Détecter un deepfake suffit-il à prouver qu’un contenu est faux

Un outil de détection estime si certains signaux ressemblent à ceux de contenus synthétiques connus. Il ne reconstitue pas automatiquement l’histoire du fichier et peut se tromper dans les deux sens. Le résultat doit donc être interprété comme un indice contextualisé.

Les méthodes de génération progressent et peuvent réduire les artefacts que les détecteurs utilisaient hier. NIST évalue des approches de forensique précisément parce que la robustesse doit être mesurée sur des données et attaques variées. Une performance de laboratoire ne garantit pas la même précision sur tous les contenus publics.

Des mécanismes de marquage, métadonnées signées ou chaînes de provenance peuvent apporter des informations sur l’origine et les transformations. Ils sont utiles lorsqu’ils sont présents et préservés, mais ne prouvent pas qu’un fichier dépourvu de marque est faux.

Qualifier à tort une image authentique de deepfake peut nuire à une personne, à un média ou à une enquête. À l’inverse, croire un faux négatif peut laisser circuler une manipulation. Les usages à fort impact exigent donc une revue humaine et plusieurs sources d’indices.

Recherchez le fichier source, la première publication, les versions antérieures et des éléments indépendants qui corroborent la scène. Comparez aussi audio, métadonnées disponibles et incohérences contextuelles. Les obligations européennes de transparence peuvent aider, mais ne remplacent pas l’analyse forensique.