Désinformation et fake news

Deepfakes et intelligence artificielle : comment détecter les vidéos truquées

Les deepfakes sont désormais indétectables à l'œil nu : oubliez les clignements d'yeux et découvrez la méthode qui fonctionne vraiment pour repérer une vidéo truquée.

Deepfakes et intelligence artificielle : comment détecter les vidéos truquées

La vidéo est nette. Le son est bon. La personne à l'écran vous demande un virement, en urgence, avec le ton qu'elle a toujours eu. Et pourtant, elle n'a jamais prononcé ces mots. C'est la question qu'on me pose le plus souvent, et celle à laquelle les réponses toutes faites ("comptez les clignements d'yeux") ne servent plus à rien depuis longtemps.

Car les deepfakes ont changé de catégorie. Ce qui demandait un studio et des jours de calcul il y a quelques années se fabrique aujourd'hui en quelques minutes avec une application grand public. Alors autant vous le dire franchement : la détection à l'œil nu, c'est du passé. Ce qui marche encore, c'est une méthode. La voici.

Points clés à retenir

  • Les indices visuels classiques (clignements, lèvres) ne suffisent plus face aux modèles récents.
  • Les détecteurs automatiques sont utiles mais fragiles dès qu'une vidéo est recompressée sur un réseau social.
  • La vérification de la source bat souvent l'analyse pixel par pixel.
  • Le bon réflexe : ralentir. L'urgence est l'arme numéro un des arnaqueurs.
  • Une vidéo truquée laisse rarement une trace flagrante — mais elle trahit presque toujours un contexte incohérent.

Comment reconnaître une vidéo truquée : la fin des recettes magiques

Il y a encore deux ou trois ans, on pouvait encore jouer aux inspecteurs. On regardait les dents, les oreilles, la façon dont les cheveux se décollaient du front. Franchement, ça marchait. J'ai moi-même passé des heures à décortiquer des clips pour un projet de sensibilisation, et je trouvais des coutures grossières.

Ce temps est révolu. Les générateurs actuels produisent des visages cohérents, avec une peau qui respire et des yeux qui clignent au bon moment. Le "deepfake problème", comme on l'appelle parfois, c'est justement ça : plus le trucage est bon, moins l'œil a de prise.

Les indices qui survivent encore (et ceux qui ne servent plus)

Ce qui ne marche plus : compter les clignements, chercher un contour flou, scruter les mains. Ces défauts existaient sur les premières générations. Ils disparaissent à mesure que les modèles progressent.

Ce qui reste exploitable, en revanche, tient davantage au comportement qu'à l'image :

  • Un éclairage qui change de direction entre le visage et le décor, signe d'un montage.
  • Une voix dont les intonations sont trop régulières, sans hésitation ni respiration.
  • Des micro-décalages entre le son et le mouvement des lèvres, visibles en ralentissant la lecture à 0,25x.
  • Un cadrage anormalement court, sans plan large, sans contexte autour du sujet.

Le dernier point est le plus parlant. Un hypertrucage coûte cher à produire sur une scène entière. Alors il se cache souvent dans une vidéo courte, serrée, sans arrière-plan. Méfiez-vous des clips de quinze secondes qui tombent de nulle part.

Mais avouons-le : aucun de ces signes n'est une preuve. Ce sont des drapeaux rouges, pas un verdict. C'est pour ça qu'il faut une autre approche.

Comment vérifier si une vidéo est réelle ou générée par IA

Posons une règle simple : vous ne pourrez jamais prouver qu'une vidéo est authentique en la regardant. Vous pouvez seulement prouver qu'elle est fausse, ou constater qu'elle vient d'une source fiable. Tout le reste est une impression.

Comment vérifier si une vidéo est réelle ou générée par IA

La bonne méthode consiste donc à inverser l'effort. Au lieu d'analyser l'image, on analyse le parcours de la vidéo.

La méthode en quatre temps que j'applique systématiquement

Premier temps : identifier la source d'origine. Pas le compte qui a partagé, mais celui qui a filmé. Si la vidéo apparaît d'abord sur un compte anonyme, puis est reprise partout, vous avez votre réponse. Le point de départ compte plus que le nombre de partages.

Deuxième temps : chercher une version antérieure. Une image extraite de la vidéo, passée dans une recherche inversée, révèle souvent une publication plus ancienne. Un dirigeant qui "déclare" quelque chose dans un clip peut très bien avoir donné une conférence tout autre six mois plus tôt, remontée et réécrite.

Troisième temps : vérifier la cohérence factuelle. L'événement décrit a-t-il été relayé par des médias qui auraient eu accès à la scène ? Si personne n'en parle à part des comptes inconnus, le doute est légitime.

Quatrième temps : remonter à la personne. C'est le réflexe le plus simple et le plus efficace. Un appel, un message sur un canal que vous savez sûr. Une demande de virement urgente par deepfake s'effondre en trente secondes de vérification humaine.

Cette méthode prend cinq minutes. Elle est bien plus fiable que n'importe quel outil automatique.

Comment détecter les deepfakes : ce que valent vraiment les outils

Les détecteurs automatiques existent, et certains sont bons. Mais il faut savoir ce qu'ils font, et surtout dans quelles conditions ils échouent.

Comment détecter les deepfakes : ce que valent vraiment les outils

Le problème tient à un mot : la généralisation. Un détecteur apprend à reconnaître les traces laissées par une famille de modèles. Confronté à un générateur qu'il n'a jamais vu, il devient beaucoup moins fiable. Les modèles de diffusion, qui dominent aujourd'hui la production d'images et de vidéos, ne laissent pas les mêmes empreintes que les anciens réseaux antagonistes.

Et il y a le piège du quotidien : la recompression. Une vidéo publiée sur un réseau social est réencodée, redimensionnée, parfois filmée à l'écran d'un téléphone. Autant de manipulations qui effacent les indices fins sur lesquels les détecteurs s'appuient. Une détection impeccable sur le fichier d'origine peut devenir une loterie sur la version virale.

Approche Fiabilité Limite principale Quand l'utiliser
Inspection visuelle à l'œil Faible Inefficace sur les modèles récents Jamais seule
Détecteur automatique Variable Chute sur vidéo recompressée ou modèle inconnu Comme indice, jamais comme preuve
Recherche inversée Bonne Ne détecte pas un faux inédit Systématiquement, en premier
Vérification humaine directe Très bonne Demande du temps Pour tout enjeu financier ou sensible

Ma position, et je l'assume : les outils de détection sont des aides au tri, pas des juges. Un score de 82 % de probabilité de trucage ne dit rien de certain. Un score de 12 % ne blanchit personne. Le seul verdict solide, c'est la source.

Comment vérifier l'origine d'une vidéo

C'est la question qu'on sous-estime le plus. On se focalise sur le trucage, alors que le vrai indice est souvent dans le trajet.

Une vidéo authentique a une histoire. Elle a été filmée par quelqu'un, publiée quelque part, reprise par d'autres. Une vidéo truquée arrive souvent par saut : elle apparaît déjà virale, sans source, avec un commentaire qui pousse à la partager.

Les signaux de contexte qui ne trompent pas

Regardez le compte à l'origine. Date de création récente, peu d'abonnés, publications toutes centrées sur un seul sujet brûlant : c'est un schéma classique. Regardez aussi le texte qui accompagne. Une vidéo qui arrive avec une injonction forte ("partagez massivement avant censure") cherche à court-circuiter votre esprit critique.

Un détail que je n'ai compris qu'après plusieurs erreurs : l'absence de contexte est en soi un signal. Pas de lieu identifié, pas de témoins nommés, pas de médias locaux, aucune personne qui dit "j'y étais". Une vraie scène finit toujours par laisser des traces ailleurs.

Et si vous voulez un ancrage légal : en France comme ailleurs en Europe, diffuser un hypertrucage d'une personne sans son consentement peut engager la responsabilité de celui qui le fabrique et de celui qui le relaie en connaissance de cause. Le cadre s'est durci ces dernières années autour de la manipulation de l'image des personnes. Ce n'est plus une zone grise.

Un cas concret : pourquoi les deepfakes de dirigeants explosent

Les fausses vidéos de responsables politiques, du type "deepfake Macron", reviennent par vagues. Elles fonctionnent pour une raison simple : on reconnaît le visage, on baisse la garde, on partage.

Le mécanisme est toujours le même. On prend une figure connue, on lui fait dire ce que ses opposants pensent déjà. Le contenu confirme une croyance existante, donc il ne déclenche aucune vérification. C'est du biais de confirmation industrialisé.

Dans une fraude au faux ordre de virement, la logique est identique mais plus froide : on usurpe la voix d'un dirigeant lors d'un appel visio. J'ai vu de près une tentative de ce genre dans une PME : le service comptable a failli payer. Ce qui l'a arrêtée, ce n'est pas un détecteur. C'est une secrétaire qui a trouvé bizarre qu'on lui demande de contourner la procédure habituelle.

Retenez ça. Un deepfake n'attaque pas votre œil, il attaque votre confiance et votre envie d'aller vite.

Ce qu'il faut retenir

La détection des vidéos truquées n'est plus une affaire de regard affûté. C'est une affaire de méthode et de patience. Vous ne pourrez pas toujours savoir si une vidéo est fausse, mais vous pouvez presque toujours savoir d'où elle vient et si elle mérite votre confiance.

Et si un jour un proche vous appelle, paniqué, avec une voix qui ressemble à la vôtre mais qui insiste un peu trop ? Raccrochez. Rappelez. Une vidéo truquée ne supporte pas qu'on prenne trente secondes pour vérifier.

La vraie question n'est peut-être plus "comment détecter les deepfakes", mais : qu'êtes-vous prêt à croire sans avoir vérifié ?

Clémence Fontaine

Clémence Fontaine

Clémence Fontaine est une spécialiste reconnue des réseaux sociaux, de la désinformation et de l'économie des médias. Ses analyses éclairent les dynamiques de propagation de l'information et les modèles économiques qui façonnent le paysage médiatique contemporain. Elle intervient régulièrement pour partager son expertise auprès de divers publics professionnels et académiques.

Voir tous les articles →

Articles similaires