MWS AI a testé des réseaux de neurones multimodaux sur la détection de faux documents

MWS AI, division de MTS Web Services, a vérifié dans quelle mesure les modèles multimodaux (Visual Language Models, VLM) savent distinguer les faux documents des vrais. L'information a été publiée sur CNews le 9 octobre 2026. Le sujet est bien choisi : banques, assureurs, places de marché et services RH affrontent des faux chaque jour, et les modèles génératifs les ont rendus bon marché. Le fragment de l'article auquel nous avons accès ne contient ni la liste des modèles testés, ni la taille de l'échantillon, ni les pourcentages finaux : impossible, donc, d'établir un classement pour le moment. On peut en revanche comprendre ce que mesure ce type de test et où se cachent ses pièges.

Ce qui a été testé, et pourquoi

Les VLM reçoivent en entrée une image accompagnée d'une requête textuelle. Pour des documents, cela signifie que le modèle reçoit le scan d'un passeport, d'une attestation ou d'un contrat et répond à une question du type « y a-t-il des signes de retouche ? ». Auparavant, on résolvait cette tâche en combinant plusieurs briques : un OCR pour reconnaître le texte, un jeu de règles pour contrôler les champs et des modèles de forensique dédiés à l'analyse des artefacts d'image. Les VLM promettent de tout réunir en un seul appel.

Les falsifications sont pourtant très variées. Certaines se contentent de redessiner les chiffres d'un montant ou d'une date. D'autres remplacent la photo, d'autres encore assemblent un arrière-plan à partir de plusieurs sources. La variante la plus récente : un document entièrement généré par un modèle, avec des polices, un cachet et une signature plausibles. Chaque type exige ses propres signaux, et la qualité des VLM peut varier fortement de l'un à l'autre.

Pourquoi les tests indépendants sont rares

Les benchmarks publics pour modèles multimodaux évaluent le plus souvent la compréhension de documents : trouver un champ, lire un tableau, répondre à une question sur un texte. La vérification d'authenticité est d'une autre nature. Le modèle doit repérer que quelque chose cloche dans le document, alors que son contenu paraît irréprochable. C'est une compétence différente, et un bon score sur des jeux de type DocVQA ne la garantit pas.

Ce que l'on sait de la publication :

• Qui a testé : MWS AI (filiale de MTS Web Services).
• Classe de modèles : VLM multimodaux.
• Tâche : détection de faux documents.
• Date et source : CNews, 9 octobre 2026.
• Non divulgué dans le fragment disponible : la liste des modèles, la taille et la composition du jeu de données, la précision, la part de faux positifs.

Ce qu'il faut regarder dans le rapport complet

Premier point : le rapport entre les deux types d'erreurs. Un faux non détecté coûte de l'argent ; une fausse alerte coûte un client et du temps d'opérateur. Une précision moyenne, sans ventilation entre ces deux chiffres, ne dit presque rien.

Deuxième point : la composition des falsifications. Si l'échantillon ne contient que des retouches manuelles grossières, le résultat sera optimiste. S'il inclut des documents créés avec des générateurs d'images modernes, le tableau sera plus sévère.

Troisième point : la langue et le format. Les passeports russes, les attestations 2-NDFL et les relevés ont leur propre mise en page, et les modèles entraînés surtout sur des données anglophones peuvent se comporter différemment sur ces documents.

Quatrième point : la robustesse face à la formulation de la requête et à la qualité du scan. Une photo prise au téléphone dans une mauvaise lumière met en échec de nombreux systèmes qui fonctionnent très bien sur des images propres.

Il faut aussi garder à l'esprit que MWS AI développe elle-même des produits fondés sur l'IA. Cela n'enlève pas sa valeur au test, mais mieux vaut lire la méthodologie avec attention et, si possible, la confronter à ses propres données.

Que faire pour les équipes qui construisent un système antifraude

Ne confiez pas la décision finale à un VLM. Son rôle raisonnable aujourd'hui : un filtre de premier niveau, qui classe les documents par degré de suspicion et laisse à un humain les cas les plus litigieux. Constituez votre propre jeu de test à partir de cas réels de votre entreprise, ajoutez des faux synthétiques issus des générateurs actuels et faites-y passer chaque nouvelle version du modèle. Chiffrez en argent le coût de chaque type d'erreur et réglez le seuil en conséquence. Conservez enfin les contrôles classiques : recoupement avec les registres publics, analyse des métadonnées du fichier et vérification des coordonnées et références. Le modèle multimodal leur ajoute un signal supplémentaire, mais ne peut pas encore les remplacer.