Photos de sinistre recyclées : détecter les doublons entre dossiers

Cet article a une vocation informative. Il ne constitue ni un conseil juridique, ni une recommandation réglementaire, et ne remplace pas l'avis d'un juriste ou d'un responsable conformité qualifié.

Une photo de dégât recyclée est une même image — parfois recadrée, recompressée ou légèrement retouchée — soumise dans deux dossiers de sinistre distincts, chez le même assureur ou chez deux assureurs différents. Le contrôle qui la détecte ne compare pas le fichier à une base de fraudes connues : il le compare à l'historique des photos déjà reçues, à la recherche d'une correspondance visuelle. C'est une question différente de celle posée par la détection de manipulation — « cette photo a-t-elle été trafiquée ? » devient « cette photo a-t-elle déjà servi ailleurs ? ».

Qu'est-ce que le recyclage de photo de sinistre

Le recyclage de photo de sinistre consiste à réutiliser une image de dégât déjà soumise — la sienne dans un dossier antérieur, celle d'un tiers obtenue en ligne, ou celle d'un complice — pour appuyer une nouvelle déclaration sans dommage réel correspondant. La photo peut être identique pixel pour pixel, ou légèrement modifiée : recadrage, changement de luminosité, compression supplémentaire, ajout d'un filtre. Dans les deux cas, le contenu visuel reste reconnaissable, ce qui rend le problème traitable par des techniques de comparaison d'images plutôt que par une simple vérification de hachage de fichier (qui échouerait au moindre octet modifié).

Une étude de Verisk portant sur un échantillon de 768 000 photos de sinistres a identifié 1 967 doublons, dont une même photo réutilisée dans 44 dossiers distincts, reliés à 1 475 sinistres pour environ 5,3 millions de dollars d'indemnisations versées. Ce chiffre illustre l'écart entre l'ampleur réelle du phénomène et sa détectabilité dossier par dossier : aucun gestionnaire examinant un seul dossier ne peut savoir qu'une photo a déjà circulé 43 fois ailleurs dans le portefeuille.

Pourquoi les fraudeurs réutilisent la même photo de dégât

Produire une photo de dégât crédible a un coût — trouver l'angle, l'éclairage, un véhicule ou un logement endommagé qui corresponde au scénario déclaré. Une fois qu'une photo a passé les contrôles d'un premier dossier, la réutiliser ailleurs élimine ce coût : le fraudeur change seulement le nom de l'assuré, la date de déclaration et parfois le montant réclamé, sans refaire l'étape la plus difficile.

Ce phénomène ne se limite pas à un seul assuré malhonnête. Le rapport ENISA Threat Landscape 2024 documente la montée d'un écosystème de « fraude en tant que service », où des kits de dossiers-modèles — photo, constat, devis assortis — circulent entre plusieurs fraudeurs peu qualifiés techniquement. Une même photo de dégât peut ainsi apparaître, légèrement modifiée à chaque fois, dans des dossiers déposés à des semaines ou des mois d'intervalle, parfois auprès d'assureurs différents qui n'ont aucune visibilité sur les dossiers des concurrents.

L'ampleur du phénomène en France et en Europe

Le marché français confirme la même dynamique que les données internationales. Selon des données citées par L'Argus de l'Assurance, le montant des fraudes détectées a dépassé 695 millions d'euros en 2023, en hausse de 18 % sur un an, une progression qui inclut une part croissante de dossiers où des photos de sinistre falsifiées ou recyclées ont été identifiées par les cellules anti-fraude des assureurs.

L'ACFE 2024 Report to the Nations situe à 37 % le taux de détection de la fraude documentaire par contrôle manuel seul, avec un délai moyen de découverte de 87 jours — un délai qui laisse largement le temps à une même photo de circuler dans plusieurs dossiers avant qu'un rapprochement manuel, souvent fortuit, ne révèle le schéma.

Comment fonctionne la détection par hachage perceptuel

Le hachage perceptuel (perceptual hashing, ou pHash) transforme une image en une empreinte numérique compacte qui reste stable même si le fichier est recadré, recompressé, redimensionné ou légèrement filtré — contrairement à un hachage cryptographique classique (SHA-256), qui change entièrement au moindre octet modifié. Deux photos visuellement proches produisent des empreintes proches, ce qui permet de calculer une distance entre elles et de fixer un seuil de similarité au-delà duquel une correspondance est signalée pour revue humaine.

Ce mécanisme s'applique en trois temps dans un flux d'instruction de sinistre :

1. Extraction : chaque photo reçue est convertie en empreinte perceptuelle au moment du dépôt.
2. Comparaison : l'empreinte est confrontée à une base de référence des photos déjà soumises, en interne et, quand un dispositif de mutualisation sectorielle existe, entre organismes.
3. Signalement : au-dessus du seuil de similarité retenu, le dossier est orienté vers une revue humaine, jamais vers un rejet automatique.

Notre approche méthodologique combine systématiquement cette comparaison perceptuelle avec l'analyse des métadonnées et la cohérence inter-documents, un point détaillé dans notre article sur les limites probantes des métadonnées EXIF d'une photo client : une empreinte perceptuelle proche n'a de valeur que croisée avec d'autres signaux, jamais seule.

Détection de doublons face aux autres techniques forensiques

La détection de doublons répond à une question différente de celle des autres contrôles forensiques appliqués à une photo de sinistre, et les deux se complètent plutôt qu'ils ne se substituent l'un à l'autre.

Une photo peut ainsi être « propre » selon trois des quatre grilles — pas de manipulation détectée par l'examen des artefacts de compression, métadonnées cohérentes, aucun signal de génération synthétique — et pourtant identique à un pixel près à une photo déjà soumise sous un autre nom six mois plus tôt. Notre article sur la fraude documentaire en série et la détection de documents recyclés détaille cette même logique appliquée à l'ensemble des pièces d'un dossier, au-delà des seules photos.

Ce qu'impose le cadre réglementaire sur un signalement de doublon

Un rejet ou une investigation fondée sur une correspondance de doublon reste une décision qui engage juridiquement l'assureur et doit rester contestable. Le règlement (UE) 2024/1689 sur l'intelligence artificielle impose, à son article 14, une supervision humaine effective pour les systèmes d'IA à haut risque, et un signal de duplication perceptuelle — par nature probabiliste, jamais certain à 100 % — relève de cette logique de traçabilité dès qu'il influence une décision d'indemnisation.

L'ACPR attend des organismes assurantiels un dispositif de contrôle interne proportionné au risque de fraude documentaire, incluant la détection de réutilisation de preuves. Le RGPD, à son article 22, encadre les décisions individuelles automatisées produisant des effets juridiques — un rejet de sinistre fondé sur un score de similarité algorithmique sans revue humaine documentée expose l'assureur à une contestation devant le médiateur de l'assurance.

Mettre en place un contrôle de duplication de photos de sinistre

La méthode la plus robuste repose sur trois niveaux d'escalade, avec des seuils explicites documentés dans la politique de contrôle interne :

1. Aucune correspondance détectée : la photo poursuit le traitement standard du dossier, sans mention particulière.
2. Correspondance partielle (similarité modérée) : le dossier est orienté vers une revue humaine standard, avec affichage côte à côte de la photo suspecte et de son antécédent pour permettre une décision éclairée.
3. Correspondance forte, combinée à d'autres signaux (métadonnées incohérentes, devis identique) : transfert vers la cellule anti-fraude ou le service spécial d'investigation, selon la procédure interne.

Cette architecture évite l'écueil du verdict entièrement automatisé, documenté dans notre article sur la revue de photos de sinistres à grande échelle : le signal oriente la file de traitement, l'humain tranche. Pour les organismes qui traitent plusieurs milliers de dossiers photo par mois, ce triage à trois niveaux est la seule option réaliste à effectif constant, comme le montre notre analyse de l'accélération de l'instruction des sinistres grâce à l'IA.

Ce que demandent réellement les gestionnaires de sinistres

« Un doublon détecté suffit-il à motiver un rejet ? » Non — une correspondance perceptuelle est un signal de priorisation, pas une preuve autonome de fraude. Un même assuré peut légitimement soumettre deux fois la même photo par erreur, ou un expert peut avoir réutilisé un cliché de constat pour deux volets d'un même sinistre. Le signal déclenche une revue documentée, jamais un rejet automatique.

« Comment un doublon est-il détecté si la photo a été recadrée ou compressée par un fraudeur qui connaît la technique ? » Le hachage perceptuel reste tolérant à ces transformations mineures, mais un recadrage agressif qui supprime la majorité de la zone visuellement distinctive peut faire chuter le score de similarité sous le seuil de détection — d'où l'intérêt de croiser ce signal avec l'analyse des métadonnées et la cohérence du récit du sinistre plutôt que de s'appuyer sur un seul indicateur.

Questions fréquemment posées

Une photo de sinistre recyclée est-elle toujours une fraude ?

Non. Un même client peut légitimement soumettre deux fois la même photo dans des dossiers liés, ou un expert peut réutiliser un cliché pour documenter deux volets d'un sinistre. Le signal de duplication oriente vers une revue humaine, il ne constitue pas une preuve de fraude à lui seul.

Le hachage perceptuel fonctionne-t-il si la photo a été retouchée ?

Il reste efficace face à un recadrage léger, une recompression ou un ajustement de luminosité, car l'empreinte capture le contenu visuel global plutôt que les octets du fichier. Une modification agressive peut en revanche réduire la similarité détectée, d'où la nécessité de croiser ce signal avec d'autres contrôles.

Combien de temps faut-il pour détecter un doublon entre deux dossiers ?

Techniquement, la comparaison d'empreintes s'effectue en quelques secondes au moment du dépôt de la photo. Le délai réel dépend ensuite du périmètre couvert : une base interne à l'assureur détecte plus vite qu'un dispositif nécessitant une mutualisation entre plusieurs organismes.

Cette détection remplace-t-elle le contrôle EXIF ou l'analyse de retouche ?

Non, elle les complète. Le hachage perceptuel répond à la question « cette photo a-t-elle déjà été vue ? », tandis que l'EXIF et l'analyse des niveaux d'erreur répondent à « cette photo a-t-elle été manipulée ? ». Un dispositif robuste combine les deux approches plutôt que de se reposer sur une seule.

Le RGPD limite-t-il la constitution d'une base de photos pour ce contrôle ?

Oui, l'article 22 encadre les décisions individuelles automatisées et la conservation des données personnelles associées aux photos doit respecter une durée proportionnée à la finalité anti-fraude. Un responsable conformité doit documenter la base légale et la durée de conservation avant de déployer un tel dispositif.

---

La détection de doublons entre photos de sinistre s'inscrit dans une approche plus large de signaux complémentaires — métadonnées, cohérence documentaire, et, lorsque la configuration client l'active, détection de contenus générés par IA en complément des contrôles structurels existants. CheckFile intègre cette comparaison perceptuelle dans le flux d'instruction des sinistres ; pour une vue d'ensemble de la vérification documentaire, consultez notre guide de la vérification documentaire ou les modalités tarifaires.