Deepfake
Un deepfake est un contenu généré ou manipulé par l'IA—vidéo, audio ou images—dans lequel la ressemblance physique ou la voix d'une personne est fabriquée ou remplacée pour créer des représentations réalistes mais fausses, généralement en utilisant des modèles génératifs d'apprentissage profond.
Deepfake désigne les contenus synthétiques produits par des modèles d'apprentissage profond qui remplacent ou fabriquent de manière convaincante le visage, la voix ou les deux d'une personne dans des vidéos, audios ou images statiques. Le terme est un mélange d'apprentissage profond (deep learning) et de faux (fake), inventé sur les forums internet autour de 2017 lorsque les logiciels d'échange de visage sont devenus accessibles aux non-spécialistes. Les deepfakes modernes englobent les vidéos d'échange de visage, le clonage vocal synthétisé à partir de quelques secondes d'audio de référence, la manipulation de la synchronisation labiale qui insère des mots fabriqués dans un métrage existant, et les vidéos parlantes complètement synthétiques générées sans aucun enregistrement original de l'individu dépeint.
Les premiers deepfakes s'appuyaient sur les Réseaux antagonistes génératifs (GAN), dans lesquels un générateur synthétise une sortie réaliste tandis qu'un discriminateur tente d'identifier les faux, les deux réseaux s'améliorant par l'entraînement antagoniste. Au milieu des années 2020, les modèles de diffusion et les techniques de rendu neuronal telles que les Champs de rayonnement neuraux (NeRF) et le splattage gaussien produisaient des résultats de fidélité plus élevée avec moins d'artefacts visuels. Simultanément, les services de clonage vocal ont atteint une naturalité quasi-humaine à partir de moins de 30 secondes d'audio de référence, abaissant la barrière pour les deepfakes audio seuls utilisés dans les attaques d'ingénierie sociale.
Les risques conséquents s'étendent sur plusieurs domaines. Les campagnes de désinformation politique ont utilisé des vidéos fabriquées de responsables publics pour diffuser de fausses déclarations avant les élections dans plusieurs pays. La fraude par clonage vocal—parfois appelée vishing—a coûté aux entreprises des dizaines de millions de dollars dans des incidents où l'audio d'exécutifs a été synthétisé pour autoriser les virements. Les contenus intimes non consentis utilisant des physionomies fabriquées causent des dommages psychologiques documentés et constituent une catégorie croissante d'abus en ligne. La même technologie sous-jacente a également des utilisations légitimes dans la post-production cinématographique, les outils d'accessibilité pour les personnes qui ont perdu la capacité de parler et les divertissements interactifs.
À partir de 2026, les outils de détection—classificateurs formés sur les incohérences faciales, les motifs de clignement non naturels et les artefacts spectraux—traînent systématiquement derrière les capacités de génération, créant une dynamique antagoniste persistante. Les réponses réglementaires incluent les exigences de divulgation obligatoire de la Loi sur l'IA de l'UE pour les contenus générés par l'IA, la législation au niveau des États américains ciblant les deepfakes politiques et les contenus intimes non consentis, et les politiques des principales plateformes exigeant l'étiquetage des contenus synthétiques. La Coalition for Content Provenance and Authenticity (C2PA) promeut les normes de provenance cryptographiques qui intègrent les métadonnées d'origine résistant aux tampons dans les contenus au moment de la capture.