Un deepfake vidéo ne trompe pas un capteur : il remplace ce que le capteur est censé produire. Sur un terminal contrôlé par l'attaquant, un flux synthétique peut être injecté en amont de la caméra, ce qui rend la question « le visage est-il vivant ? » moins décisive que « ce flux vient-il d'une caméra ? ». Le facteur cognitif contourne le débat : il ne demande pas à voir un visage, il demande un raisonnement qu'aucun modèle génératif n'a pu apprendre.
Trois familles d'attaque à ne pas confondre
Les équipes conformité et lutte contre la fraude gagnent à séparer ces cas, car les contre-mesures diffèrent.
| Famille | Ce que fait l'attaquant | Ce qui la contre |
|---|---|---|
| Attaque de présentation | présente une photo, un écran, un masque devant la caméra | détection de vivacité au capteur |
| Injection de flux | remplace le flux vidéo par une source synthétique | intégrité du canal, attestation du terminal |
| Manipulation en visioconférence | joue un dirigeant ou un conseiller en direct | validation hors du canal vidéo |
La première est bien traitée par les technologies déployées. La deuxième les met en difficulté, parce que le contrôle porte sur le contenu de l'image alors que la faille est dans la provenance. La troisième ne relève même pas de la vérification d'identité : la victime voit une vraie visioconférence, avec un faux interlocuteur, et exécute elle-même l'opération.
Pourquoi la course à la détection est structurellement défavorable
La détection de deepfake fonctionne par recherche d'artefacts : incohérences de clignement, de texture de peau, de synchronisation labiale, de reflets dans les yeux, de compression. Chaque artefact identifié devient une spécification d'amélioration pour la génération suivante.
Trois asymétries jouent contre le défenseur :
- L'asymétrie de temps. Le détecteur doit être mis à jour après coup ; le générateur progresse en continu.
- L'asymétrie de coût. Générer une vidéo convaincante à partir de contenus publics est devenu peu coûteux, alors que déployer et maintenir un détecteur ne l'est pas.
- L'asymétrie de matière. Un dirigeant expose publiquement voix et visage — interviews, conférences, réseaux sociaux. Le modèle s'entraîne sur de la matière que la victime a elle-même publiée.
Cela ne condamne pas la détection : elle reste utile comme filtre et comme signal de risque. Mais en faire le contrôle principal revient à parier sur le fait de rester en avance dans une course où l'on part derrière.
Ce qu'un modèle génératif ne peut pas apprendre
Le facteur cognitif déplace la preuve vers un objet dont il n'existe aucun échantillon public. La méthode de résolution est établie lors d'un enrôlement hors ligne : elle n'a jamais circulé, elle n'apparaît sur aucun enregistrement, elle ne se déduit pas d'une biographie.
| Ce que l'IA peut reproduire | Ce qu'elle ne peut pas |
|---|---|
| un visage, à partir de photos et vidéos publiques | une méthode de raisonnement jamais exposée |
| une voix, à partir de quelques secondes d'échantillon | le résultat correct d'un challenge inédit |
| un style d'écriture, à partir de correspondances | l'accès au canal éphémère ouvert pour la session |
| un contexte crédible, à partir de sources ouvertes | la volonté effective de la personne concernée |
Sur un parcours sensible, la conséquence est directe : même si l'image et la voix sont parfaitement imitées, l'opération ne se valide pas sans la résolution du challenge, et cette résolution ne se devine pas à partir de matériel public.
Où l'appliquer en priorité
Le facteur cognitif n'a pas à s'appliquer à chaque interaction vidéo. Trois moments le justifient :
- Les parcours d'entrée en relation à distance, où une vérification d'identité vidéo conditionne l'ouverture d'un droit ou d'un compte.
- Les validations d'opérations demandées lors d'un échange à distance — virement, changement de coordonnées bancaires, engagement contractuel. La règle utile : ce qui est demandé pendant un appel se valide en dehors de cet appel.
- Les réinitialisations d'accès à privilèges, souvent traitées par un échange visuel avec un support, et devenues une cible de choix.
Dans ces trois cas, la validation cognitive fournit un point de contrôle que l'attaquant ne peut pas alimenter avec du contenu synthétique.
FAQ
La détection de vivacité devient-elle inutile ?
Non. Elle reste efficace contre les attaques de présentation, qui restent fréquentes parce que peu coûteuses. Elle doit simplement être complétée dès que le terminal n'est pas maîtrisé, car elle ne répond pas à la question de la provenance du flux.
Le facteur cognitif empêche-t-il une fraude au faux conseiller en visio ?
Il ne supprime pas la manipulation, mais il déplace la validation hors du canal où elle s'exerce, et il impose un acte conscient rattaché à l'opération affichée. C'est un temps de conscience introduit là où la fraude compte sur son absence.
Faut-il abandonner la biométrie faciale ?
Elle garde un intérêt comme facteur local, à condition d'être traitée sur le terminal. Dans l'approche HIAsecure, la biométrie éventuelle est traitée localement et aucune donnée identifiante n'est détenue par l'éditeur, ce qui limite aussi l'exposition réglementaire.
Ce sujet concerne-t-il d'autres secteurs que la banque ?
Oui : santé, assurance, secteur public et services juridiques utilisent tous des parcours à distance où l'identité conditionne un droit. Partout où une vidéo sert de preuve, l'injection de flux est un risque à considérer.
Aller plus loin : le 4ᵉ facteur cognitif · deepfake et fraude au faux conseiller · biométrie face aux deepfakes · KYC et deepfake