La détection d'un deepfake par l'œil ou l'oreille humaine n'est plus une défense fiable. Les détecteurs algorithmiques apportent un signal utile, mais ils s'inscrivent dans une course permanente : chaque génération de détection appelle une génération de contournement. La seule approche qui ne se dégrade pas avec le temps consiste à ne pas dépendre de la détection, en vérifiant l'interlocuteur par un canal indépendant et en validant l'action plutôt que l'apparence.
Ce qui ne fonctionne plus
Les conseils de vigilance diffusés il y a quelques années reposaient sur des défauts de production, pas sur des propriétés intrinsèques des contenus synthétiques :
- Clignements d'yeux anormaux, contours de visage flous, dents ou cheveux mal rendus. Ces artefacts se corrigent à chaque génération de modèles.
- Voix plate, absence de respiration, prosodie mécanique. Même dynamique.
- Tests de vivacité improvisés en visioconférence. Demander de tourner la tête ou de passer la main devant le visage : un contrôle utile un temps, désormais anticipé.
- Latence anormale. Elle diminue avec la puissance de calcul, et rien ne la distingue d'une mauvaise connexion.
Le problème de fond est méthodologique : ces indices sont des erreurs, et une erreur se corrige. Fonder un contrôle de sécurité sur les défauts actuels d'une technologie en progression rapide, c'est accepter une obsolescence programmée.
Les trois familles de détection, et leurs limites
| Approche | Ce qu'elle examine | Limite structurelle |
|---|---|---|
| Analyse d'artefacts | incohérences de compression, de bruit, d'éclairage, de fréquences | efficacité liée aux modèles connus ; se dégrade sur les générateurs récents |
| Détection de vivacité | présence d'un être vivant devant le capteur (active ou passive) | efficace contre la présentation d'un artefact, aveugle à l'injection dans le flux |
| Provenance et intégrité | signature du contenu à la capture, métadonnées vérifiables | ne fonctionne que si l'ensemble de la chaîne est équipée |
La distinction entre les deux premières lignes est essentielle et souvent mal comprise.
Une attaque par présentation consiste à montrer un artefact au capteur : photo, écran, masque, enregistrement diffusé par un haut-parleur. La détection de vivacité y répond correctement.
Une attaque par injection contourne entièrement le capteur : le flux vidéo ou audio est fabriqué et introduit directement dans l'application, par une caméra virtuelle, un pilote détourné, un client modifié ou une interception réseau. Aucune analyse du contenu ne peut établir avec certitude qu'un capteur physique a réellement produit ce flux, puisque le contenu est l'unique élément reçu. C'est la faiblesse structurelle de toute vérification à distance.
La troisième famille, la provenance, est la plus prometteuse à long terme : signer le contenu au moment de la capture, dans un composant matériel de confiance, puis vérifier cette signature. Mais elle suppose un écosystème équipé de bout en bout — appareils, systèmes, plateformes — ce qui n'est pas la situation d'aujourd'hui. Et son absence ne prouve rien : la plupart des contenus légitimes ne sont pas signés.
Ce qui continue de fonctionner
Les contrôles robustes ont un point commun : ils ne cherchent pas à savoir si le contenu est authentique, ils rendent l'authenticité du contenu non déterminante.
- Le rappel à l'initiative de la victime. Raccrocher et rappeler sur un numéro connu, obtenu indépendamment de la conversation en cours. C'est rudimentaire et c'est efficace : l'attaquant ne contrôle pas le canal de retour. Cette règle doit être écrite, sans exception liée à l'urgence ou à la hiérarchie.
2. Le canal secondaire. Confirmer une demande sensible par un moyen distinct de celui par lequel elle est arrivée — une application interne plutôt qu'un appel, un contact physique plutôt qu'une visioconférence.
-
La validation contextualisée de l'action. Plutôt que de vérifier l'interlocuteur, faire confirmer l'opération dans une application maîtrisée, avec ses données réelles affichées : montant, bénéficiaire, périmètre du droit accordé. Une personne manipulée pour « valider un contrôle de sécurité » se trouve alors confrontée à la réalité de ce qu'elle autorise.
-
Une preuve que le modèle ne peut pas produire. Un deepfake reproduit une apparence et une voix. Il ne reproduit pas une méthode de résolution personnelle qui n'a jamais été exposée. C'est la logique du 4ᵉ facteur cognitif : l'utilisateur est doté hors ligne d'une règle mentale privée, et prouve son intention en l'appliquant à un défi éphémère. La question posée n'est plus « ce visage est-il réel ? » mais « cette personne sait-elle faire ? ».
5. Les règles organisationnelles. Double validation au-delà d'un seuil, délai de refroidissement sur les changements de coordonnées bancaires, interdiction absolue de communiquer un code. Ces contrôles résistent à la persuasion parce qu'ils ne dépendent d'aucun jugement en situation.
Comment évaluer une offre de détection
Si vous évaluez tout de même une solution de détection, quatre questions permettent d'écarter les promesses invérifiables :
- Comment le produit se comporte-t-il face à un générateur qu'il n'a jamais vu ?
- Traite-t-il l'injection de flux, ou seulement la présentation au capteur ?
- Quel est le taux de faux positifs acceptable pour votre métier, et qui traite les rejets ?
- Quelle est la décision par défaut lorsque la détection est incertaine ? C'est cette réponse qui détermine votre exposition réelle.
FAQ
Existe-t-il une méthode fiable pour repérer un deepfake en visioconférence ?
Aucune méthode d'observation ne peut être considérée comme fiable dans la durée. La bonne posture consiste à traiter toute visioconférence non sollicitée comme un canal non authentifié, et à reporter la décision sur un contrôle indépendant.
La détection de vivacité est-elle inutile ?
Non. Elle reste pertinente contre la présentation d'un artefact à un capteur physique, typiquement lors du déverrouillage d'un appareil. Sa valeur s'effondre lorsque le flux est reçu à distance et qu'il peut être injecté.
Un mot de passe convenu entre collègues suffit-il ?
C'est mieux que rien, mais cela reste un secret partagé : il peut être obtenu par ingénierie sociale, retrouvé dans une fuite ou extorqué. Un mécanisme non transmissible est préférable.
Faut-il interdire les validations par téléphone ?
Pour les opérations à fort impact, oui. Une règle sans exception est plus robuste qu'une vigilance générale, précisément parce que l'attaque consiste à fabriquer l'exception.
Aller plus loin : pilier : authentification cognitive · biométrie face aux deepfakes · fraude au faux conseiller · KYC à distance et deepfake