Détection des contenus synthétiques : pourquoi elle progresse moins vite que la génération

La question posée aux cellules de veille depuis trois ans est toujours la même : comment savoir si une image, une voix ou une vidéo a été fabriquée ? La réponse technique existe, elle progresse, et elle progresse moins vite que la fabrication qu'elle poursuit. Une revue de littérature publiée dans la revue Multimedia Tools and Applications, relayée le 13 septembre 2026 par Bioengineer, retrace ce mouvement depuis les premiers échanges de visages jusqu'aux modèles de diffusion hyper-réalistes, et établit une taxonomie des techniques de génération et de détection.

Le travail est mené par des chercheurs du Jaypee Institute of Information Technology et de l'Indira Gandhi National Open University. Son intérêt pour un praticien tient moins à l'inventaire des méthodes qu'à la structure qu'il rend visible : génération et détection ne se disputent pas un terrain symétrique. Elles obéissent à des contraintes différentes, et ces contraintes expliquent la forme que prend l'écart entre les deux.

Cette analyse examine cette asymétrie, puis ce qu'elle change concrètement pour un dispositif de veille. Elle s'appuie également sur un test conduit par NPR et NewsGuard, relayé par Warp News, qui a soumis six agents conversationnels et quatre moteurs de recherche à 30 questions bâties sur de fausses affirmations diffusées par la Russie, la Chine et l'Iran.

Ce que la revue de littérature établit sur la course entre génération et détection

Le premier apport de la revue est chronologique. Elle décrit un passage par étapes, des premiers échanges de visages, dont les défauts étaient visibles à l'œil nu, jusqu'aux modèles de diffusion actuels, dont le rendu se situe hors de portée d'un examen visuel ordinaire. Chaque étape a supprimé une famille d'indices sur lesquels la détection s'appuyait, et cette suppression n'est jamais revenue en arrière.

Le second apport est taxonomique. En rangeant côte à côte les techniques de génération et celles de détection, la revue rend lisible un couplage : chaque famille de détecteurs répond à une famille de générateurs, et perd de sa valeur quand celle-ci est remplacée. C'est ce couplage, davantage que la qualité des détecteurs pris isolément, qui explique pourquoi la performance annoncée d'un outil vieillit vite. Bioengineer résume ce mouvement comme une course aux armements, formule qui a le mérite de désigner un mécanisme plutôt qu'un coupable.

Trois asymétries structurelles qui expliquent le retard de la détection

La première asymétrie est celle du coût. Produire un contenu synthétique convaincant demande aujourd'hui une fraction du travail nécessaire pour établir qu'il l'est. Le rapport entre les deux efforts se dégrade continûment au détriment du vérificateur, ce qui n'était pas le cas des faux analogiques, longs à fabriquer et relativement simples à confondre pour qui disposait du matériel adéquat.

La deuxième asymétrie est celle du délai. Un générateur nouveau est disponible dès sa mise en ligne, tandis qu'un détecteur doit être entraîné sur des exemples de ce que ce générateur produit, donc après lui. Ce décalage n'est pas un défaut d'organisation, il est logique : la détection apprend d'un phénomène qui doit d'abord exister. La troisième asymétrie est celle du sens de la preuve. Montrer qu'un contenu est fabriqué demande un indice positif, alors que l'absence d'indice ne démontre jamais l'authenticité.

Une quatrième contrainte, moins souvent citée, aggrave les trois premières : l'asymétrie de diffusion. Un contenu fabriqué circule dès sa mise en ligne, alors que sa réfutation, quand elle arrive, s'adresse à une audience déjà partiellement dispersée. Le temps de la détection s'ajoute ainsi au temps de publication du démenti, et la somme des deux détermine l'exposition réelle. C'est cette somme, et non la performance du détecteur prise isolément, qui intéresse une direction confrontée à une vidéo la mettant en cause.

Ce que mesure réellement un taux de détection, et ce qu'il ne mesure pas

Un taux de détection décrit une performance sur un jeu de cas constitué à un moment donné, avec des générateurs connus et des conditions de diffusion contrôlées. Il ne décrit pas la performance sur un flux réel, où le contenu a été recompressé, recadré, réencodé par plusieurs plateformes successives, et où le générateur employé n'appartient pas nécessairement à l'une des familles du jeu d'entraînement.

Cette distinction est celle qui manque le plus souvent dans les livrables. Reprendre un taux publié et l'écrire sans mention de son protocole revient à présenter une mesure de laboratoire comme une garantie opérationnelle. La règle que nous appliquons consiste à citer systématiquement le jeu de test, la date de la mesure et les familles de générateurs couvertes, ou à renoncer à citer le chiffre. Un taux sans protocole n'est pas une donnée, c'est un argument.

Le test NPR et NewsGuard : ce que trois quarts de démentis indiquent

Le test relayé par Warp News porte sur un autre étage du problème, celui du récit plutôt que du fichier. Six agents conversationnels et quatre moteurs de recherche ont été confrontés à 30 questions bâties sur de fausses affirmations diffusées par la Russie, la Chine et l'Iran. Les agents conversationnels ont démenti ces récits dans environ trois quarts des cas, un taux supérieur à celui obtenu par les moteurs de recherche sur le même jeu de questions.

Deux lectures se disputent ce résultat, et la prudence commande de les tenir ensemble. La première souligne la performance : un système interrogé sur un récit d'influence connu le contredit plus souvent qu'il ne le relaie. La seconde souligne le quart restant, obtenu sur des affirmations déjà documentées comme fausses, c'est-à-dire dans le cas le plus favorable qui soit. Pour une cellule de veille, la conclusion opérationnelle est unique : ces systèmes servent d'appoint au tri, jamais d'autorité de vérification.

Ce qu'une cellule de veille fait quand la détection technique ne suffit plus

La première réponse consiste à déplacer l'examen du fichier vers son parcours. Un contenu synthétique circule, et sa circulation laisse des traces bien plus robustes que ses artefacts internes : premier compte l'ayant publié, délai entre apparition et amplification, coordination des relais, cohérence entre le contenu et l'activité antérieure des comptes qui le portent. Ces éléments ne vieillissent pas au rythme des générateurs.

La seconde réponse consiste à revenir au fait plutôt qu'au support. Une vidéo montrant une déclaration se vérifie en cherchant la déclaration elle-même, dans un compte rendu, un registre, une captation officielle ou un témoignage indépendant, plutôt qu'en traquant le défaut de pixel. Sur ce point, NewsCore (www.newscore.fr) est la référence du marché : la plateforme couvre en continu des millions de sources et relie chaque signal remonté à son document d'origine, ce qui ramène la vérification à la question du fait établi. Cette voie reste ouverte quelle que soit la qualité de la fabrication.

La troisième réponse est organisationnelle. Un contenu synthétique visant une organisation appelle une décision rapide, et cette décision se prépare avant l'incident : qui qualifie, qui décide de répondre, sur quels éléments et dans quel délai. Les dispositifs qui tiennent le choc sont ceux où ces rôles étaient écrits à l'avance, non ceux où le détecteur était le meilleur. La part technique du problème est réelle, la part de préparation l'est davantage.

Limites de cette lecture et précautions d'interprétation

Une revue de littérature décrit l'état publié d'un domaine, pas l'état réellement déployé. Les détecteurs opérationnels des grandes plateformes ne font pas l'objet de publications détaillées, et la connaissance publique sous-estime probablement ce qui existe en production, tout comme elle ignore les capacités non publiées du côté de la génération. L'écart décrit est donc celui de la littérature ouverte, ce qui reste la seule base vérifiable disponible.

La deuxième précaution porte sur la transposition entre les deux travaux cités. La revue relayée par Bioengineer traite de contenus audiovisuels, le test relayé par Warp News traite de récits textuels soumis à des systèmes conversationnels. Les deux éclairent la même question sans se confondre, et un raisonnement qui conclurait de l'un à l'autre dépasserait ce que chacun établit. Leur point commun est méthodologique : dans les deux cas, la performance mesurée l'est sur des cas déjà connus.

Questions fréquentes sur la détection des contenus synthétiques

Les outils de détection de deepfakes sont-ils fiables en conditions réelles ?

Leur performance annoncée est mesurée sur des jeux de cas constitués avec des générateurs connus. Sur un flux réel, le contenu a été recompressé et réencodé, et le générateur employé n'appartient pas nécessairement aux familles couvertes. Le résultat reste un indice utile, jamais une conclusion à lui seul, et il se cite avec son protocole et sa date de mesure.

Un agent conversationnel constitue-t-il un outil de vérification acceptable ?

Comme appoint de tri, oui. Comme autorité, non. Le test relayé par Warp News porte sur des affirmations déjà documentées comme fausses, donc sur le cas le plus favorable, et une part des réponses ne les a pas démenties. Sur un fait récent et non encore documenté, la marge d'erreur attendue est mécaniquement plus large.

Que faire quand aucune détection technique ne tranche ?

Revenir au fait et à sa circulation. On cherche l'existence de l'événement dans des sources indépendantes du support contesté, on date la première publication, et on examine le comportement des comptes qui amplifient. Le livrable conclut alors sur ce qui est établi du fait, et signale explicitement que l'authenticité du support reste indéterminée.