Aujourd’hui, toute personne qui ouvre un compte en ligne, souscrit une assurance ou accède à des données sensibles prouve de plus en plus souvent son identité de manière numérique. Cela rend de nombreux processus plus rapides, plus pratiques et plus accessibles. Mais un nouveau défi apparaît : que se passe-t-il si des visages et des vidéos peuvent être falsifiés de façon trompeusement réaliste grâce à l’IA ?
C’est précisément là que les deepfakes entrent en jeu. La technologie évolue rapidement et rend de plus en plus facile la création, à partir de quelques images, de vidéos d’une personne d’apparence réaliste. Ce qui peut d’abord sembler être un problème pour les réseaux sociaux ou la communication politique est depuis longtemps devenu pertinent pour les processus d’identité numériques. Car lorsque des fraudeurs combinent un document d’identité volé avec une vidéo générée par IA, les vérifications d’identité classiques sont mises sous pression.
L’essentiel en bref
- Les deepfakes deviennent de plus en plus une menace réelle pour les identités numériques.
- Un document d’identité volé, combiné à une vidéo générée par IA, peut considérablement faciliter la fraude à l’identité.
- Aujourd’hui, le défi des vérifications d’identité numériques ne consiste pas seulement à déterminer qui est une personne, mais aussi à vérifier si les données d’image et de vidéo présentées sont authentiques.
- Il n’existe pas de mécanisme unique permettant de détecter de manière fiable tous les deepfakes. Une protection efficace repose sur plusieurs mesures de sécurité coordonnées.
- L’objectif des procédures d’identification modernes est de rendre la fraude à l’identité techniquement si coûteuse qu’elle ne soit, en pratique, plus scalable.
Sommaire
Quand l’identification biométrique rencontre les deepfakes
En règle générale, les procédures d’identification modernes comparent un document d’identité à une capture en direct de la personne. Les méthodes biométriques sous-jacentes sont extrêmement précises. Le véritable défi ne réside donc souvent plus dans la biométrie elle-même, mais dans la question de savoir si la capture présentée est réellement authentique.
Un scénario d’attaque réaliste : des criminels disposent d’un document d’identité volé et utilisent en plus une photo de la personne concernée, par exemple issue des réseaux sociaux. Grâce à l’intelligence artificielle, ils en génèrent une vidéo, ensuite injectée dans un processus d’identification comme prétendue capture en direct, dans le but de se faire passer avec succès pour quelqu’un d’autre.
La question de sécurité change ainsi fondamentalement. Il ne suffit plus de vérifier si le visage correspond au document d’identité. Les systèmes doivent aussi être capables de déterminer si le visage présenté est réellement authentique.
Les deepfakes repoussent les limites de la vérification d’identité numérique
Pendant longtemps, la vérification d’identité numérique reposait sur un principe simple : la personne correspond-elle au document d’identité ? À l’ère des deepfakes, les exigences évoluent. Au-delà de l’identité elle-même, l’authenticité des données d’image et de vidéo présentées doit également être vérifiée. Car même un visage apparemment authentique devant la caméra peut aujourd’hui être généré artificiellement.
Un visage qui semble authentique, des mouvements de tête naturels ou un selfie apparemment spontané ne constituent plus une preuve de confiance suffisante. Avec les possibilités de l’IA générative, la frontière entre identité réelle et identité artificiellement générée devient de plus en plus floue.
Cela ne signifie toutefois pas que les identités numériques deviennent moins sûres. Au contraire : plus les falsifications numériques deviennent faciles, plus les méthodes capables de prouver de manière fiable l’authenticité d’une personne deviennent essentielles. Les deepfakes ne rendent pas la vérification d’identité numérique obsolète. Ils la rendent plus nécessaire que jamais.

La confiance nécessite plusieurs couches de protection
Comme pour de nombreuses questions de sécurité, il n’existe pas, face aux deepfakes, une mesure unique capable d’arrêter de manière fiable chaque menace. Les vérifications d’identité modernes s’appuient plutôt sur plusieurs mécanismes de protection complémentaires. Chaque couche supplémentaire augmente la difficulté pour les attaquants et complique la réussite des tentatives de fraude.
L’élément déterminant est l’interaction de différentes technologies et procédures. Elles doivent détecter les manipulations le plus tôt possible, compliquer les tentatives d’attaque et augmenter l’effort requis pour les fraudeurs au point que la fraude à l’identité ne soit plus rentable économiquement.
Les quatre piliers de la défense contre les deepfakes
1. Détection spécialisée des deepfakes :
Les systèmes de détection modernes analysent les données d’image et de vidéo à la recherche de traces typiques de manipulation et identifient des anomalies pouvant indiquer des contenus générés de manière synthétique. Ils constituent la première ligne de défense contre les attaques par deepfake.
2. Défis en direct aléatoires :
Des tâches spontanées pendant l’identification, comme certains mouvements de tête ou des interactions, rendent nettement plus difficile l’utilisation réussie de deepfakes préparés. Elles augmentent également les exigences en matière de manipulations possibles en temps réel.
3. Limitation des tentatives d’attaque :
Lorsque des tentatives de fraude sont détectées, des appareils, des connexions ou des caractéristiques d’identité peuvent être temporairement bloqués. Cela empêche les attaquants d’analyser et d’optimiser un système au moyen de tests répétés.
4. Sécurisation du canal de capture et de transmission des données :
Des mécanismes de sécurité supplémentaires vérifient comment les données d’image et de vidéo parviennent au processus d’identification. Il est ainsi possible de détecter si des contenus ont été injectés via des écrans, des logiciels manipulés ou d’autres détours techniques.
