La biométrie faciale ne protège pas contre le deepfake vocal, et la raison n'est pas une faiblesse du dispositif : les deux ne se rencontrent jamais. La biométrie faciale sécurise un parcours écran et caméra ; le deepfake vocal opère sur le canal téléphonique, où aucune caméra n'intervient. L'attaque ne franchit donc pas le contrôle — elle passe à côté. C'est le schéma d'échec le plus fréquent d'une architecture d'authentification, et le moins souvent modélisé.
Le raisonnement à corriger
Une organisation qui déploie la reconnaissance faciale sur son application constate à juste titre un gain sur les prises de contrôle de compte en ligne. Elle en conclut parfois que le risque d'usurpation est traité.
Cette conclusion vaut pour un canal. Or la plupart des organisations en exploitent au moins quatre : l'application, le web, le téléphone et le guichet ou le support. Un attaquant ne choisit pas le canal le plus protégé. Il choisit celui où le contrôle est le plus faible, et le canal vocal est presque toujours celui-là.
| Canal | Facteur réellement utilisé | Le deepfake vocal y est-il efficace ? | Verrou à mettre en place |
|---|---|---|---|
| Application mobile | Biométrie faciale, passkey | Non, hors de portée | — |
| Navigateur web | Mot de passe, MFA | Indirectement, via extorsion d'un code | Facteur non verbalisable |
| Téléphone entrant (client) | Questions semi-publiques, parfois voix | Oui, pleinement | Contre-appel, basculement de canal |
| Téléphone sortant (attaquant vers agent) | Reconnaissance implicite | Oui, pleinement | Procédure d'identification hors voix |
| Support informatique | Jugement de l'agent | Oui, c'est la cible principale | Preuve hors canal, tracée |
| Guichet physique | Pièce d'identité | Non | — |
La quatrième et la cinquième ligne portent le risque le plus élevé, car c'est là que se décident les réinitialisations — c'est-à-dire la désactivation même de la biométrie faciale.
Le contournement par la récupération
Le scénario ne comporte aucune sophistication technique.
Un attaquant appelle le support et se présente comme l'utilisateur légitime. Sa voix, clonée à partir d'échantillons publics, lève le doute initial. Il explique avoir changé de téléphone et ne plus pouvoir utiliser la reconnaissance faciale. Il demande un réenrôlement, ou le basculement temporaire vers une méthode alternative.
Si l'agent accepte, la biométrie faciale n'est pas contournée : elle est réattribuée. Le visage de l'attaquant devient la référence légitime, et toutes les vérifications ultérieures réussiront correctement.
Le principe général mérite d'être posé sans détour : la sécurité d'un compte vaut celle de son parcours de récupération, jamais celle de son facteur nominal. Un dispositif biométrique de haute qualité assorti d'une procédure de secours téléphonique vaut cette procédure.
Le second contournement : faire agir l'utilisateur
Il existe une variante qui n'implique pas le support. L'attaquant appelle directement l'utilisateur, imite une voix familière — conseiller, responsable, correspondant — et obtient qu'il réalise lui-même l'opération dans l'application.
La biométrie faciale fonctionne alors parfaitement : c'est bien la bonne personne devant la caméra. Elle valide simplement une opération décidée par un tiers. Aucun contrôle d'identité, si robuste soit-il, ne détecte cette situation, parce qu'il n'y a pas d'usurpation d'identité — il y a manipulation de l'intention.
Ce constat explique pourquoi la vérification d'identité et la vérification d'intention sont deux problèmes distincts, et pourquoi résoudre le premier ne résout pas le second.
Les parades qui traitent réellement le sujet
Ne jamais traiter la voix comme un élément d'identification. Ni pour un agent qui reconnaît un correspondant, ni comme facteur d'authentification téléphonique. Le canal dégrade le signal et masque une partie des indices de synthèse.
Aligner le niveau du parcours de récupération sur celui du facteur nominal. Une réinitialisation ne s'obtient pas par téléphone. Elle exige une preuve produite hors du canal de la demande : rappel sur un numéro de référence, validation par un tiers contacté indépendamment, ou présence physique pour les comptes les plus sensibles.
Anticiper l'enrôlement de secours. Un second facteur enrôlé à l'avance élimine la majorité des demandes urgentes, donc la majorité des occasions d'ingénierie sociale.
Porter la preuve sur l'intention. Le facteur cognitif repose sur une méthode de résolution personnelle, acquise lors d'un enrôlement hors ligne, non transmissible et non verbalisable : elle ne peut être ni dictée au téléphone, ni imitée par une voix synthétique. Le défi est résolu dans un canal éphémère ouvert par QR code dynamique à usage unique, ce qui ramène la décision du canal vocal vers un canal où une preuve peut être produite et tracée.
FAQ
Faut-il ajouter une biométrie vocale pour couvrir le canal téléphonique ?
C'est la réponse intuitive, et elle est fragile. La biométrie vocale est précisément ce que le deepfake vocal cible, et le canal téléphonique dégrade le signal. Mieux vaut sortir la décision du canal vocal que tenter de l'y sécuriser.
La reconnaissance faciale est-elle inutile alors ?
Non. Elle traite efficacement son périmètre : la vérification sur un canal disposant d'une caméra. Le problème n'est pas sa qualité, c'est la portée qu'on lui prête au-delà de ce périmètre.
Comment cartographier les angles morts d'une architecture d'authentification ?
En listant les canaux plutôt que les facteurs, puis en cherchant, pour chaque geste sensible, le chemin le moins protégé permettant de l'obtenir. C'est ce chemin qui définit le niveau réel de sécurité.
Un utilisateur manipulé peut-il être détecté ?
Pas par un contrôle d'identité. Certains signaux contextuels aident — opération inhabituelle, appel en cours, urgence, montant atypique — mais la parade principale reste le délai et la notification hors bande, qui rendent la manipulation réversible.
Aller plus loin : le 4ᵉ facteur cognitif · deepfake et faux conseiller · biométrie faciale et récupération de compte · preuve de présence humaine