Les deepfakes me font réagir de deux façons. Mon côté développeur trouve la technique impressionnante. Mon côté citoyen se demande combien de temps une vidéo va encore pouvoir servir de preuve à elle seule.

On peut faire adopter à un visage les expressions d’une autre personne, synchroniser une voix et donner l’impression que quelqu’un a prononcé des mots qui ne sont jamais sortis de sa bouche. Pour comprendre les limites, il faut regarder comment la vidéo est construite image par image.

Du visage détecté au visage recomposé

Un pipeline de remplacement de visage peut suivre ces étapes :

1. extraire les images de la vidéo;
2. détecter le visage et ses points de repère — yeux, nez, bouche, contour;
3. aligner et redimensionner chaque visage dans un cadre commun;
4. faire produire au modèle un visage cible avec la pose et l’expression demandées;
5. remettre le résultat à l’échelle, corriger sa couleur et le fondre dans l’image;
6. réassembler les images avec le son et réencoder la vidéo.

frame originale → détection → visage aligné → modèle génératif
       → visage synthétique → masque + mélange → frame modifiée

Le modèle peut utiliser un encodeur qui représente la pose et l’expression dans un espace compact, puis un décodeur qui reconstruit l’identité cible. D’autres approches génératives apprennent à produire des images capables de tromper un discriminateur. Dans les deux cas, l’entraînement demande beaucoup d’exemples sous différents angles, éclairages et expressions.

Le masque décide quels pixels remplacer. Un mauvais mélange crée une frontière, une couleur de peau incohérente ou un détail qui bouge mal entre deux frames. Le suivi temporel est difficile : une image isolée peut être convaincante pendant que les dents, les cheveux ou les reflets changent de forme d’une frame à l’autre.

Le son ajoute une autre chaîne. Un système peut synthétiser une voix à partir d’exemples ou modifier un enregistrement, puis un modèle ajuste les mouvements de bouche. Une synchronisation plausible ne prouve pas que l’audio vient de la personne filmée.

Pourquoi un détecteur ne suffit pas

Un détecteur apprend lui aussi sur des exemples. Il peut chercher des fréquences anormales, des frontières de masque, un clignement incohérent, des artefacts de compression ou un décalage entre lèvres et son. Son résultat ressemble à un score, pas à un verdict.

Supposons un test de 1 000 vidéos où seulement 20 sont fausses. Un détecteur trouve 18 faux, mais signale aussi 49 vraies vidéos :

vrais deepfakes détectés: 18
deepfakes manqués:         2
vraies vidéos signalées: 49
vraies vidéos acceptées: 931

précision des alertes = 18 / (18 + 49) ≈ 27 %

Même avec un rappel de 90 %, la majorité des alertes sont fausses dans cet exemple parce que les deepfakes sont rares. Le contexte et une analyse humaine restent nécessaires. Réencoder, redimensionner ou filmer un écran peut aussi effacer les artefacts que le détecteur utilisait.

Les générateurs et détecteurs évoluent ensemble. Entraîner un détecteur sur les méthodes d’aujourd’hui ne garantit pas qu’il reconnaîtra celle de demain. Je conserverais donc la version du détecteur, son score, le fichier analysé et ses limites, sans afficher un voyant vert comme preuve absolue.

Vérifier la chaîne de provenance

La provenance pose une autre question : peut-on relier le fichier à sa capture et à ses transformations? Une caméra ou une application pourrait calculer une empreinte cryptographique au moment de l’enregistrement, signer cette empreinte avec une clé protégée et inscrire les modifications suivantes dans un manifeste.

capture → hash du média + horodatage + identité de l’appareil
        → signature
        → montage déclaré → nouveau hash + lien vers la source
        → publication

La signature permet de vérifier qu’un manifeste n’a pas été modifié et que la clé annoncée l’a produit. Elle ne prouve pas que la scène était honnête : la caméra peut filmer une mise en scène, la clé peut être compromise et un fichier ancien peut être sorti de son contexte. Elle rend toutefois la chaîne plus vérifiable qu’un fichier téléchargé sans source.

Pour une vidéo importante, je suivrais une procédure simple :

• retrouver la publication la plus proche de l’original;
• conserver le fichier et ses métadonnées plutôt qu’une capture recompressée;
• vérifier qui contrôlait le compte et si une signature existe;
• chercher une séquence plus longue, un autre angle et des témoins indépendants;
• comparer le son, les mouvements et les coupures avec l’événement annoncé;
• ralentir la diffusion pendant la vérification.

Une fabrication peut faire des dégâts avant l’analyse. Et une vraie séquence peut maintenant être rejetée comme deepfake sans preuve — le liar’s dividend. Le faux n’a même pas besoin d’être parfait pour affaiblir la confiance.

Mon réflexe est donc moins spectaculaire qu’un détecteur miracle : préserver la source, documenter le trajet et chercher une confirmation indépendante. Une vidéo crédible reste un élément de preuve. Sans provenance ni contexte, elle n’est plus toute la preuve à elle seule.