Comment repérer les « deepfakes » consistant en un échange de visages sur des photos et des courtes vidéos

Les « deepfakes » parviennent de mieux en mieux à tromper l'œil humain. 

Imaginez un appel vidéo de votre patron vous demandant de valider un virement bancaire urgent. Le visage, la voix et les gestes correspondent tous, mais la personne à l'écran n'est pas réelle.

Les techniques de « deepfake » permettant d'échanger des visages rendent désormais ce scénario possible, et les gens ne parviennent à repérer une vidéo « deepfake » que dans environ 58% des cas, selon une Étude de 2026 en Recherche cognitive : principes et implications. Les fraudeurs s'en servent pour se faire passer pour des cadres, des célébrités ou des partenaires amoureux, et le réalisme ne cesse de s'améliorer.

Dans ce guide, nous expliquons comment repérer les « face swaps » sur des photos et des courtes vidéos à l'aide d'une analyse manuelle et d'un système de détection par IA, puis nous évaluons les performances de ce dernier.

---

Principaux enseignements

• Notre test a révélé que les détecteurs d’Undetectable AI ont signalé les cinq échantillons de « face-swap » : les trois images, dont les scores allaient de 1% à 49%, sont probablement authentiques, tandis que les deux vidéos, dont les scores sont respectivement de 86% et 97%, sont probablement générées par l’IA.

• L'échantillon n° 3 a donné le résultat le plus faible (49% réel) ; il convient donc de considérer les scores de détection comme des indices de probabilité plutôt que comme des preuves irréfutables.

• Les vérifications manuelles visant à détecter des artefacts tels que les traces de raccord, un éclairage anormal ou des scintillements constituent une première étape utile, mais elles peuvent passer à côté des modèles les plus récents qui masquent ces défauts.

• La leçon à retenir est qu'il faut associer l'examen visuel, la vérification des sources et des métadonnées, ainsi que la détection par IA, plutôt que de se fier à une seule méthode.

• Les détecteurs d'images et de vidéos d'Undetectable AI, optimisés par TruthScan, recherchent des anomalies au niveau des pixels et des schémas statistiques qui échappent souvent à l'œil humain.

---

Qu'est-ce qu'un « deepfake » avec échange de visages ?

Un « deepfake » consistant en un échange de visages est une image ou une vidéo générée ou manipulée par l’intelligence artificielle, dans laquelle le visage d’une personne est remplacé par celui d’une autre. Cette technologie utilise des techniques d’apprentissage profond pour analyser et reproduire les caractéristiques, les expressions et les mouvements du visage, un processus qui rend le résultat final plus convaincant. 

Exemples d'escroqueries par échange de visages à l'aide de la technologie « deepfake »

Si les applications de remplacement de visages peuvent servir à des fins ludiques ou créatives tout à fait inoffensives, des personnes mal intentionnées s'en servent également pour usurper l'identité d'autres personnes, victimes du poisson-chat, ou diffuser de fausses informations. Les « deepfakes » aident les fraudeurs à dissimuler leur véritable identité et à gagner la confiance de victimes qui ne se doutent de rien. 

Usurpations d'identité lors d'appels vidéo

Les fraudeurs utilisent la technologie du « deepfake » pour usurper l'identité de personnes de confiance lors d'appels vidéo en direct. Ils peuvent se faire passer pour des dirigeants, des membres de la famille ou des figures d'autorité afin de manipuler leurs victimes et de les inciter à leur remettre de l'argent ou à leur communiquer des informations sensibles. 

Publicités mettant en scène des célébrités fictives 

Les fraudeurs s'approprient l'image d'une personnalité publique reconnue pour tirer profit de la bonne volonté et de la confiance de leur public. Ils peuvent ainsi promouvoir des projets suspects ou à haut risque, tels que des plateformes de cryptomonnaies, des escroqueries à l'investissement ou des produits miracles. 

Arnaques sentimentales

Une arnaque sentimentale consiste, pour un escroc, à utiliser une fausse identité pour nouer une relation avec une victime, généralement par le biais d'un rencontres platform. Le fraudeur exploite les émotions de sa victime, l'incitant à envoyer de l'argent, à révéler des informations sensibles ou à s'inscrire sur des plateformes d'investissement frauduleuses. 

Contournement des procédures KYC 

La technologie « deepfake » permet de créer des documents d'identité suffisamment convaincants pour contourner les contrôles « KYC ». Les fraudeurs utilisent ces documents synthétiques pour se forger des identités fictives, ouvrir des comptes frauduleux et accéder sans autorisation à des services financiers.

Comment repérer les « deepfakes » de visages

Même si les « deepfakes » consistant à remplacer un visage deviennent de plus en plus convaincants, l'analyse visuelle, l'examen des métadonnées et les outils de détection basés sur l'IA permettent toujours de les distinguer des contenus authentiques. Voici un guide étape par étape pour identifier ces « deepfakes ». 

Première étape : effectuer un contrôle visuel manuel

Comme les modèles génératifs recourent à des processus mathématiques pour créer des scènes plutôt que de les filmer directement avec des caméras, leurs résultats comportent souvent de subtiles artefacts liés à l'IA qui sont en contradiction avec l'anatomie naturelle, l'éclairage ou les interactions physiques.

Voici quelques exemples d'artefacts que vous pouvez rechercher : 

• Déformations faciales : Des yeux mal alignés, des traits du visage asymétriques, des dents qui ne semblent pas naturelles ou une texture de peau irrégulière.
• Incohérences au niveau de l'éclairage : Des ombres, des zones claires ou des teints de peau qui ne s'harmonisent pas avec le reste de la scène.
• Fusion d'artefacts : Des coutures visibles, des contours flous ou des transitions peu naturelles à la jonction entre le visage remplacé et la tête d'origine.
• Expressions peu naturelles : Mouvements ou expressions faciales qui semblent raides, exagérés ou en décalage avec le reste du visage.
• Texture de peau irrégulière : Différences de netteté, de niveau de détail ou de texture entre le visage remplacé et la peau environnante.
• Déformations des limites : Déformation au niveau de la mâchoire, de la racine des cheveux, des oreilles ou du cou, là où le visage de remplacement rejoint l'image d'origine.
• Incohérences temporelles dans les vidéos : Des traits du visage qui vacillent, des changements soudains d'apparence ou des mouvements qui ne restent pas cohérents d'une image à l'autre.

Cette méthode est efficace pour les modèles plus anciens ou plus simples, qui ne sont pas à la pointe des techniques de génération modernes. Cependant, de nombreux modèles plus récents ont été suffisamment entraînés pour masquer plus efficacement les artefacts, ce qui rend les échanges de visages par deepfake plus difficiles à détecter par simple inspection visuelle.

Deuxième étape : comparer l'élément suspect avec d'autres supports

Si le « deepfake » présumé provient d'une publication en ligne (par opposition à une image privée, une photo de profil ou un appel vidéo), il est utile d'examiner les informations qui l'entourent. Le contexte et la source du média peuvent révéler des incohérences laissant supposer une manipulation ou une déformation des faits.

Voici comment vérifier :

• Vérifier la source d'origine : Recherchez la version la plus ancienne disponible de l'image ou de la vidéo. Les photos authentiques proviennent généralement de médias réputés, de sites web officiels ou de comptes vérifiés. Si le contenu a été publié ailleurs, vous avez des raisons de vous en méfier. 
• Regardez les autres photos de cette personne : Si la personne apparaissant dans le deepfake est une personnalité publique ou quelqu’un que vous connaissez, d’autres photos vérifiées constituent un excellent point de référence. La comparaison du contenu suspect avec ces autres photos peut mettre en évidence des divergences au niveau des traits du visage, des expressions ou d’autres détails contextuels. 
• Recherchez des éléments de preuve à l'appui : Vérifiez si d'autres sources fiables confirment l'événement, la déclaration ou l'échange rapporté par les médias.

Le fait qu'une photo ou une vidéo soit publiée par une source vérifiée ne garantit pas son authenticité. Cela réduit toutefois considérablement le risque que cette photo soit utilisée à des fins frauduleuses. 

Troisième étape : Vérification des métadonnées et de la provenance

Les métadonnées désignent les données contenues dans une image ou une vidéo qui décrivent ses caractéristiques, notamment la manière dont elle a été créée, modifiée et traitée. Quant aux enregistrements de provenance, ils contiennent des informations sur l'origine d'un fichier et sur les modifications qu'il a subies au fil du temps. Ces deux éléments fournissent des indices utiles sur les origines d'un échange de visages suspecté d'être un « deepfake ». 

L'inspection des métadonnées et des fiches de provenance comprend les étapes suivantes : 

1. Télécharger le fichier d'origine : La première étape consiste à se procurer l'image ou la vidéo directement auprès de la source d'origine. Évitez les captures d'écran ou les partages sur les réseaux sociaux, qui suppriment, modifient ou réencodent généralement les métadonnées. 
2. Vérifiez les métadonnées : Vous pouvez consulter les métadonnées à l'aide d'un outil dédié, tel qu'ExifTool ou Metadata2Go. Selon votre système d'exploitation, vous pouvez également cliquer avec le bouton droit de la souris sur la photo pour obtenir plus d'informations. 
3. Recherchez les incohérences : Vérifiez les divergences entre les horodatages, les balises logicielles ou tout autre détail disponible et l'origine déclarée du fichier. Par exemple, la modification des balises logicielles peut indiquer que le fichier multimédia a fait l'objet d'un traitement, tandis que des horodatages contradictoires peuvent soulever des questions quant à son historique de création. 
4. Vérifier les informations d'identification du contenu : Les vérificateurs compatibles avec la norme C2PA permettent de déterminer si un fichier présente des signes d'altération ou s'il contient des signatures numériques valides. Ils peuvent également afficher les informations de provenance disponibles, notamment l'origine du fichier, sa méthode de création et les modifications documentées, ce qui peut aider à identifier les contenus générés par l'IA ou ayant fait l'objet d'une manipulation.

Utilisez les résultats issus de l'analyse des métadonnées comme l'une des sources de preuves dans le cadre d'une enquête plus large. Bien que les incohérences méritent d'être examinées de près, les métadonnées ne suffisent pas à elles seules à confirmer si un fichier est authentique ou a été manipulé. Certains « deepfakes » contiennent encore des métadonnées plausibles, tandis que des fichiers multimédias légitimes peuvent comporter des traces de modification ou ne comporter aucune information sur leur provenance.

Étape 4 : Lancer une analyse de détection de l'IA

Un moyen efficace d'enquêter sur des « deepfakes » présumés consiste à effectuer une analyse de détection par IA. Les outils de détection par IA recourent à l'analyse médico-légale pour examiner les images et les vidéos à la recherche de signaux généralement associés à l'IA générative, tels que des modèles statistiques, des anomalies au niveau des pixels, des incohérences dans les métadonnées et des incohérences visuelles que l'œil humain pourrait avoir du mal à repérer.

Les modèles de détection combinent ces signaux pour évaluer la probabilité qu'un contenu ait été créé ou modifié par l'IA. 

La détection par IA permet-elle de repérer les « deepfakes » impliquant un échange de visages ? Un test

Afin de tester l’efficacité des détecteurs d’IA à repérer les « deepfakes » impliquant un échange de visages, nous avons soumis trois échanges de visages sur des images et deux sur des vidéos aux détecteurs d’images et de vidéos d’Undetectable AI. Nous avons créé ces échantillons à l’aide de générateurs gratuits d’échange de visages, en combinant des images de banque d’images libres de droits avec des modèles d’échange de visages préexistants.

Les outils que nous avons utilisés sont le détecteur d'images « Undetectable AI » et le détecteur de vidéos « Undetectable AI ». Tous deux s'appuient sur la technologie TruthScan et ont été entraînés sur des modèles tels que Dall-E, ChatGPT et Gemini.

Résultats d'images

Exemple d'image n° 1

Score de détection = 3% Réel

Exemple d'image n° 2

Score de détection = 1% Réel

Exemple d'image n° 3

Score de détection = 4% Réel

Les IA indétectables Détecteur d'images AI évalue les images en fonction de leur probabilité d'être réelles ; ainsi, plus un score est proche de zéro, plus une image a de chances d'avoir été générée par une IA. Nos échantillons ont obtenu respectivement des scores de 3%, 1% et 49%.

Comme vous pouvez le constater, aucune des images ne présentait de défauts visuels évidents, à l'exception de l'échantillon n° 3, qui présente quelques légères incohérences au niveau de l'éclairage et des proportions. Le détecteur IA a su mettre en évidence les motifs subtils indiquant que ces photos avaient été générées mathématiquement plutôt que prises directement avec un appareil photo. 

Résultats vidéo

Extrait vidéo n° 1

Score de détection = 86% IA

Exemple vidéo n° 2

Score de détection = 97% IA

L'indétectable Détecteur vidéo IA évalue les vidéos en fonction de la probabilité qu'elles contiennent du contenu généré par l'IA. Plus le score est proche de 100%, plus la vidéo a de chances d'avoir été générée ou modifiée par l'IA.

Nos tests sur des vidéos ont donné des résultats similaires. Le détecteur vidéo a réussi à repérer les expressions faciales déformées, les mouvements peu naturels et les proportions anatomiques anormales. 

Questions fréquemment posées

Réflexions finales

Pour repérer les « deepfakes » impliquant un échange de visages, il faut commencer par vérifier s’il y a des traits faciaux peu naturels, un éclairage incohérent ou des mouvements qui ne correspondent pas. Si quelque chose vous semble suspect, ne vous fiez pas uniquement à votre inspection visuelle. Utilisez un outil de détection par IA pour vous aider à évaluer le contenu avant de lui accorder votre confiance ou de le partager.

Vous avez besoin de vérifier une image ou une vidéo suspecte ? Essayez Undetectable AI : Détecteur de fausses pistes pour analyser les contenus médiatiques susceptibles d'avoir été manipulés et prendre des décisions plus éclairées concernant ce que vous voyez en ligne.