Détecter un deepfake en visioconférence coûterait 143 fois moins de calcul

Pour repérer un deepfake en visioconférence sans matériel coûteux, des chercheurs de l’université du Colorado à Boulder proposent de ne plus décoder les images : leur méthode DeepSFU exploite directement la vidéo compressée qui circule sur le réseau, et réclame 143 fois moins de calcul que les détecteurs existants.

Des faux que l’œil distingue mal

L’œil humain n’est pas un rempart fiable. Lors d’une conférence d’informaticiens à Denver, Tuan Tran, doctorant en informatique à CU Boulder, a projeté une vidéo du vrai Brad Pitt et une version générée par IA : seule la moitié du public a identifié le faux. « These deepfake-generating models are becoming very strong », a-t-il constaté.

Les conséquences sont déjà concrètes. Des fraudeurs ont usurpé des directeurs financiers de grandes entreprises pour convaincre des employés de virer de fortes sommes ; à Hong Kong, une personne a ainsi envoyé 25 millions de dollars. Or, selon Tuan Tran, Zoom, Apple FaceTime et Google Meet n’offrent pas de détection de deepfakes en temps réel. Microsoft Teams non plus, même si l’entreprise a récemment annoncé un effort pour en proposer.

Pourquoi les détecteurs actuels coûtent si cher

Les systèmes commerciaux de détection d’imposteurs exigent une puissance de calcul massive, difficile à déployer à grande échelle et trop onéreuse pour la plupart des utilisateurs. La raison tient au fonctionnement même de la vidéo. Selon Shirin Ebadi, doctorante et coautrice, ces détecteurs fonctionnent bien mais doivent voir l’image réelle : comme la vidéo voyage sous forme compressée, il faut reconstruire en pleine résolution chaque image de chaque participant avant d’examiner un visage.

Lire les indices dans la compression

Les chercheurs ont constaté que ce travail était inutile : les indices se trouvent déjà dans la forme compressée du flux. La compression n’envoie pas chaque pixel de chaque image, elle décrit les changements depuis l’image précédente. Un mur quasi immobile est couvert par quelques grands blocs de pixels, alors que le visage et ses expressions sont découpés en blocs plus petits pour conserver le détail. Quand l’apparence d’une personne change brusquement, le compresseur doit consigner beaucoup d’informations nouvelles.

L’équipe a mesuré quelle part de cette information nouvelle se concentre sur le visage et sur quelle étendue. Le principe se déroule ainsi :

1. le détecteur lit ces valeurs directement dans la vidéo compressée, sans la décompresser en résolution supérieure ;
2. si un élément paraît suspect, il demande à l’appareil de l’expéditeur une image complète et récente ;
3. une IA examine alors cette image pour déterminer s’il s’agit d’un deepfake.

Selon Sangtae Ha, professeur d’informatique à CU Boulder et codirecteur de l’équipe, « We only had to look at data from one out of every 100 frames, instead of every frame ». Il rappelle que certains jugeaient le problème impossible à cause des contraintes du système et de l’architecture actuelle.

Des résultats chiffrés, une suite à construire

Sur cette bibliothèque de 1 000 vidéos, l’équipe rapporte une précision quasi parfaite. Ce résultat vaut pour ce corpus précis ; rien n’indique qu’il serait identique en conditions réelles de visioconférence.

Les résultats ont été présentés à SIGCOMM, conférence de référence en réseaux et systèmes informatiques, tenue en août à Denver, comme le rapporte Tech Xplore. Le travail, intitulé « DeepSFU : Scalable Deepfake Detection for Video Conferencing », figure dans les actes d’ACM SIGCOMM 2026 (DOI 10.1145/3789240.3829184).

Eric Keller, professeur de génie électrique et informatique à CU Boulder et colead du projet, indique que l’équipe souhaite adapter le système pour qu’il puisse servir à la visioconférence à grande échelle. Les chercheurs parient que la demande de technologies de détection augmentera à mesure que les deepfakes poseront davantage de problèmes. Pour l’heure, il s’agit d’un objectif, non d’un outil disponible dans les services de visioconférence.

Photo : Edward Jenner / Pexels