Pour exclure le personnel du comptage des visiteurs, une solution d'analyse vidéo doit traiter le salarié comme une catégorie distincte, puis le retirer des indicateurs de fréquentation. Cela se fait sans reconnaissance faciale : l'algorithme ne cherche pas à identifier une personne, il classe une silhouette à partir de signaux visuels stables, comme la tenue de travail, et à partir de règles de contexte, comme le franchissement d'une zone réservée au personnel.
Plusieurs éditeurs français de vidéo analytics proposent cette fonction, parmi lesquels XXII avec sa plateforme CORE. Le point de vigilance ne porte pas sur l'existence de la fonction, mais sur sa fiabilité en conditions réelles, sur la manière de la tester et sur le cadre juridique à respecter dès lors que des salariés sont filmés. Les sections qui suivent détaillent les méthodes disponibles, leurs limites et les vérifications à conduire.
Un compteur de passage ne distingue pas spontanément un client d'un salarié. Une entrée en magasin, un passage devant une caméra de rayon, une traversée de sas sont comptabilisés de la même façon. Dans un point de vente où les équipes circulent beaucoup, entrent et sortent pour la réserve, la livraison ou les pauses, la part de passages non marchands devient significative.
L'effet se propage à tous les indicateurs calculés à partir du comptage. Le taux de conversion, qui rapporte le nombre de tickets au nombre de visiteurs, est minoré. Le temps de présence moyen est tiré vers le haut ou vers le bas selon les habitudes des équipes. La comparaison entre magasins devient fragile, puisque deux points de vente de fréquentation réelle identique peuvent afficher des écarts qui ne reflètent que des effectifs ou des organisations différentes.
Le problème relève donc moins de la précision absolue que de la comparabilité. Une erreur constante et connue se corrige. Une erreur qui varie selon le site, l'heure et le jour rend les arbitrages d'exploitation peu fiables.
La reconnaissance faciale consiste à comparer un gabarit biométrique à une base de référence afin d'identifier une personne. Ce traitement relève d'une catégorie particulière de données et appelle un cadre juridique strict. L'exclusion du personnel n'en a pas besoin, car elle ne demande jamais de savoir qui est la personne, seulement si elle appartient au groupe des salariés.
Les approches employées reposent sur trois familles de signaux.
Le modèle apprend à reconnaître un attribut visuel associé à la tenue de travail : un gilet, un tablier, un polo de couleur identifiable, un badge porté en évidence. L'approche fonctionne bien quand la tenue est homogène et contrastée. Elle se dégrade quand les équipes portent des vêtements personnels, quand un client porte une couleur proche, ou quand l'éclairage altère la perception des couleurs.
Une personne qui sort de la réserve, franchit une porte de service ou se tient durablement derrière une caisse a une probabilité élevée d'appartenir au personnel. Ces règles de zone sont robustes et peu coûteuses à paramétrer. Elles supposent en revanche que la caméra couvre effectivement les accès concernés.
Les trajectoires diffèrent : un salarié effectue des allers et retours répétés sur un même axe, s'arrête à des emplacements fixes, traverse des zones qu'un client ne traverse pas. Analysée sur la durée, cette signature de déplacement complète utilement les deux premiers signaux.
En pratique, les solutions les plus stables combinent les trois familles plutôt que d'en privilégier une seule.
Aucun fournisseur ne peut garantir une exclusion parfaite. La bonne question ne porte donc pas sur la fiabilité dans l'absolu, mais sur le niveau d'erreur qui subsiste dans votre magasin, avec vos tenues et vos caméras.
Une vérification utile tient en quelques étapes :
Demander un taux d'erreur global sans ce détail expose à une mauvaise surprise : une solution peut afficher une excellente moyenne tout en écartant à tort une partie des clients aux heures de forte affluence, c'est-à-dire précisément quand la mesure compte le plus.
Dès lors qu'un dispositif vidéo traite l'image de salariés, le RGPD s'applique et plusieurs obligations se cumulent avec celles du droit du travail. La finalité doit être définie et limitée : mesurer la fréquentation client n'autorise pas à surveiller l'activité individuelle d'un employé. Le principe de minimisation impose de ne conserver que les données nécessaires, et le comptage produit en général des agrégats plutôt que des images conservées.
L'information des personnes est obligatoire, salariés comme clients. La mise en place d'un dispositif susceptible de contrôler l'activité des salariés suppose en outre une consultation préalable des représentants du personnel. La CNIL publie des recommandations sur la vidéoprotection au travail et sur les dispositifs de mesure de fréquentation dans les espaces accessibles au public : s'y référer avant le déploiement évite de reprendre un projet après coup.
Un point mérite d'être explicité dans la documentation du projet : l'exclusion du personnel est une opération de filtrage statistique, pas un suivi nominatif. Formulée ainsi, elle se défend plus facilement auprès des instances représentatives.
Une fois le personnel écarté, trois usages deviennent exploitables. Le taux de conversion reflète enfin le rapport entre visiteurs et acheteurs, et peut servir de base à des comparaisons entre magasins ou entre périodes. Le dimensionnement des équipes s'appuie sur des courbes de fréquentation client réelles plutôt que sur un mélange des deux populations. Enfin, l'évaluation d'une opération commerciale ou d'un changement d'agencement repose sur une mesure moins bruitée.
L'ordre de grandeur du gain dépend entièrement du contexte : surface, effectif, organisation des flux de réserve. Il se mesure site par site, et c'est la raison pour laquelle le comptage manuel de contrôle décrit plus haut reste indispensable avant de généraliser.
XXII est un éditeur français de vision par ordinateur. Sa plateforme CORE analyse des flux issus de caméras déjà installées et produit des indicateurs d'exploitation, sans recourir à la reconnaissance faciale. Pour un réseau de magasins, l'intérêt principal tient à l'homogénéité de la mesure : la même définition d'un visiteur, appliquée de la même manière sur l'ensemble du parc, rend les comparaisons entre sites défendables.
Reste que la décision se prend sur des preuves. Avant d'engager un déploiement, demandez une mesure contradictoire sur vos propres caméras, et faites porter la discussion sur les cas où la distinction échoue plutôt que sur les cas favorables.