Méthodes de vérification
Qu’est-ce qu’un deepfake ? Distinguer média généré, identité modifiée et faux contexte
Un deepfake utilise un média généré ou modifié par IA pour représenter de façon convaincante une personne, une performance ou un événement. La question utile est ensuite de savoir ce qui a changé : la personne représentée, la scène, la bande sonore ou seulement le récit associé à un enregistrement par ailleurs authentique.
Commencez par une description plus précise que « faux »
Le NIST emploie « contenu synthétique » comme catégorie générale pour les contenus générés ou sensiblement modifiés par des algorithmes, dont l’IA. Son rapport sur la transparence distingue suivi de provenance, filigranage et détection. Ce guide propose une classification pratique pour choisir la prochaine vérification ; il ne donne pas une définition juridique et ne considère pas toute image retouchée comme un deepfake.
Pour une substitution d’identité, demandez-vous si le visage ou la voix d’une personne existante a été inséré dans une performance. Pour une personne ou une scène générée, cherchez si la représentation provient d’un modèle plutôt que de l’événement prétendument filmé. Pour une retouche ordinaire, identifiez le recadrage, la retouche ou le montage. Pour un faux contexte, comparez lieu, date et événement de la légende avec la source de l’enregistrement. Une publication peut relever de plusieurs catégories.
Choisissez une vérification à partir de quatre exemples fictifs
Imaginez un maire fictif dans une vidéo. Dans la version A, un acteur joue et l’IA remplace son visage : examinez les informations de production et la déclaration originale de la personne censée parler. Dans la version B, un personnage inventé lit un texte présenté comme fictif : conservez cette indication du créateur avec la vidéo. Aucune version n’établit qu’un véritable élu a tenu ces propos.
Dans la version C, un enregistrement authentique est coupé avant les mots « cette affirmation est incorrecte ». Retrouvez la phrase complète. Dans la version D, des images authentiques de l’année dernière sont présentées comme un événement d’aujourd’hui. Recherchez une image identifiable de la vidéo et comparez la publication antérieure. La fonction de contextualisation des images de Google peut faire ressortir des utilisations antérieures ou des images similaires, utiles pour cette dernière question.
Constituez un petit dossier de vérification
Utilisez la fiche originale ci-dessous pour une affirmation et un fichier précis. Associez une source à chaque observation, au lieu de transformer plusieurs indices faibles en un verdict apparemment plus solide. Le NIST souligne qu’aucune méthode de transparence ne résout tous les contextes ; la fiche relie chaque vérification à la question à laquelle elle peut répondre.
- Écrivez l’affirmation : qui est censé faire quoi, où et quand ?
- Conservez l’URL source et le fichier original s’ils sont disponibles ; distinguez republication ou capture d’écran et original.
- Nommez la modification suspectée : identité, scène générée, son, retouche ordinaire ou légende/contexte.
- Choisissez les éléments adaptés : déclaration de production, enregistrement antérieur, image correspondante, données enregistrées dans l’image ou justificatif signé pris en charge.
- Notez ce qui est établi, contredit ou non testé. Une vérification indisponible n’est pas un résultat négatif.
Distinguez l’origine de la véracité
Le document explicatif de C2PA distingue la provenance d’un fichier de la véracité de ce qu’il représente. Une opération de retouche enregistrée aide à comprendre la production ; elle ne tranche pas toutes les affirmations d’une légende. De même, l’absence de justificatif n’établit pas qu’un fichier a été généré.
Supposez qu’une photographie authentique montre un plateau de tournage et qu’une republication la présente comme une véritable urgence. Votre conclusion peut identifier ce décalage de contexte sans affirmer que la photo est générée par IA. Inversement, une scène fictive créée par IA et signalée comme telle n’a pas à être présentée comme un véritable événement dissimulé. Choisissez une formulation fidèle aux éléments dont vous disposez.
Questions sur ce cas
Toute image générée par IA est-elle un deepfake ?
Employez si possible une description plus précise : illustration générée, personne synthétique, visage modifié ou performance manipulée. Le seul terme « deepfake » ne dit pas ce qui a changé ni comment l’œuvre a été présentée.
Une vidéo non retouchée peut-elle être trompeuse ?
Oui. Une date, un lieu ou une identité erronés, ou un contexte tronqué, peuvent modifier le sens attribué à des images authentiques. Vérifiez la source et la séquence complète, ainsi que le fichier.
Vérifier une seule image permet-il d’authentifier la vidéo ?
Non. La vérification porte sur cette image fixe. Elle n’authentifie ni les autres images, ni la bande sonore, ni l’identité de la personne qui parle, ni l’événement décrit dans la légende.
Sources et dates
- Réduire les risques liés aux contenus synthétiques (NIST AI 100-4) — National Institute of Standards and Technology, 20 novembre 2024.
- En savoir plus sur une image — Google Search Help.
- Présentation de C2PA et des Content Credentials, version 2.2 — Coalition for Content Provenance and Authenticity.
Sources consultées le 27 septembre 2026. Les faits attribués proviennent des articles et déclarations cités ; les étapes de vérification sont l’analyse d’isGenAI.
Posez la prochaine question au fichier.
Choisissez l’outil adapté à votre question et au format pris en charge. Conservez la source originale et joignez le résultat à vos notes. Extraire des images vidéo, lire les données d’un fichier et examiner une image fixe répondent à des questions différentes ; aucune de ces opérations n’authentifie à elle seule une vidéo complète ou son audio.
Notre méthodologie (anglais) décrit les vérifications prises en charge et leurs limites. Vous avez repéré une erreur factuelle ou une source primaire plus récente ? Consultez notre procédure de correction (anglais) en indiquant l’adresse de cet article.