Les Deepfakes sont des vidéos, des images ou des enregistrements audio très réalistes, générés ou manipulés synthétiquement, créés à l'aide de techniques avancées d'intelligence artificielle (IA) et d'apprentissage automatique (ML), en particulier l'apprentissage profond (DL). Le terme est un portmanteau de "deep learning" et "fake". Ces techniques permettent de remplacer ou de synthétiser de manière convaincante des visages, des voix et des actions, en donnant l'impression que quelqu'un a dit ou fait quelque chose qu'il n'a jamais réellement fait. Bien qu'issue des communautés en ligne, la technologie deepfake a rapidement évolué, présentant à la fois des opportunités créatives et des défis éthiques importants.
Applications et exemples
La technologie Deepfake a toute une série d'applications, allant des utilisations bénéfiques aux activités malveillantes :
- Divertissement et médias : Utilisé dans la réalisation de films pour désâger les acteurs, recréer des personnages historiques ou améliorer le doublage en modifiant les mouvements des lèvres pour qu'ils correspondent à l'audio traduit. Par exemple, les cinéastes ont utilisé des techniques de deepfake dans Le Mandalorien pour recréer numériquement une version plus jeune d'un acteur. Un autre exemple est Synthesia, une plateforme qui utilise des avatars d'IA pour créer des vidéos de formation et des présentations, générant ainsi efficacement du contenu vidéo synthétique.
- Éducation et accessibilité : Créer des instructeurs virtuels ou donner vie à des personnages historiques à des fins éducatives. Le clonage vocal peut aider les personnes qui ont perdu leur voix.
- Génération dedonnées synthétiques: Création d'ensembles de données artificielles pour l'entraînement d'autres modèles ML, en particulier dans le domaine de la vision par ordinateur, où les données réelles peuvent être rares ou sensibles. Cela peut aider à améliorer la robustesse de modèles tels que Ultralytics YOLO11 pour des tâches telles que la reconnaissance faciale.
- Désinformation et malveillance : Diffusion de fausses informations politiques, création de fausses approbations de célébrités ou de scandales, génération de pornographie non consensuelle et perpétration de fraudes par usurpation d'identité (par exemple, des deepfakes vocaux pour autoriser des transactions). Ces pratiques soulèvent de sérieuses inquiétudes quant à l'éthique de l'IA et à la confidentialité des données.
FR
EN
ZH
KO
JA
RU
DE
ES
PT
IT
AR
TR
VI
Comment les Deepfakes sont créés
La technologie de base derrière de nombreux deepfakes fait appel aux réseaux adverbiaux génératifs (GAN). Un GAN se compose de deux réseaux neuronaux concurrents : un générateur qui crée le faux contenu (par exemple, une image avec un visage échangé) et un discriminateur qui tente de faire la distinction entre le vrai et le faux contenu. Grâce à un entraînement itératif, le générateur devient de plus en plus habile à produire des faux réalistes qui peuvent tromper le discriminateur et, en fin de compte, les observateurs humains. Les autoencodeurs sont une autre technique courante, qui consiste à apprendre des représentations compressées (encodages) de visages à partir de vastes ensembles de données, puis à décoder ces représentations pour reconstruire ou permuter des visages sur des vidéos cibles. La création de deepfakes convaincants nécessite souvent des données d'entraînement substantielles (images ou clips vidéo des personnes ciblées) et une importante puissance de calcul du GPU souvent gérées par des plateformes comme Ultralytics HUB.