« Voir » à travers les murs avec le WiFi : que peut-on vraiment détecter ?
Le WiFi peut servir à détecter une présence et à estimer des mouvements sans caméra. Comment fonctionne cette technique, et quelles sont ses limites ?
Le corps laisse une trace dans le signal
Détecter quelqu’un derrière une cloison sans filmer la pièce : l’idée attire forcément l’attention. Le WiFi sensing exploite les variations des ondes radio pour déduire ce qui se passe dans un espace. Le mot « voir » désigne ici une estimation. Le système ne produit pas une photographie de la personne.
Espressif, le fabricant des ESP32, décrit le CSI (Channel State Information) comme une mesure des caractéristiques du canal radio, dont l’amplitude et la phase du signal. Quand une personne bouge, elle modifie sa propagation. Dans un environnement suffisamment calme, des mouvements plus discrets, comme ceux de la respiration, peuvent aussi laisser une variation mesurable.
La chaîne commence donc par du matériel capable de récupérer ces mesures. Un traitement du signal cherche ensuite les variations utiles. Selon la tâche, un modèle entraîné peut apprendre à relier ces données à une présence ou à une posture. Disposer d’un réseau WiFi chez soi ne suffit pas à obtenir toutes ces fonctions.
Une piste de recherche qui précède RuView
L’article scientifique DensePose From WiFi, déposé le 31 décembre 2022 par Jiaqi Geng, Dong Huang et Fernando De la Torre, explore l’estimation de la pose humaine à partir du WiFi. Les chercheurs utilisent l’amplitude et la phase pour entraîner un réseau de neurones. Leur protocole associe des relevés WiFi à des images servant de référence pendant l’apprentissage ; la prédiction utilise ensuite le signal radio.
Les auteurs décrivent aussi des échecs : certaines poses peu représentées et plusieurs personnes présentes simultanément compliquent la reconstruction. Les performances baissent lorsque l’agencement testé diffère des environnements d’entraînement. Une démonstration dans une pièce ne garantit donc pas le même résultat dans un autre logement.
La respiration et le rythme cardiaque font l’objet d’autres travaux. Une publication de Yu Gu et ses coauteurs, déposée le 14 août 2019, présente un prototype WiFi de suivi pendant le sommeil. Les auteurs accordent une attention particulière au placement des antennes pour détecter ces faibles mouvements. Ces résultats concernent leur dispositif expérimental.
Ce que propose le dépôt RuView
Le projet open source RuView rassemble des outils de capture CSI et des traitements pour la détection de présence, les signaux respiratoires et d’autres usages. Sa documentation, consultée le 19 octobre 2026, distingue plusieurs matériels et pipelines. Certaines configurations peuvent fonctionner localement, sans accès à Internet.
Sur l’ESP32, le firmware documente un indicateur de présence fondé sur les variations du signal, ainsi que des estimations expérimentales de respiration et de rythme cardiaque. Il précise que ce traitement embarqué n’exécute pas de modèle neuronal entraîné et ne réalise pas d’estimation de posture. Cette dernière relève d’un traitement distinct sur une machine hôte.
Le README sépare les résultats sur jeux de données de la reconstruction de posture en direct, encore limitée selon le modèle. La démo Docker peut fonctionner sur des données simulées. Une autre démonstration combine webcam et CSI : l’animation affichée ne prouve donc pas, à elle seule, que chaque articulation est reconstruite uniquement avec le WiFi.
Le firmware signale également des faux positifs possibles en présence d’interférences radio. Ses estimations cardiaques sont expérimentales et ne constituent pas une mesure médicale. Aucun essai matériel de RuView n’a été réalisé pour cet article.
Une cloison ne devient pas transparente
RuView décrit une détection à travers les murs dépendante du signal. Il faut lire cette possibilité avec ses conditions : une liaison radio exploitable et des capteurs correctement placés. L’existence du phénomène ne donne ni une portée universelle ni une précision identique derrière chaque obstacle.
« Sans caméra » peut désigner la phase d’utilisation, même si des images ont servi à entraîner un modèle. « Sans Internet » suppose toujours une source radio et des récepteurs. Pour comprendre une démonstration, je regarderais d’abord d’où viennent les données affichées et sur quelle machine tourne chaque traitement.
De la présence domestique au suivi du sommeil
Une application envisageable serait de commander un éclairage selon l’occupation d’une pièce. Le suivi du sommeil ou une alerte de chute suscitent aussi de l’intérêt. Ces usages demandent des validations différentes : une lumière allumée à tort et une chute manquée n’ont pas les mêmes conséquences.
Pour évaluer un prototype, je commencerais par une question limitée, par exemple distinguer une pièce vide d’une pièce occupée. Il faudrait comparer les résultats à une référence, compter les erreurs et recommencer après avoir déplacé le mobilier. Le suivi patient demanderait des preuves adaptées à cet usage ; un chiffre affiché dans une interface ne suffit pas à les fournir.
L’absence d’image ne règle pas la vie privée
Traiter les données localement réduit les transferts vers un service distant. Pourtant, un historique de présence peut révéler des horaires et des habitudes. Des estimations physiologiques peuvent être sensibles même lorsqu’aucune vidéo n’est enregistrée. La question porte aussi sur les informations déduites et sur les personnes qui y ont accès.
Je voudrais pouvoir savoir quand ce type de capteur fonctionne, connaître la zone observée et le désactiver. Avant une installation, il faudrait convenir avec les personnes concernées des données conservées et de leur durée de stockage. Rendre le logiciel public aide à examiner son fonctionnement ; cela ne garantit pas l’usage qui en sera fait.
Pour creuser le sujet, le dépôt et les publications ci-dessous permettent de confronter les promesses aux protocoles. Lors d’un premier essai, identifier une source CSI réelle et documenter les erreurs observées serait déjà plus instructif qu’une silhouette animée à l’écran.
Sources et liens utiles
- Espressif, ESP-CSI : principe et capture du CSI (consulté le 19 octobre 2026)
- Geng, Huang et De la Torre, DensePose From WiFi (31 décembre 2022)
- Gu et al., WiFi-based Real-time Breathing and Heart Rate Monitoring during Sleep (14 août 2019)
- RuView : matériels, démonstrations et maturité des modèles (consulté le 19 octobre 2026)
- RuView, firmware ESP32 : traitements embarqués et limites (consulté le 19 octobre 2026)
