Em janeiro de 2020, Robert Williams foi preso na porta de casa, diante da mulher e das duas filhas pequenas, em um subúrbio de Detroit. Passou cerca de 30 horas detido, acusado de furtar relógios de uma loja. A única ligação entre ele e o crime era uma correspondência gerada por um sistema de reconhecimento facial a partir de imagens borradas de uma câmera de segurança. Estava errada. Williams é negro, como as outras pessoas que a própria polícia de Detroit admitiu ter prendido indevidamente com base na mesma tecnologia.
O caso se tornou um marco internacional não pelo erro em si, mas pelo que veio depois: a percepção de que o problema não estava apenas no algoritmo, e sim na forma como o sistema de justiça recebia o seu resultado. Uma sugestão estatística havia sido tratada como identificação. É exatamente esse deslizamento, da pista para a prova, que hoje ocupa tribunais nos Estados Unidos e na Europa. E é ele que o processo penal brasileiro ainda não enfrentou de frente.
Levantamentos recentes sobre acórdãos criminais de tribunais estaduais brasileiros revelam um padrão preocupante. Na maior parte das decisões que mencionam o reconhecimento facial, não há sequer a indicação de qual sistema foi utilizado, de qual base de imagens foi consultada ou da existência de laudo técnico sobre o processamento. Em pouquíssimos casos os julgadores discutem de fato qualidade das imagens, critérios de correspondência ou margens de erro. A tecnologia aparece como um dado natural da investigação, quase sempre resumido na expressão “identificação positiva”.
O problema, portanto, não é só a opacidade do algoritmo. É também a opacidade produzida pela forma como o resultado é registrado em relatórios policiais e decisões judiciais. Um resultado que é probabilístico, e que depende de uma cadeia de escolhas humanas e técnicas, chega ao processo com aparência de certeza. Há ainda circuitos menos visíveis: identificações que partem de sistemas privados de vigilância de redes varejistas, voltados à prevenção de perdas, e relatos de imagens de pessoas abordadas que circulam informalmente entre agentes públicos em aplicativos de mensagem, sem qualquer protocolo de finalidade, guarda ou descarte.
Na prática, o percurso costuma ser o seguinte. O sistema compara uma imagem de interesse com uma galeria e devolve uma lista de candidatos ordenada por pontuação de similaridade. Um operador escolhe um nome. A escolha vira “identificação” no relatório, fundamenta uma representação por prisão e, depois, a denúncia. Quando o caso chega à sentença, aquela sugestão inicial já foi incorporada a uma narrativa acusatória que se reforçou a cada etapa. A defesa, sem acesso aos parâmetros técnicos, precisa converter lacunas em argumentos e acaba recorrendo à insuficiência probatória e à fragilidade da identificação, sem condições de questionar tecnicamente o próprio resultado.
A resposta norte-americana veio por três vias: acordos judiciais, jurisprudência sobre acesso à prova e leis estaduais.
A primeira foi o acordo firmado em junho de 2024 entre a cidade de Detroit e Robert Williams, com a participação da ACLU e da clínica de litígio da Universidade de Michigan. Por ele, a polícia local deixou de poder prender alguém com base apenas no resultado do reconhecimento facial, e também não pode prender com base em um reconhecimento fotográfico feito logo em seguida a uma busca facial. O acordo proíbe ainda que se monte um alinhamento de fotos a partir de uma pista exclusivamente algorítmica, sem evidência independente, e determina a auditoria de todos os casos desde 2017 em que a tecnologia foi usada para obter mandado de prisão. O detalhe é importante: o acordo reconhece que a exibição da foto sugerida pela máquina a uma testemunha contamina o reconhecimento que vem depois.
A segunda via é a do acesso à prova. Em junho de 2023, no caso State v. Arteaga, a Divisão de Apelação de Nova Jersey decidiu que o acusado tinha direito a obter informações detalhadas sobre a busca facial que o apontou como suspeito, com base no dever constitucional da acusação de revelar elementos potencialmente favoráveis à defesa (a doutrina Brady). O tribunal destacou a novidade da tecnologia, a intervenção humana envolvida na produção das imagens e a ausência de validação de sua confiabilidade. Em 24 de junho de 2026, a Suprema Corte de Nova Jersey, por unanimidade, foi além no caso State v. Miles. A corte afirmou que o réu deve poder examinar as ferramentas usadas para acusá-lo, tanto para questionar sua confiabilidade quanto para entender como se tornou suspeito, avaliar a qualidade da investigação e demonstrar a possibilidade de outro autor. Rejeitou uma lista rígida, mas indicou um conteúdo básico que, na maioria dos casos, será o mínimo exigido: nome e fabricante do software, métricas de desempenho e taxas de erro, a fotografia de busca original, suas versões editadas e as imagens devolvidas como possíveis correspondências. O acesso ao código-fonte foi negado naquele momento, mas pode ser reexaminado se a defesa demonstrar necessidade.
O caso Miles ilustra por que isso importa. Segundo a decisão, a polícia fez duas buscas a partir da foto de perfil do acusado em uma rede social. Uma delas devolveu dez candidatos e colocou o réu apenas na oitava posição. Sem acesso a esse tipo de dado, a defesa jamais saberia que a máquina, em uma das consultas, considerou outras sete pessoas mais parecidas com a imagem do que ele.
A terceira via é legislativa. Maryland aprovou por unanimidade, em 2024, uma das leis mais completas do país sobre o tema. O resultado do reconhecimento facial não pode ser a única base para a causa provável nem para a identificação positiva de alguém, exigindo corroboração por prova obtida de forma independente; como regra, não pode ser apresentado como prova contra o acusado; e seu uso fica restrito a crimes graves, com vedação à identificação em tempo real. Mais relevante para o nosso debate: quando a busca facial gerar uma pista seguida de diligência, a acusação deve informar à defesa o nome do sistema, as bases consultadas e os resultados produzidos. Em 2025, um tribunal de apelação daquele estado reverteu uma condenação justamente porque a acusação não revelou, a tempo e por completo, o uso da tecnologia.
Na Europa, o eixo do debate é outro, mas converge. Em 2020, no caso Bridges, a Corte de Apelação da Inglaterra e do País de Gales considerou ilegal o uso de reconhecimento facial em tempo real pela polícia de South Wales. Entre os fundamentos, a excessiva margem de discricionariedade dos policiais sobre quem incluir nas listas de busca e onde instalar as câmeras, uma avaliação de impacto sobre proteção de dados deficiente e o descumprimento do dever público de igualdade, porque a polícia não havia verificado se o sistema apresentava viés racial ou de gênero.
Em 2023, no caso Glukhin v. Rússia, a Corte Europeia de Direitos Humanos condenou o Estado russo pelo uso de reconhecimento facial para identificar, localizar e prender um manifestante pacífico no metrô de Moscou, reconhecendo violação à vida privada e à liberdade de expressão. A Corte sublinhou que o emprego de tecnologia tão intrusiva exige regras detalhadas e salvaguardas robustas.
No plano normativo, o Regulamento Europeu de Inteligência Artificial (Regulamento UE 2024/1689) proíbe, desde fevereiro de 2025, a identificação biométrica à distância em tempo real em espaços públicos para fins de persecução penal, salvo exceções estritas e mediante autorização prévia. A identificação biométrica feita posteriormente, sobre imagens já gravadas, foi classificada como de alto risco, dependente de autorização judicial ou administrativa e vedada como fundamento exclusivo de decisões com efeitos jurídicos adversos. Com o Regulamento UE 2026/1744, o chamado Omnibus Digital, as obrigações para sistemas de alto risco passaram a valer a partir de 2 de dezembro de 2027. Soma-se a isso a Diretiva UE 2016/680, que há uma década disciplina especificamente o tratamento de dados pessoais para fins penais em todos os Estados-membros.
A preocupação com o viés não é retórica. O estudo do Instituto Nacional de Padrões e Tecnologia dos Estados Unidos (NIST) sobre efeitos demográficos, publicado em 2019 e baseado em quase duzentos algoritmos, identificou taxas de falso positivo de dez a cem vezes maiores para determinados grupos demográficos em boa parte dos sistemas avaliados, com variação significativa entre fornecedores. Antes dele, a pesquisa Gender Shades, de 2018, havia mostrado que sistemas comerciais de classificação facial erravam muito mais com mulheres de pele escura do que com homens de pele clara.
Dois pontos técnicos costumam passar despercebidos no foro. O primeiro é que o desempenho medido em laboratório não se transfere automaticamente para o mundo real, em que as imagens de busca são frequentemente de baixa resolução, com ângulo desfavorável, iluminação ruim ou recortadas de vídeo. O segundo é que a “precisão” de um sistema não é um número único: ela depende do limiar de corte configurado, do tamanho e da composição da galeria e da qualidade da imagem de origem. Por isso, dizer apenas que “o sistema identificou” é, tecnicamente, não dizer quase nada.
O ordenamento brasileiro não parte do zero. O art. 155 do Código de Processo Penal veda que a decisão se fundamente exclusivamente em elementos informativos colhidos na investigação, e a correspondência facial é, por natureza, um elemento dessa fase. O risco é que ela seja “convalidada” quando a vítima, que já viu a imagem apontada pelo sistema, confirma em juízo o rosto escolhido pela máquina. Foi exatamente esse efeito de contaminação que levou Detroit a proibir o reconhecimento fotográfico logo após a busca facial.
O Superior Tribunal de Justiça já trilhou caminho semelhante em relação ao reconhecimento pessoal. Desde o HC 598.886/SC, de 2020, sob relatoria do ministro Rogerio Schietti Cruz, a jurisprudência abandonou a leitura do art. 226 do CPP como mera recomendação, movimento que resultou na Resolução CNJ nº 484/2022 e culminou no Tema 1.258 dos recursos repetitivos, julgado pela Terceira Seção em junho de 2025. As teses fixadas determinam a observância obrigatória do rito, vedam o uso do reconhecimento inválido até mesmo para prisão preventiva, recebimento de denúncia ou pronúncia e exigem provas independentes do ato viciado. Sustento que essa lógica se aplica, com mais razão, ao reconhecimento algorítmico: se a memória humana submetida a um rito legal não basta sozinha nem para uma prisão cautelar, o resultado probabilístico de um sistema não identificado não pode gozar de crédito superior.
A cadeia de custódia oferece um segundo eixo. Os arts. 158-A a 158-F do CPP exigem que a trajetória de todo vestígio seja documentada, e uma imagem submetida a comparação biométrica é um vestígio digital processado. O STJ tem sido cada vez mais rigoroso nesse ponto, como mostra o HC 1.036.370, de setembro de 2025, em que foram declaradas inadmissíveis capturas de tela extraídas de um celular sem protocolo técnico de preservação. Além disso, o art. 159, §§ 3º a 6º, do CPP permite às partes formular quesitos, indicar assistente técnico e exigir que o material que serviu de base à perícia seja disponibilizado.
O vazio está na legislação específica. A Lei Geral de Proteção de Dados classifica o dado biométrico como sensível, mas o seu art. 4º, III, exclui a segurança pública e a persecução penal, remetendo o tema a uma lei própria que nunca foi editada. É justamente o espaço que, na Europa, a Diretiva 2016/680 ocupa. Enquanto isso, a Resolução CNJ nº 615/2025 impõe aos tribunais autorização prévia para usar, em suas próprias ferramentas, reconhecimento facial ou análise biométrica de alto risco. O paradoxo é evidente: o Judiciário regula com rigor o que ele mesmo usa, mas recebe sem escrutínio equivalente o resultado produzido por sistemas policiais e até privados.
No Legislativo, a Câmara dos Deputados aprovou em 12 de agosto de 2026 o substitutivo ao PL 1.828/2023, que agora está no Senado. Segundo a Agência Câmara, o texto veda a vigilância em massa, impede que qualquer punição ou restrição de direitos se baseie apenas na identificação automática e exige validação humana prévia e detalhada, além de tecnologias certificadas para evitar vieses e fiscalização pela ANPD. São avanços que dialogam com Detroit, Maryland e o regulamento europeu. Falta, porém, a peça que Nova Jersey e Maryland consideraram essencial: o dever de revelar à defesa como a identificação foi produzida. Validação humana sem documentação acessível ao acusado corre o risco de ser apenas mais uma camada de opacidade. O marco geral da inteligência artificial (PL 2.338/2023), aprovado pelo Senado em dezembro de 2024, segue em análise na Câmara.
Da perspectiva de quem atua como perito judicial, a experiência estrangeira ajuda a responder uma pergunta prática: o que precisa estar nos autos para que a identificação facial possa ser examinada tecnicamente? Proponho, como ponto de partida, um conteúdo mínimo que converge com o que a Suprema Corte de Nova Jersey e a lei de Maryland passaram a exigir:
- a) a identificação do sistema, sua versão e o fornecedor responsável;
- b) a imagem de origem preservada, com data, fonte, resolução e código de integridade (hash), além do registro de qualquer tratamento prévio, como recorte ou ajuste de nitidez;
- c) a base de comparação utilizada, com indicação do controlador, do fundamento para sua formação, do volume de registros e dos critérios de inclusão;
- d) o limiar de corte configurado, a pontuação de similaridade obtida e a lista integral de candidatos devolvida pelo sistema, com a posição ocupada pelo investigado;
- e) a identificação de quem revisou o resultado, com quais critérios e se já conhecia outros elementos sobre o suspeito;
- f) os registros (logs) da operação;
- g) as taxas de erro conhecidas do sistema, inclusive por grupo demográfico;
- h) a informação sobre se a imagem apontada pelo sistema foi exibida a vítimas ou testemunhas antes de qualquer reconhecimento formal.
Sem esses elementos, o chamado “laudo” é, na melhor das hipóteses, o relato de um resultado, e não uma perícia. Para a advocacia criminal, a lista pode orientar requerimentos de exibição e diligências com base nos arts. 156, 159 e 402 do CPP, a formulação de quesitos, a indicação de assistente técnico e a arguição de quebra da cadeia de custódia, articuladas com as teses do Tema 1.258 sempre que houver risco de contaminação do reconhecimento posterior. E, como lembra o art. 156, o ônus da prova é de quem acusa: se a identificação não pode ser auditada porque a documentação não foi produzida, a lacuna deve pesar contra quem tinha o dever de produzi-la.
Os casos conhecidos de prisões indevidas por reconhecimento facial nos Estados Unidos, que já somam ao menos oito, atingiram de forma desproporcional pessoas negras. A tecnologia não cria a desigualdade dos sistemas de justiça criminal, mas a atualiza e lhe empresta verniz de neutralidade.
A comparação internacional mostra que a questão não é ser a favor ou contra o reconhecimento facial. Detroit continua usando a tecnologia; Maryland a regulamentou; a União Europeia a admite sob condições estritas. O que essas experiências têm em comum é a recusa em aceitar que um resultado algorítmico ingresse no processo sem que o acusado possa saber como ele foi produzido. O contraditório previsto no art. 5º, LV, da Constituição não se satisfaz com a possibilidade formal de discordar: ele exige acesso aos meios de verificar. Uma prova que não pode ser contestada deixa de ser prova e passa a ser apenas autoridade. E autoridade, no processo penal democrático, não condena ninguém.
REFERÊNCIAS
ESTADOS UNIDOS. New Jersey Superior Court, Appellate Division. State v. Arteaga, A-3078-21, 7 jun. 2023.
ESTADOS UNIDOS. Supreme Court of New Jersey. State v. Miles, A-41-24, 24 jun. 2026.
ESTADOS UNIDOS. Maryland. House Bill 338 / Senate Bill 182 (2024), Criminal Procedure Article, Title 2, Subtitle 5.
ESTADOS UNIDOS. Williams v. City of Detroit. Acordo judicial, jun. 2024.
REINO UNIDO. Court of Appeal (England and Wales). R (Bridges) v Chief Constable of South Wales Police [2020] EWCA Civ 1058.
CONSELHO DA EUROPA. Corte Europeia de Direitos Humanos. Glukhin v. Russia, n. 11519/20, 4 jul. 2023.
UNIÃO EUROPEIA. Regulamento (UE) 2024/1689 (Regulamento de Inteligência Artificial); Regulamento (UE) 2026/1744 (Omnibus Digital); Diretiva (UE) 2016/680.
GROTHER, P.; NGAN, M.; HANAOKA, K. Face Recognition Vendor Test, Part 3: Demographic Effects. NISTIR 8280. NIST, 2019.
BUOLAMWINI, J.; GEBRU, T. Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. Proceedings of Machine Learning Research, v. 81, 2018.
BRASIL. Superior Tribunal de Justiça. Terceira Seção. REsp 1.953.602/SP e outros (Tema 1.258), j. 11/6/2025; Sexta Turma, HC 598.886/SC, j. 27/10/2020; HC 1.036.370, set. 2025.
BRASIL. Conselho Nacional de Justiça. Resoluções nº 484/2022 e nº 615/2025. Câmara dos Deputados. PL 1.828/2023, substitutivo aprovado em 12/8/2026.
