JPEG

Vue d’ensemble de la structure

Si vous avez déjà ouvert un JPEG dans un éditeur hexadécimal, vous avez remarqué qu’il se compose de segments séparés par des marqueurs. Chaque marqueur commence par 0xFF, suivi d’un octet qui indique le type de segment. Cette conception rend les JPEG relativement faciles à analyser : il suffit de repérer les octets FF et de regarder ce qui suit.

Du point de vue de la vie privée, l’essentiel est que toutes les métadonnées (EXIF, GPS, horodatages) résident dans ces segments, totalement séparées des données d’image. C’est pour cela que nous pouvons supprimer les métadonnées sans toucher aux pixels ni recompresser quoi que ce soit.

JFIF ou EXIF ?

Voici ce qui déroute beaucoup de monde : les fichiers JPEG contiennent souvent deux standards de métadonnées à la fois. JFIF est arrivé en premier et gère les informations de base, comme la résolution. Puis les appareils photo se sont mis à ajouter des données EXIF, avec tous les détails de prise de vue. La plupart des JPEG modernes possèdent les deux, d’où la présence des marqueurs APP0 et APP1 en début de fichier.

Les marqueurs APP en détail

La spécification JPEG réserve 16 marqueurs « application » (APP0 à APP15) que les éditeurs peuvent utiliser à leur guise. Au fil des années, différentes organisations se sont approprié tel ou tel marqueur pour leur format de métadonnées. Le résultat est un peu brouillon, mais au moins c’est un désordre bien documenté.

La subtilité, c’est qu’un même marqueur peut signifier des choses différentes selon son contenu. APP1, par exemple, peut contenir des données EXIF ou XMP : il faut donc lire la chaîne d’identification qu’il renferme pour savoir à quoi on a affaire.

La structure EXIF

C’est là que ça devient intéressant (et un peu étrange). Les données EXIF sont en réalité un minuscule fichier TIFF intégré à votre JPEG. Oui, vraiment. Elles ont leur propre en-tête, leur propre ordre des octets, et utilisent la structure IFD (Image File Directory) de TIFF pour stocker les tags.

La première chose qui suit l’identifiant « Exif » est un en-tête TIFF, qui indique si les données sont en little-endian (Intel, « II ») ou en big-endian (Motorola, « MM »). Se tromper là-dessus, c’est obtenir des nombres totalement faux : c’est donc la première chose que vérifie tout analyseur.

Comment PicScrub traite le JPEG

L’approche est plutôt directe : nous parcourons le fichier marqueur par marqueur, conservons ceux qui sont indispensables à l’affichage de l’image et ignorons ceux qui contiennent des métadonnées. Comme nous ne touchons jamais aux données d’image compressées, il n’y a aucune perte de qualité.

L’essentiel est que la structure du JPEG, fondée sur des marqueurs, rend l’opération simple. Nul besoin de comprendre les coefficients DCT ou les tables de Huffman : il suffit de distinguer les segments qui sont des métadonnées de ceux qui n’en sont pas.

Référence des tags EXIF

Tous les tags EXIF ne se valent pas en matière de vie privée. Certains, comme les réglages d’exposition, sont plutôt inoffensifs. D’autres, comme les numéros de série ou le nom du propriétaire, permettent de vous identifier, vous ou votre matériel. Voici ceux que nous considérons comme à haut risque :

Référence des tags GPS

Les données GPS résident dans leur propre sous-IFD, désigné par le tag 0x8825 de l’IFD principal. Si ce pointeur existe, votre image contient des données de localisation. Les smartphones récents sont particulièrement zélés sur ce point, souvent avec une précision suffisante pour indiquer exactement où vous vous teniez.

Référence des tags IPTC

L’IPTC a été conçu pour que les agences de presse puissent intégrer légendes, crédits et mentions de copyright. Ces données sont stockées dans APP13, avec l’identifiant « Photoshop 3.0 » (oui, Adobe l’a repris à son compte). Si vous avez déjà ajouté un copyright ou des mots-clés dans Lightroom ou Photoshop, c’est là qu’ils atterrissent.