Responsabilité partagée : Les principes de conformité au RGPD sont une responsabilité partagée entre le contrôleur de données (le client) et OpenSpace (le processeur de données).

Dépersonnalisation d'OpenSpace, ou floutage des visages : Afin de réduire la collecte d'informations personnelles identifiables (IPI), les clients peuvent contacter le service d'assistance d'OpenSpace pour activer notre fonction de floutage des visages. Lorsqu'elle est activée, cette fonction détecte les visages dans toutes les futures captures. Lorsqu'elle identifie un visage reconnaissable, le visage et le reste du corps sont floutés dans l'image. Ce faisant, nous rendons les ressemblances des personnes dans l'imagerie statistiquement méconnaissables pour un spectateur moyen raisonnable. Bien que ce processus soit très précis grâce à des algorithmes avancés d'apprentissage automatique qui identifient les ressemblances d'une personne générique, il ne permet pas d'identifier des visages ou des individus spécifiques, et le taux de faux négatifs n'est pas nul. L'objectif de la dépersonnalisation est de réduire la surface d'attaque, et non d'éliminer toutes les données du système.

Possibilité de faux négatifs : Si un visage n'est pas flou, la reconnaissance faciale ne peut généralement pas distinguer un visage en raison de circonstances présentes sur l'image, telles que la distorsion, la pixellisation, les masques chirurgicaux ou d'autres obstructions du visage. Il s'agit d'un résultat normal des algorithmes d'apprentissage automatique que nous utilisons pour détecter une personne. Nous réglons nos modèles pour réduire les faux négatifs et les faux positifs afin de fournir un service de qualité supérieure à nos clients, mais ce faisant, certaines ressemblances, bien que statistiquement méconnaissables, peuvent encore apparaître non floues et reconnaissables pour les spectateurs qui ont une connaissance du sujet ou de l'environnement.

Possibilité de faux positifs : Si des parties de l'image sont floues alors qu'il n'y a pas de visage, la reconnaissance faciale a généralement identifié à tort un visage là où il n'y en avait pas. Il s'agit d'un résultat normal des algorithmes d'apprentissage automatique que nous utilisons pour détecter une personne. Encore une fois, nous réglons nos modèles pour réduire à la fois les faux positifs et les faux négatifs afin de fournir un service de qualité supérieure aux clients, mais ce faisant, certains objets ou aspects des images capturées peuvent être flous de manière incorrecte. Dans ce cas, nous vous recommandons d'avancer ou de reculer d'une seule image dans votre capture pour voir si les images adjacentes, à seulement une demi-seconde d'intervalle, ne présentent pas le même faux positif. Dans la plupart des cas, il y aura une image dans votre capture qui ne présentera pas le même faux positif.

Responsabilité des clients et bonnes pratiques : Il incombe au client d'obtenir l'autorisation des personnes concernées. Par exemple, le client peut afficher un avis indiquant qu'une documentation photographique à 360° aura lieu et que des efforts seront faits pour dépersonnaliser la reconnaissance faciale. Le client peut également prendre des mesures lors de la capture d'images pour empêcher ou limiter la collecte de données auprès des personnes concernées, par exemple en prenant des photos en dehors des heures de travail, lorsqu'il y a moins de personnes sur le lieu de travail.

Ni Field Notes ni Lidar n'offrent la possibilité de flouter les visages.