Détecteur Falsifications

Détecteur Falsifications (Local & Private)

Vos fichiers ne quittent jamais votre appareil. Traités localement. 100% privé.

Unlocking Tool Engine...

Comment utiliser Détecteur Falsifications

Accomplissez votre tâche parfaitement en trois étapes simples.

Télécharger un PDF

Déposez votre fichier PDF.

Analyser les signatures

L'outil recherche les signatures sous forme d'image et les incohérences dans les champs de signature.

Examiner le rapport

Un rapport met en évidence les signatures suspectes avec un score de risque de falsification.

FAQ

Tout ce que vous devez savoir sur le Détecteur Falsifications.

Que détecte le vérificateur ?

Signatures basées sur l'image insérées en superposition, DPI incohérents et champs de signature mal alignés.

S'agit-il d'une analyse de niveau médico-légal ?

Non — il fournit des signaux de risque heuristiques, et non des résultats médico-légaux admissibles devant un tribunal.

Mon fichier est-il téléchargé ?

Non. Tout s'exécute localement dans votre navigateur.

Quelle est la limite de taille de fichier ?

Traitez les fichiers jusqu'à la limite de mémoire du navigateur.

Qu'est-ce qu'un score de risque élevé ?

Un score supérieur à 80 indique de forts signes de manipulation de signature basée sur l'image.

How accurate is the detection?

The accuracy is high for exact or near-exact digital copies. OpenCV's normalized cross-correlation is a well-established computer vision technique used in industrial quality inspection and biometrics. False positives (legitimate signatures flagged as forgeries) can occur if two signers have virtually identical signatures or if the same person signed two documents identically. Always use this tool as a screening aid, not as definitive legal evidence.

What is template matching and how does OpenCV use it here?

Template matching is a computer vision technique that slides a template image across a larger image and measures how closely each region matches the template using a correlation score. OpenCV's matchTemplate function with the TM_CCOEFF_NORMED method produces a normalized score from -1 to +1, where +1 means a perfect match. The tool extracts the bottom 40% of one PDF page as the template and searches for it in the bottom 40% of the other — if the best match score exceeds the threshold, the signatures are structurally identical.