cela pose une question de vie privée.
Ce qu'en dit le régulateur français
Pour la CNIL, un captcha qui sert uniquement à sécuriser le site n'exige pas le consentement des visiteurs. Sa foire aux questions consacrée aux cookies le précise, tout en recommandant d'informer les utilisateurs de l'existence de ces traceurs. Pas de permission à demander, donc, mais pas de cachotteries non plus.
Les choses changent quand l'outil fait autre chose au passage. Juste après, la CNIL cite nommément la solution reCAPTCHA de Google en exemple de systèmes dont les fournisseurs "indiquent explicitement réutiliser les données pour leur propre compte". Dans ce cas, le consentement devient nécessaire. On lit parfois que reCAPTCHA serait "illégal", mais la position du régulateur est plus nuancée. Tout dépend de ce que l'outil fait des données, et de ce qu'on a demandé au visiteur.
En janvier 2021, la CNIL a d'ailleurs relevé que l'Assurance maladie avait retiré, à sa demande, un recours à reCAPTCHA jugé "problématique" dans un de ses services liés à la crise sanitaire, et que l'application StopCovid avait elle aussi cessé d'utiliser cette technologie.
5. Protéger un formulaire sans faire travailler personne
Les grilles de photos ont enfin un défaut qu'on oublie souvent. Tout le monde ne peut pas les résoudre. Dans une note consacrée à l'accessibilité des captchas, le W3C, l'organisme qui écrit les standards du web, rappelle que déchiffrer des caractères déformés dans une image est précisément la tâche que les personnes aveugles, malvoyantes ou dyslexiques sont le moins en mesure d'accomplir. Il souligne aussi qu'un test où rater plusieurs fois fait partie du parcours normal met en difficulté les personnes sujettes aux troubles anxieux.
Bonne nouvelle : on sait faire autrement. Deux familles de solutions protègent un formulaire sans rien demander au visiteur.
• Le piège à robots. C'est un champ invisible pour un humain, qu'un robot remplit machinalement et qui trahit ainsi sa présence. Il doit être bien caché, y compris des lecteurs d'écran et des outils de remplissage automatique, pour ne piéger que les robots. Le visiteur, lui, ne voit rien et n'a rien à prouver. Le W3C encourage ce genre d'approche sans interaction, justement parce qu'elle n'exclut personne.
• La vérification sans épreuve. Cloudflare, par exemple, propose avec Turnstile une vérification qui revendique de fonctionner sans énigme visuelle (au pire, une case à cocher) et sans accéder au contenu des formulaires.
La CNIL pousse elle aussi vers ces solutions, pour une raison très concrète. Une protection soumise au consentement ne protège plus grand-chose, puisqu'un simple refus suffirait à la contourner. Elle préconise donc des solutions qui ne nécessitent pas le consentement des personnes. Pour un formulaire de contact classique, un piège à robots bien conçu suffit souvent, et il n'implique aucun service extérieur.
Un test qui en dit plus long sur le site que sur vous
La prochaine fois qu'une grille de feux tricolores s'affichera, vous saurez la lire autrement. Le plus souvent, quelque chose dans votre façon d'arriver sur la page a éveillé un doute, et on vous demande de le lever. Derrière cette grille, il y a aussi un choix que le site a fait pour vous, celui de l'outil qui surveille l'entrée et de ce qu'il fait des données recueillies. Ce choix ne s'affiche nulle part, mais vous savez désormais qu'il existe.
Les formulaires des sites qu'iatko construit sont protégés de cette façon. Des pièges invisibles arrêtent les robots, les humains n'ont rien à déchiffrer, et aucun service tiers ne regarde par-dessus l'épaule de vos visiteurs. Pour le vérifier, ouvrez un des sites que nous avons réalisés, remplissez un formulaire, et cherchez le captcha.