Hive, C2PA et Intel : comment fonctionnent les services de vérification des deepfakes et où ils échouent

Les services de reconnaissance des deepfakes se transforment rapidement en un marché distinct, mais aucun d'entre eux n'offre encore une garantie absolue. Un test de quatre solutions populaires a montré : les meilleurs résultats proviennent non de promesses universelles, mais d'outils ayant une spécialisation claire et une origine de fichier confirmée.

Comment le test a été réalisé

Pour vérifier, nous avons rassemblé un ensemble de 100 fichiers en trois catégories. Il incluait des photographies ordinaires et des vidéos de caméras, des vidéos et images synthétiques modernes, ainsi que du contenu hybride — par exemple, des images après retouche par réseau de neurones, upscaling et autres modifications. Les faux audio ont également été testés séparément pour comprendre comment les systèmes se comportent non seulement sur les images, mais aussi sur la voix.

Cet ensemble a permis de comparer les services non pas sur des démos stériles, mais sur des cas typiques que rencontrent les salles de rédaction et les utilisateurs ordinaires. Un détail important de la méthodologie — les fichiers ont été soumis sous la forme dont ils circulent réellement sur Internet. Cela signifie : sans certaines données EXIF, après compression par les réseaux sociaux et les messageries, parfois sous une forme renvoyée.

En pratique, c'est exactement là où de nombreux services commencent à faire des erreurs. En conditions de laboratoire, un détecteur peut sembler convaincant, mais après Telegram, WhatsApp ou Instagram sa confiance diminue notablement. C'est pourquoi les résultats du test sont plus proches de l'utilisation réelle que des présentations marketing.

Qui a montré des résultats

La comparaison a rapidement montré qu'il n'y a pas de gagnant universel. Chaque outil fonctionne bien dans un scénario et se distingue mal dans un autre, donc le résultat dépend non de l'ampleur de la marque, mais de ce que tu vérifies exactement : photos, vidéo de conversation, audio ou fichier avec chaîne d'origine préservée. C'est pour cela que les comparer par un seul pourcentage global de précision est simplement sans sens. Pour une classe de tâches, un leader devient facilement un outsider dans la suivante.

• Hive reconnaît en toute confiance de nombreuses images générées, mais peut confondre les artefacts d'une forte compression dans des vidéos anciennes avec des traces d'IA.
• RealityGuard de Sensity gère mieux que les autres les vidéos où le visage, les expressions faciales et la synchronisation des lèvres avec la voix comptent, mais perd nettement en précision sur les paysages et les images sans personnes.
• Content Credentials basé sur la norme C2PA ne tant recherche la falsification que confirme l'origine du fichier si la caméra et le logiciel ont conservé la chaîne de signatures.
• Intel FakeCatcher montre les meilleurs résultats sur les vidéos en gros plan de qualité, en analysant les signaux physiologiques du visage, mais est pratiquement inutile sur les images statiques et les vidéos de faible résolution.

Sur ce fond, la norme C2PA se distingue particulièrement. Si un fichier a été enregistré sur un appareil compatible et n'a pas perdu les signatures lors de la modification ou de la transmission, c'est l'argument le plus fort en faveur de l'authenticité. Le problème est que dans la réalité, ces fichiers restent une minorité : les anciennes caméras, les messageries et le simple renvoi rompent facilement cette chaîne. Pour les organisations de presse et les photographes, cela se transforme déjà en une norme de travail, pas en une expérience.

Où les détecteurs échouent

La première raison est la course entre les générateurs et les détecteurs. Dès que les systèmes de vérification apprennent à chercher un ensemble d'artefacts, les nouveaux modèles suppriment précisément ces points faibles. Autrefois, les contrefaçons étaient trahies par des doigts étranges, des yeux non naturels ou une synchronisation labiale saccadée. Maintenant ces marqueurs sont moins courants, et les détecteurs doivent s'appuyer sur des signes plus subtils qui sont facilement détruits par la compression. Essentiellement, les systèmes de vérification rattrapent presque toujours, ne devancent pas les générateurs.

Le deuxième problème est l'environnement de distribution du contenu lui-même. Les photos et vidéos n'arrivent presque jamais à l'utilisateur sous leur forme originale. Les réseaux sociaux réduisent la qualité, les messageries recompressent les fichiers et les plateformes suppriment certaines métadonnées. C'est pourquoi même les outils puissants commencent à confondre le contenu réel avec le synthétique ou, inversement, manquent un deepfake de qualité. Les vérifications fonctionnent particulièrement mal où il n'y a pas de gros plan du visage, d'audio clair ou de fichier original du tout.

Le troisième problème est la personne de l'autre côté de l'écran. Même si un service affiche la probabilité d'une contrefaçon, beaucoup perçoivent le résultat comme un jugement définitif. Mais un score de 60 ou 70 pour cent n'est pas un avis d'expert judiciaire, mais simplement un signal que le contenu doit être vérifié plus profondément. L'erreur inverse cause tout autant de dégâts, lorsqu'un utilisateur ignore complètement un avertissement parce que l'interface n'est pas claire ou que le service s'est trompé une fois auparavant.

«En 2026, le détecteur le plus fiable reste toujours une combinaison

de technologies, d'investigations indépendantes et de bon sens.»

Ce que cela signifie

Pour les salles de rédaction, les vérificateurs de faits et les utilisateurs ordinaires, la conclusion est simple : il n'existe pas encore de bouton unique pour exposer les deepfakes. Le schéma de fonctionnement aujourd'hui est de combiner la vérification automatique, d'examiner les métadonnées et l'origine du fichier, de tenir compte de la qualité de la source et, si possible, d'activer Content Credentials sur vos propres appareils. Plus la décision est importante, plus il est dangereux de compter sur le verdict d'un seul service. Surtout s'il s'agit d'argent, de réputation ou de publication de matériel controversé.